Lors d'une démonstration d'analyse vidéo par IA, la même question finit toujours par arriver, posée par le responsable informatique ou par le gérant lui-même : où passent les images ? Beaucoup imaginent un envoi en continu vers un serveur lointain, sur la connexion du magasin. En réalité, tout se joue sur une décision d'architecture prise bien avant le premier réglage : l'analyse vidéo locale, sur un GPU en magasin, à partir du flux principal des caméras existantes.

On ne reviendra pas ici sur la qualité d'image elle-même. On va plutôt suivre le trajet des données, de l'objectif de la caméra jusqu'à l'écran du responsable : ce qui reste sur place, ce qui part, et ce que ce choix change, très concrètement, pour la rapidité des alertes comme pour le réseau du magasin et la maîtrise des données.

Un flux vidéo pèse lourd, et un grand magasin en compte des dizaines

Une caméra IP produit en général au moins deux flux. Le flux principal (le mainstream) est en haute résolution. Le flux secondaire (le substream), allégé, sert notamment à l'affichage en mosaïque et à la consultation à distance. Pour repérer un geste fin, un produit glissé dans une poche ou un emballage ouvert en rayon, c'est le flux principal qui compte : sur le secondaire, la main ne fait plus que quelques pixels. Nous avons détaillé ce point dans notre article sur l'analyse du flux principal en magasin.

Le problème devient alors arithmétique. Envoyer en continu le flux principal de vingt ou trente caméras vers un serveur distant suppose un débit montant élevé et permanent, que beaucoup de connexions de magasin ne garantissent pas. Et cette ligne, ils la partagent déjà avec les terminaux de paiement, les caisses, la messagerie, parfois le wifi client. Un samedi de soldes d'été, quand les TPE tournent sans arrêt, personne n'a envie de la voir saturer.

Cette limite n'est pas nouvelle. Dans son étude sur l'usage des technologies vidéo dans le commerce, publiée en 2020 et fondée sur des entretiens avec 22 distributeurs européens et américains, le groupe ECR Retail Loss notait déjà que plusieurs participants s'inquiétaient de l'effet de la bande passante et de la puissance de calcul sur leur usage de l'analyse vidéo.

Pourquoi le calcul se fait au plus près des caméras

Plutôt que de faire voyager les images, on déplace le calcul : c'est le principe de l'edge computing. Le salon EuroShop le résume dans un dossier consacré à l'edge computing dans le commerce : seules les données utiles remontent vers le cloud, le réseau est soulagé et la réaction peut se faire en temps réel. Pour la vidéo, l'une des formes possibles est un GPU dédié, installé dans le magasin, qui lit le flux des caméras et fait tourner le modèle sur place. Pour l'exploitant, la différence se voit à trois endroits :

  • La latence. Une alerte ne sert que si la situation est encore en cours dans le rayon quand elle arrive. Sans aller-retour du flux complet vers un centre de données, la chaîne entre le geste et la notification raccourcit : chez Oxania, l'alerte vidéo arrive en moins de 10 secondes sur mobile, tablette ou ordinateur.
  • La résolution. Le flux ne traversant pas Internet, inutile de le dégrader pour le faire passer dans la connexion. Le modèle travaille sur l'image en haute résolution, celle qui permet de distinguer un sac personnel d'un sac de courses, ou de voir qu'un produit a été consommé avant le passage en caisse.
  • Le réseau. Le serveur GPU est dédié au magasin et installé sur place : lire et analyser le flux des caméras ne consomme pas la bande passante de la connexion Internet. La confirmation des détections, l'envoi des extraits d'alerte et les notifications passent en revanche par cette connexion, qui doit rester disponible.

Ce qui reste dans le magasin, ce qui en sort

Tout responsable informatique finit par poser la question, et un slogan ne suffit pas à y répondre. Dans l'architecture retenue par Oxania, les images des caméras suivent trois chemins bien distincts :

  • Ce qui reste sur place : le flux vidéo continu des caméras, en haute résolution. Le GPU du magasin le lit et l'analyse, et ce flux ne va pas plus loin. Les enregistrements de votre système vidéo existant restent, comme avant, sous la responsabilité de l'exploitant.
  • Ce qui part pour confirmation : quand un geste à risque est repéré, une description numérique compacte de la détection est envoyée pour être confirmée. Ce n'est pas de la vidéo, et son poids n'a rien à voir avec celui des images.
  • Ce qui part et est conservé : l'extrait vidéo lié à l'alerte, et lui seul. Il est stocké sur des serveurs situés au plus près du pays du client, pour la rapidité d'accès comme pour le respect des règles locales.

Le tri se fait donc à la source. Sur des heures de vidéo, seuls les extraits liés aux alertes quittent le magasin : ceux qui justifient qu'un membre de l'équipe regarde. Ce sont ces mêmes extraits qu'on retrouve dans l'alerte, avec un zoom progressif automatique sur le point d'intérêt. La personne qui la reçoit comprend la scène d'un coup d'œil et décide de la suite.

Local ne veut pas dire coupé du monde

Encore faut-il être clair sur ce que recouvre l'inférence locale. La détection se fait en magasin, sur un GPU dédié, mais le site reste relié au cloud : il lui faut une connexion pour faire confirmer les détections, envoyer les extraits d'alerte et faire parvenir les notifications aux appareils de l'équipe. Ce qui change, c'est ce qui circule : quelques messages et des extraits courts, au lieu de dizaines de flux continus. Un fournisseur qui affirmerait le contraire tout en envoyant des alertes sur votre téléphone mérite une question de plus.

Autre point souvent oublié : le serveur GPU est une machine bien réelle. Il faut lui trouver une place, l'alimenter, le ventiler et le relier proprement aux caméras. C'est le travail de l'intégrateur, et le résultat ne dépend pas seulement de la qualité du modèle, comme nous l'expliquions à propos du rôle des intégrateurs dans l'efficacité des caméras IA. Avec un réseau d'intégrateurs certifiés, l'installation sur des caméras existantes tient généralement en moins d'une journée.

Cinq questions à poser avant de signer

Pour un seul point de vente comme pour tout un réseau, ces cinq points permettent de juger vite la solidité d'une architecture d'analyse vidéo :

  1. Le flux analysé : le principal, en haute résolution, ou le secondaire.
  2. L'endroit où tourne le modèle, et si la machine est bien dédiée à votre magasin.
  3. Ce qui quitte le site, précisément, et à quel moment.
  4. Le lieu de conservation des extraits d'alerte : dans quel pays, et pour combien de temps.
  5. Ce qui se passe quand la connexion du magasin est coupée ou dégradée.

Attendez des réponses concrètes. Une architecture bien pensée se décrit en quelques phrases, sans jargon. Un fournisseur qui n'y arrive pas n'a souvent pas lui-même une carte claire de ses flux. Et si votre parc de caméras a quelques années, notre guide pour bien choisir une caméra en magasin aide à vérifier qu'elles fournissent un flux principal exploitable.

Une architecture qui sert aussi la confiance

Garder le flux sur place ne se réduit pas à une affaire de bande passante. Cela revient aussi à limiter ce qui circule au strict nécessaire, et à laisser les données sous le contrôle du commerçant. Les principes de l'OCDE sur la robustesse, la sûreté et la sécurité de l'IA recommandent que les systèmes d'IA restent sûrs, sécurisés et à même de fonctionner convenablement tout au long de leur cycle de vie, et que des mécanismes permettent de les neutraliser, de les réparer ou de les mettre hors service en toute sécurité s'ils risquent de causer un préjudice injustifié.

En magasin, la traduction est simple : la technologie détecte, l'équipe décide. L'IA analyse des gestes, pas des personnes, et ne suit personne d'une caméra à l'autre. Devant l'extrait, c'est un humain qui choisit d'aller en rayon, de proposer son aide ou de ne rien faire.

Rien de spectaculaire dans tout cela : juste un calcul fait au bon endroit et une vidéo qui ne voyage que lorsqu'elle sert. C'est pourtant ce qui donne des alertes rapides et précises, et une démarque inconnue mieux maîtrisée. Avant de comparer des fonctionnalités, demandez à voir la carte des flux : elle en dit souvent plus long qu'une plaquette commerciale.