Rapides
Nos modèles sont petits : ils calculent en secondes ou en minutes, pas en heures. Assez vite pour replanifier dès que la réalité change.
Le savoir plutôt que les données.
Nous construisons de très petits modèles qui résolvent des problèmes industriels difficiles en quelques minutes, sur du matériel ordinaire, avec peu de données, des données de mauvaise qualité, voire aucune.
Nos modèles sont petits : ils calculent en secondes ou en minutes, pas en heures. Assez vite pour replanifier dès que la réalité change.
Un ordinateur portable ou une petite carte embarquée suffit. Pas de grappe de GPU, pas de supercalculateur, pas de facture d'informatique en nuage.
Pas de grand projet de collecte de données avant que quoi que ce soit fonctionne. Nos modèles partent de ce que l'on sait déjà de votre processus.
Images floues, données manquantes, capteurs en panne : nos modèles continuent de fonctionner, parce qu'ils ne dépendent pas des seules données.
Il n’y a rien de magique. Les grands modèles d’IA apprennent tout à partir d’exemples, c’est pourquoi ils ont besoin d’autant de données et de puissance de calcul.
Nous prenons un autre chemin. Nous intégrons dans le modèle ce que l’on sait déjà : les règles de votre métier, les contraintes de votre processus et les connaissances d’ingénierie communément admises. Le modèle n’a plus qu’à apprendre, ou à chercher, ce qui est réellement inconnu. C’est de cela que sont faits notre IA augmentée par le savoir-faire et nos modèles vivants.
Le résultat : un modèle petit, rapide et robuste, conçu pour un seul problème, le vôtre.
Depuis des années, l’IA va dans une direction dominante : des modèles plus grands, plus de données, plus de puissance de calcul.
Nous défendons l’inverse depuis longtemps, bien avant que ce soit à la mode : pour de vrais problèmes industriels, les modèles peuvent être bien plus petits qu’on ne le pense. Aujourd’hui, une part croissante du domaine va dans ce sens. Nous l’appliquons dans l’industrie depuis des années.
Notre approche a remporté un défi international d’optimisation organisé par le groupe Aisin, du groupe Toyota, face à plus de 800 entreprises d’IA. Il s’en est suivi une collaboration de plusieurs années, au cours de laquelle nous avons optimisé une chaîne logistique complète, avec 30 % de camions en moins et une réduction des coûts de 30 %, toutes deux validées par le client. Les ingénieurs du client estimaient que le problème demanderait environ 12 heures de calcul haute performance. Notre modèle l’a résolu en 4 minutes environ, sur un ordinateur portable. Lire l’étude de cas.
Un client industriel avait besoin de détecter en temps réel de petits objets presque identiques, dont certains sont impossibles à distinguer à l’œil nu. Les images étaient floues, et la caméra s’arrêtait régulièrement à cause de la chaleur, laissant le système sans aucune image. Nous avons construit un très petit modèle qui combine les images disponibles avec la connaissance du processus. Il tourne en temps réel sur une Jetson Nano, un ordinateur embarqué compact et peu coûteux, et a été validé par le client après essais. En savoir plus sur la vision par ordinateur en temps réel.
Parce que chacun de nos modèles est conçu pour le processus d’un client, le plus souvent sous confidentialité. Il n’existe pas de modèle générique à évaluer, et les problèmes de nos clients ne nous appartiennent pas. Nous pouvons présenter nos résultats plus en détail sous accord de confidentialité.
Si vous travaillez sur les petits modèles, l’IA fondée sur la connaissance ou l’optimisation, et souhaitez échanger, nous serons ravis de vous entendre.
Aisin a travaillé avec Funartech pour la première fois en 2021. Funartech nous a fourni une solution qui répondait à nos attentes, grâce à leur travail acharné.
Nous avons demandé à Funartech un projet expérimental plus avancé en 2022. Nous cherchions à améliorer la logistique dans une perspective à long terme. Ce projet était un problème important et difficile à résoudre. Ils ont relevé le défi et ont développé un prototype avec succès. Nous sommes satisfaits de leur soutien à la clientèle et souhaitons poursuivre notre collaboration.
Parlez-nous-en. Nous vous dirons honnêtement si un petit modèle peut faire le travail.
Nous contacter