La question n’est plus de savoir si l’IA fonctionne, mais bien si elle peut se traduire rapidement en valeur opérationnelle concrète. Les organisations disposent de grands volumes de données visuelles : images prises lors d’inspections, d’opérations et d’activités sur le terrain ou provenant de sources externes. Pourtant, une large part de ces données est sous-exploitée.
Ce n’est pas un enjeu de capacité, mais d’activation. L’extraction de données cohérentes et exploitables à partir d’images est une activité traditionnellement manuelle, subjective et chronophage, ce qui creuse le fossé entre ce que les organisations recueillent et ce qu’elles peuvent utiliser efficacement. La vision par ordinateur offre une réponse à cette situation grâce au traitement rapide et cohérent des images. Elle transforme cette activité manuelle et subjective en un processus structuré et fiable. Cela permet une analyse plus rapide, mais aussi des décisions plus éclairées grâce aux perspectives qui s’intègrent directement aux activités courantes.
Quand un modèle de vision par ordinateur traite une image, il fait bien plus qu’identifier ce qui s’affiche : il génère des renseignements structurés exploitables au sein des processus d’affaires. Cela comprend la classification (p. ex., le type de propriété ou les dommages à la toiture), des annotations pour souligner les zones d’intérêt, des attributs (p. ex., les matériaux utilisés pour la toiture ou la présence de végétation), des indicateurs de risques et même des représentations vectorielles permettant la recherche de similarités.
Ces renseignements structurés sont souvent plus utiles que l’image brute, car ils sont indexables, analysables et exploitables. Quand le volume d’images disponibles augmente, ces métadonnées se transforment en actifs stratégiques offrant de nouvelles formes de perspectives, d’automatisation et de soutien à la prise de décisions. Ces capacités peuvent surtout s’intégrer aux plateformes de données en place et être activées à l’aide de services déjà disponibles dans les environnements infonuagiques d’entreprise. Les organisations peuvent ainsi intégrer la vision par ordinateur aux outils et flux de travail sans devoir investir dans de nouveaux outils. Dans bien des cas, la vision par ordinateur renforce l’expertise humaine sans la remplacer. Elle permet aux équipes de se concentrer sur les exceptions, les analyses à valeur ajoutée et la prise de décision plus éclairées.
Mettre en œuvre concrètement la vision par ordinateur
Dans un récent mandat réalisé dans l’Ouest canadien, CGI s’est associée à un grand organisme public responsable de l’évaluation foncière annuelle de millions de propriétés. Le client gère un grand nombre d’images, aussi bien des photos prises depuis la rue que des prises de vue aérienne et des données satellites, pour soutenir ses activités annuelles d’évaluation foncière. Pourtant, une large part de ces données était sous-exploitée en raison des contraintes liées à leur traitement.
CGI a tiré parti de l’écosystème infonuagique du client en exploitant les technologies Azure avec des pipelines de données, du stockage et des services d’apprentissage automatique. Elle a pu activer rapidement des capacités de vision par ordinateur sans complexifier les processus. En deux mois, le client est passé d’un processus manuel et fragmenté de traitement de la qualité des images à la génération par IA de données cohérentes.
Le premier cas d’utilisation se concentrait sur l’identification automatique des images de mauvaise qualité pour réduire les examens manuels et éviter les réacquisitions inutiles. Cela a permis une réduction des efforts manuels, la diminution des coûts de réacquisition et l’accélération des cycles de traitement, mais aussi la mise en place d’une base pour d’autres capacités avancées comme la sélection de la meilleure image, la détection des attributs et des services de renseignements plus généraux liés aux images.
Évoluer grâce à une approche écosystémique
S’appuyant sur cette réussite, CGI a élargi le mandat pour inclure la conception d’une plateforme de renseignements plus généraux liés aux images, conçues pour favoriser la croissance à l’échelle de l’organisme. Au lieu de se concentrer sur un seul cas d’utilisation, la plateforme a permis d’introduire rapidement de nouvelles capacités de traitement des images grâce à des composantes réutilisables, des métadonnées normalisées, des pipelines d’apprentissage automatique évolutifs et des services d’analyse intégrée.
La plateforme est compatible avec plusieurs types d’images dont les photos depuis la rue, les prises de vue aériennes et les données satellites. Elle permet aussi d’inclure des sources d’information complémentaires comme les archives municipales et les indicateurs de risques géospatiaux, y compris les données sur les inondations et les feux de forêt. Les jeux de données combinés forment une vue plus complète et dynamique de chaque actif, améliorent les perspectives et renforcent le processus décisionnel.
Cette approche écosystémique permet aux organisations de délaisser les solutions d’IA isolées et d’établir des fondations extensibles sur lesquelles reposera chaque nouvelle capacité tirant parti des investissements déjà réalisés. La valeur produite augmente avec le temps, car les nouveaux cas d’utilisation sont activés plus rapidement et intégrés directement aux processus opérationnels.
Intégrer la confiance et la gouvernance
Les organisations élargissent leur utilisation des analyses fondées sur les images. Il est donc essentiel de reconnaître que les images peuvent contenir des renseignements hautement sensibles. Au Canada, la législation en la matière, comme la Loi sur la protection des renseignements personnels et les documents électroniques (LPRPDE), définit les exigences strictes de gestion des renseignements personnels, y compris les caractéristiques reconnaissables comme le visage, les plaques d’immatriculation et d’autres attributs capturés en images de manière non intentionnelle.
Il faut porter une attention toute particulière à la rédaction, à l’anonymisation, à la gouvernance des données et aux contrôles d’accès lors de la mise en œuvre à grande échelle de la vision par ordinateur. Selon l’approche de CGI, ces protections sont intégrées dès le début du projet. Cela permet de garantir la conformité aux exigences réglementaires canadiennes en matière de renseignements personnels et aux pratiques exemplaires du secteur, tout en maintenant la confiance envers le processus décisionnel facilité par l’IA.
Transformer les images en résultats
La vision par ordinateur n’est pas une simple capacité d’analyse d’images, mais bien un moyen d’améliorer le fonctionnement des organisations. Quand les informations tirées des images sont directement intégrées aux processus d’affaires, elles dépassent la simple analyse pour se transformer en moteurs d’actions qui automatisent les flux de travail, priorisent les efforts, accompagnent les décisions et renforcent la cohérence opérationnelle à grande échelle.
Les organisations qui se démarqueront ne seront pas celles qui développeront le plus grand nombre de modèles d’IA. Ce seront celles qui sauront les mettre en action, en transformant les données existantes en connaissances exploitables, puis ces connaissances en actions concrètes. Le succès reposera sur la capacité à conjuguer expérimentation rapide et fondations évolutives, en tirant parti des investissements technologiques déjà en place tout en intégrant l’IA directement au cœur des processus opérationnels.
Chez CGI, nous accompagnons nos clients tout au long de ce parcours : identification des occasions d’affaires intéressantes, preuve de valeur commerciale, conception de l’architecture, gouvernance et modèles opérationnels nécessaires pour l’adoption au sein de toute l’organisation. L’objectif est clair, les données existent : la balle est dans le camp des organisations qui les transformeront en actions à grande échelle.
