Article

Caméras, drones, robots : l’IA azuréenne à l’épreuve du terrain

AzurIA, HawQ-ai et Durance AI s’attaquent à trois limites de l’IA embarquée : consommation d’énergie, fiabilité des systèmes de vision et calcul dans les machines.

Illustration de l’IA embarquée

Une caméra qui détecte une fumée sans envoyer en permanence ses images vers un centre de données ; une plateforme qui teste une intelligence artificielle avant son installation sur une caméra ou un drone ; une architecture de calcul inspirée du fonctionnement du cerveau pour alléger le travail d’un robot. Trois entreprises des Alpes-Maritimes travaillent sur une partie moins visible de l’intelligence artificielle, mais décisive pour son développement industriel : faire fonctionner des modèles dans des machines réelles, avec des contraintes d’énergie, de fiabilité et d’intégration.

Elles font partie des 24 startups retenues pour le pavillon « Alpes-Maritimes, Terre d’IA » au World AI Cannes Festival, les 10 et 11 février 2027. Présentée le 18 novembre à Sophia Antipolis, la sélection compte 24 entreprises parmi 49 candidatures, contre 36 lors de l’édition précédente. Toutes ont leur siège social dans le département. L’appel lancé en septembre exigeait au minimum une preuve de concept ou un produit minimum viable, et non une simple idée (nous avions détaillé les conditions de cette première sélection).

AzurIA s’attaque d’abord au coût énergétique de la surveillance vidéo. Son boîtier CamIA se connecte à une caméra existante et analyse les images directement sur place. Lorsqu’il détecte une fumée, il zoome sur la zone concernée pour confirmer l’alerte, puis transmet uniquement les informations utiles. Le système évite ainsi de faire circuler en permanence des flux vidéo vers un centre de données.

L’économie annoncée est mesurable. Une évaluation indépendante du cycle de vie, présentée par l’ADEME, estime l’empreinte carbone de CamIA à moins de 30 kg équivalent CO₂ sur cinq ans, fabrication, utilisation et recyclage compris. Une architecture classique reposant sur la transmission continue des images représenterait plusieurs centaines de kilogrammes sur la même période. Un démonstrateur a fonctionné près d’un an dans la Loire. AzurIA prépare désormais son industrialisation.

Pour HawQ-ai, le problème arrive avant même l’installation : comment savoir si une intelligence artificielle saura reconnaître correctement ce qu’elle doit voir dans des conditions réelles ? Les modèles de vision sont souvent évalués sur des banques d’images standardisées. Or, sur le terrain, la luminosité change, les objets se masquent mutuellement et les caractéristiques des caméras modifient les images reçues.

Issue d’Inria Startup Studio à Sophia Antipolis, HawQ-ai développe une plateforme qui reconstitue des environnements virtuels, simule les capteurs et génère des images artificielles pour éprouver les modèles. La chaîne de simulation est déjà opérationnelle, selon Inria. L’évaluation quantitative des performances et la formalisation de protocoles reproductibles de robustesse restent toutefois en cours de développement. L’objectif est de mieux anticiper les défaillances avant de multiplier les essais sur des installations réelles. Son cofondateur, Abdelhadi Lammini, cite notamment les caméras de surveillance, les drones, les véhicules autonomes et la robotique parmi les applications visées.

Durance AI travaille sur une troisième limite : la puissance de calcul nécessaire pour faire fonctionner une intelligence artificielle dans un appareil autonome. Un robot ou un drone alimenté par batterie ne peut pas embarquer indéfiniment des processeurs puissants sans payer le prix en autonomie et en chaleur.

Sa technologie RIVER repose sur le calcul neuromorphique. Inspirée du fonctionnement des réseaux de neurones biologiques, elle utilise des signaux impulsionnels et une architecture qui traite les informations utiles lorsqu’elles apparaissent, plutôt que de solliciter continuellement toutes les ressources de calcul. Issue de travaux du Laboratoire d’électronique, antennes et télécommunications (LEAT), à Sophia Antipolis, l’entreprise prolonge des recherches locales sur les réseaux de neurones impulsionnels et la vision événementielle. Le laboratoire travaille notamment sur leur adaptation aux systèmes embarqués à faible consommation.

En juillet 2026, la presse technique spécialisée décrivait une démonstration de la technologie sur carte FPGA, accompagnée d’une bibliothèque logicielle compatible avec PyTorch. La technologie en est encore au stade du développement et de la démonstration, pas de la production en série d’une puce. L’enjeu est aussi de rendre cette architecture suffisamment simple à intégrer pour que les industriels puissent réellement l’adopter.

Leurs parcours montrent plusieurs passerelles entre recherche et entreprise. HawQ-ai vient d’Inria Startup Studio ; Durance AI est issue du LEAT, laboratoire commun à Université Côte d’Azur et au CNRS ; AzurIA bénéficie du soutien de France 2030 opéré par l’ADEME. Les 24 entreprises retenues couvrent aussi d’autres domaines, notamment la santé, les réseaux, la cybersécurité et l’accessibilité.

À Cannes, chaque entreprise disposera d’un espace individuel pour présenter sa solution et rencontrer des partenaires et investisseurs. Le cofondateur de HawQ-ai, Abdelhadi Lammini, disait rechercher avant tout des investisseurs et évoquait un possible premier contrat important avec un groupe espagnol, qui n’était pas encore signé. Le festival doit lui permettre de trouver des partenaires industriels pour faire adopter sa plateforme par des fabricants de systèmes de vision.

Sources consultées
  1. La Maison de l'IAWAICF 2027 : 24 startups maralpines sélectionnées pour représenter les Alpes-Maritimes
  2. ADEMECamIA : un boîtier IA sobre qui détecte les départs de feu
  3. InriaIngénieur R&D, simulation graphique et robustesse des systèmes de perception IA, projet HawQ-ai
  4. TaVille TaVieÀ Sophia Antipolis, 24 start-up azuréennes en route pour le WAICF
  5. LEAT, Université Côte d'AzureBrain : Embedded Bio-inspired Artificial Intelligence and Neural Networks
  6. ipXchangeDurance AI RIVER targets low-power vision for embedded robotics