La vision industrielle est l'application de la vision par ordinateur à l'usine : une caméra prend des images des pièces ou des produits, un logiciel les analyse, et le système décide puis agit, par exemple en écartant une pièce défectueuse. Elle sert à contrôler la qualité, lire des codes, mesurer et guider des robots, à des cadences qu'un contrôle visuel humain ne tient pas.
Qu'est-ce que la vision industrielle ?
Le principe est toujours le même : détecter un objet ou une caractéristique dans une image numérique, en tirer une décision (bon ou mauvais, position, dimension, code lu), puis transmettre cette décision à la ligne. On parle aussi de vision artificielle ou, en anglais, de machine vision.
Les composants d'un système de vision
- La caméra : elle capte l'image. Une caméra intelligente intègre aussi le traitement dans le même boîtier.
- L'optique : l'objectif, choisi selon la taille de la pièce, la distance et la précision voulue.
- L'éclairage : continu ou stroboscopique, il fait ressortir le défaut à détecter. C'est souvent lui qui fait la réussite d'une application.
- Le traitement : une carte ou un ordinateur et un logiciel d'analyse d'image.
- Le déclenchement et les sorties : un capteur indique quand prendre l'image, et le résultat part vers l'automate, le robot ou l'éjecteur.
Vision 2D, 3D et autres techniques
- La vision 2D est la plus répandue : contrôle d'aspect, présence ou absence, lecture de codes.
- La vision 3D mesure aussi le relief. Les techniques courantes sont la triangulation laser, la stéréoscopie, le temps de vol et la lumière structurée.
- D'autres modes d'acquisition voient ce que l'œil ne voit pas : la thermographie, les rayons X, l'imagerie multispectrale.
Règles ou apprentissage profond
La vision classique fonctionne par règles : on définit à l'avance ce qui distingue une pièce bonne d'une pièce mauvaise (une dimension, un contraste, une forme). Cela marche très bien quand le défaut est simple et constant. Quand les défauts varient beaucoup (rayures, taches, aspect d'un produit naturel), écrire toutes les règles devient impossible.
L'apprentissage profond lève cette difficulté : le système apprend sur de nombreuses images de pièces bonnes et mauvaises, puis inspecte seul. Il demande en échange des images bien choisies et bien étiquetées. Des données d'entraînement de mauvaise qualité produisent des faux positifs, c'est-à-dire des pièces bonnes rejetées.
Les applications dans l'usine
- Le contrôle qualité : défauts de surface, complétude d'un assemblage, conformité d'une étiquette, à haute cadence et sur chaque pièce plutôt que par échantillonnage.
- La lecture de codes et de caractères : codes-barres, codes Data Matrix, numéros de lot, pour la traçabilité.
- La mesure : dimensions et positions, sans contact.
- Le comptage et le tri : par couleur, forme ou taille.
- Le guidage de robots : la caméra indique au robot où se trouve la pièce à prendre.
Ce qu'en disent les industriels à Tech for Industry Show
À Tech for Industry Show 2026, à Paris Expo Porte de Versailles :
- L'Oréal a expliqué que ses systèmes de vision, largement déployés, détectent grâce à l'IA des défauts sur des pots en verre transparent, auparavant très difficiles à repérer, et caractérisent le défaut pour corriger plus vite. Lire l'article
- Renault a cité plus de 6 400 contrôles qualité par vision déployés dans ses usines. Lire l'article
- Forvia a décrit la déclaration des problèmes en ligne avec caractérisation automatique du défaut par caméra, qui fait remonter davantage de problèmes et réduit les arrêts de ligne. Lire l'article
- TotalEnergies a testé des drones équipés de caméras et d'IA embarquée pour inspecter les ballasts de ses navires de production et détecter la corrosion, au lieu d'y envoyer des équipes. Lire l'article
- NTT DATA a montré une inspection visuelle assistée par IA intégrée au poste de l'opérateur, qui encadre les zones suspectes sur l'image. Lire l'article
Un autre exemple en France
La jeune entreprise Visionairy, issue de l'écosystème de l'université Paris-Saclay, fait de l'inspection visuelle par IA sur des lignes de production ; elle cite parmi ses premiers clients l'usine Toshiba de Dieppe, en 2020 (Université Paris-Saclay, 03/07/2024).
Le marché et les prix
Selon l'association allemande des constructeurs de machines (VDMA), le chiffre d'affaires de la vision industrielle a reculé de 2 % en 2025, avec des composants en hausse de 4 % et des systèmes en baisse de 6 % ; elle prévoit une hausse d'environ 3 % en 2026.
Les fabricants de caméras intelligentes et de systèmes de vision donnent en général leurs prix sur devis : le coût dépend de l'optique, de l'éclairage, du logiciel et surtout de l'intégration sur la ligne. Les plateformes logicielles d'IA affichent parfois les leurs : Roboflow, plateforme de développement de modèles de vision, propose une formule gratuite et une formule à 39 dollars par mois (page de l'éditeur, relue le 04/11/2026), sans l'intégration industrielle.
Comment réussir un projet de vision
1. Définir le défaut ou la mesure avec la qualité : ce qui est acceptable, ce qui ne l'est pas, avec des exemples réels.
2. Réunir des pièces et des images bonnes et mauvaises, en nombre, dans les conditions réelles de la ligne.
3. Soigner l'éclairage et le positionnement avant de choisir le logiciel.
4. Choisir entre règles et apprentissage profond selon la variabilité des défauts.
5. Tester sur la ligne à la cadence réelle, et mesurer les rejets à tort comme les défauts manqués.
6. Prévoir l'intégration avec l'automate, le robot, le MES et la traçabilité. Un intégrateur spécialisé en vision prend souvent en charge cette partie.
Questions fréquentes
Qu'est-ce que la vision industrielle, en une phrase ?
C'est l'usage de caméras et de logiciels d'analyse d'image pour contrôler, mesurer, lire ou guider automatiquement dans une usine.
Quelle différence entre vision industrielle et vision par ordinateur ?
La vision par ordinateur est le domaine général ; la vision industrielle en est l'application à la production, avec des contraintes de cadence, de fiabilité et d'intégration à la ligne.
Faut-il de l'IA pour faire de la vision industrielle ?
Non. Les règles classiques suffisent pour des défauts simples et constants. L'apprentissage profond sert quand les défauts varient trop pour être décrits par des règles.
Quel est le rôle de l'éclairage ?
Il fait ressortir le défaut. Un mauvais éclairage rend une application difficile, quel que soit le logiciel.
Qui installe un système de vision ?
Souvent un intégrateur spécialisé, qui choisit caméra, optique, éclairage et logiciel, et raccorde le système à la ligne.
