Une grande partie de l'information utile d'une organisation n'est pas dans une base de données : elle est sur une photo, un scan, une copie d'examen, une étiquette, une image de caméra. La vision par ordinateur sert à la rendre exploitable.
Ce que nous faisons
- Lecture de documents : extraction structurée depuis des factures, formulaires, bons de livraison, y compris photographiés de travers sur un téléphone
- Écriture manuscrite : lecture et interprétation de texte et de raisonnements écrits à la main
- Contrôle visuel : détection de défauts, vérification de conformité, comptage
- Analyse multimodale : combiner image et texte pour répondre à une question précise sur ce que montre une photo
Le cas que nous connaissons de l'intérieur
Tenjah, notre professeur IA pour le bac tunisien, corrige une copie manuscrite photographiée en une trentaine de secondes. Le problème est difficile : écritures variées, ratures, formules mathématiques, mélange de français et d'arabe, photos prises sous une lampe de bureau. C'est ce terrain qui nous a appris où la vision par ordinateur est fiable, et où elle a besoin d'un humain en appui.
Notre approche
Nous commençons par constituer un jeu d'images représentatif de vos vraies conditions — pas des images de catalogue. Nous mesurons le résultat contre une référence simple avant de complexifier. Et nous concevons le système pour qu'il signale son incertitude : une image illisible doit produire un « à vérifier », pas une réponse inventée.
Ce que vous obtenez
Un pipeline documenté, des métriques mesurées sur vos données, et des règles claires sur ce que le système décide seul et ce qu'il remonte à une personne.
