L'estimation de la valeur des véhicules s'améliore grâce à l'IA accélérée par les GPU.
ProovStation, startup créée il y a quatre ans et basée à Lyon, en France, relève le défi ambitieux de l'automatisation de l'inspection et de l'estimation des réparations des véhicules, en proposant aux entreprises du monde entier des stations à très haute résolution pilotées par l'IA.
Elle a récemment lancé trois de ses scanners d'inspection de véhicules à la pointe de la technologie sur les sites du géant français de la distribution Carrefour, à Montesson, Vénissieux et Aix-en-Provence. Les scanners de véhicules ProovStation en libre-service sont déployés sur les parkings de Carrefour, où les conducteurs peuvent s'arrêter pour bénéficier de ce service gratuit.
Les stations en libre-service sont conçues pour que les utilisateurs puissent fournir des informations sur leur véhicule et repartir avec une estimation de prix et un devis de réparation en moins de deux minutes. Elles permettent également aux conducteurs d'obtenir une offre d'achat de leur véhicule en quelques secondes seulement, ce qui est prometteur pour les consommateurs, ainsi que pour les concessionnaires de voitures d'occasion et les commissaires-priseurs.
De nombreux éléments entrent en jeu afin de proposer une estimation des réparations et une offre d’achat : caméras, capteurs, multiples modèles de détection des dommages….
En utilisant les GPU NVIDIA et les kits de développement logiciel NVIDIA Metropolis, ProovStation peut, entre autres, analyser 5 Go de données d'images et de capteurs par voiture et appliquer simultanément plusieurs modèles de détection d'IA visuelle.
ProovStation fait appel SDK NVIDIA DeepStream pour construire son pipeline d'IA visuelle et optimise le débit d'inférence d'IA à l'aide de Triton Inference Server.
Cette combinaison sur une application d'IA industrielle de pointe permet à ProovStation d'exécuter l'inférence avec des délais rapides d'analyse des véhicules.
Des progrès décisifs : Concessionnaires Bernard Groupe
ProovStation déploie ses stations à un rythme soutenu, notamment grâce à un allié de taille, Cédric Bernard, dont la société familiale Groupe Bernard, spécialisée dans les concessions et services automobiles, a investi pour la première fois en 2017 afin de développer ses propres activités.
Le Groupe Bernard a collecté des quantités massives de données d'image auprès de ses propres entreprises pour les prototypes de ProovStation. Cédric Bernard a quitté l'entreprise familiale pour rejoindre Gabriel Tissandier en tant que cofondateur et PDG de la startup, rejoint ensuite par un troisième cofondateur Anton Komyza.
ProovStation est membre de NVIDIA Inception, un programme qui accélère les startups de pointe en leur donnant accès à des plateformes matérielles et logicielles, à des formations techniques, ainsi qu'au soutien de l'écosystème de l'IA. "Les gens me demandent souvent comment j'ai réussi à faire fonctionner autant d'IA, et je leur réponds que c'est parce que je travaille avec NVIDIA Inception ", a déclaré Gabriel Tissandier.
Lancement de stations d'IA sur tous les marchés
ProovStation a déployé 35 stations d'analyse en service jusqu'à présent, et elle prévoit de doubler ce nombre l'année prochaine. Elle a lancé ses stations d'IA à la pointe de la technologie en Europe et aux États-Unis.
Parmi les premiers utilisateurs figurent le Groupe Bernard, le site britannique de vente de véhicules BCA Marketplace, les loueurs de voitures OK Mobility en Espagne et le loueur de voitures Sixt en Allemagne. La société travaille également avec des constructeurs automobiles américains dont l'identité n'a pas été révélée et avec un important vendeur de véhicules en ligne.
Le service de location de voitures Sixt a installé une station à l'aéroport de Lyon Saint-Exupéry dans le but de faciliter la prise en charge et le retour des voitures.
"Sixt veut vraiment changer l'expérience de la location d'une voiture", a déclaré M. Tissandier.
Création d'une "super usine d'IA" pour les ensembles de données sur les sinistres
ProovStation s'est doté d'une expertise en science des données et d'une équipe dédiée pour gérer ses nombreux ensembles de données spécialisées pour le difficile défi de la détection des dommages.
"Passer d'un examen des dommages à une estimation des dommages peut parfois être vraiment délicat", a déclaré M. Tissandier.
ProovStation dispose d'une équipe de dix experts dans sa Super usine d'IA, qui se consacre à l'étiquetage des données avec son propre logiciel spécialisé. Ils ont traité plus de deux millions d'images avec des étiquettes jusqu'à présent, définissant une taxonomie de plus de 100 types de dommages et plus de 100 types de pièces.
"Nous savions que nous avions besoin de ce niveau de précision pour que le système soit fiable et efficace pour les entreprises. L'étiquetage des images est très important, surtout pour nous, alors nous avons inventé des moyens d'étiqueter des dommages spécifiques", a-t-il déclaré.
M. Tissandier ajoute que les membres de l'équipe de science des données et d'autres personnes se tiennent à jour sur l'IA grâce aux cours du NVIDIA Deep Learning Institute.
Collecte de données des capteurs grâce l'IA NVIDIA Industrial Edge
La station ProovStation examine un véhicule à l'aide de 10 caméras différentes en prenant 300 images - soit 5 Go de données - pour les soumettre à ses modèles de détection. Les GPU NVIDIA permettent au pipeline d'inférence IA de fournir en 90 secondes la détection, l'évaluation des dommages, la localisation, les mesures et les estimations. Les roues sont analysées à l'aide d'un dispositif à fréquence électromagnétique conçu par Michelin pour en estimer l'usure. Tout cela fonctionne sur le système NVIDIA edge AI.
Les deux GPU NVIDIA inclus dans la station permettent à ProovStation de traiter tout cela en analysant les images en haute résolution pour une meilleure précision. Ces données sont également transférées sur le cloud afin que l'équipe interne « Data Science » puisse les utiliser pour améliorer l'entraînement des futurs modèles.
Les caméras, l'éclairage et le positionnement sont des enjeux importants. Les modèles de détection peuvent être perturbés par des éléments tels que les reflets sur les voitures avec des peintures brillantes. ProovStation utilise un modèle de déflectométrie, qui lui sert à effectuer la détection en projetant des lignes sur les surfaces des véhicules, mettant en évidence les endroits où des problèmes apparaissent dans les lignes.
Il s'agit d'une problématique difficile à résoudre et qui ouvre des perspectives commerciales.
"Toute l'industrie automobile inspecte les voitures pour fournir des services - pour vous vendre de nouveaux pneus, pour réparer votre voiture ou votre pare-brise, cela commence toujours par une inspection", explique M. Tissandier.