Xavier Oliva
Senior Key Account Manager chez Lanaccess
Ingénieur en télécommunications
Professeur à l’Université Pompeu Fabra de Barcelone
Le 20 octobre 2025
Comparte
Índice de contenido
L’intelligence artificielle occupe désormais une place centrale dans les solutions de vidéosurveillance. L’entraînement des modèles reste une opération exigeante, réalisée de manière centralisée dans les centres de données. À l’inverse, la phase d’inférence — c’est-à-dire l’application concrète de l’intelligence artificielle — doit se dérouler au plus près du terrain, sur les caméras et les enregistreurs vidéo, afin de garantir une meilleure connectivité, d’optimiser la bande passante et de renforcer la sécurité des données. Cet article revient sur les principes de conception matérielle, les choix d’architecture et les mécanismes d’exploitation des données associées à ces technologies, puis se penche sur les questions juridiques soulevées par la reconnaissance faciale.
De l’IA dans le cloud à l’IA en périphérie
Ces dernières années, les investissements dans les centres de données dédiés à l’IA, en particulier à l’IA générative et aux modèles de langage, se sont intensifiés. Dans ce contexte, il convient de distinguer deux étapes du cycle de vie d’un modèle d’IA:
- Formation (ou entraînement): elle consiste à créer et ajuster les modèles à partir de vastes ensembles de données. Cette étape requiert une puissance de calcul considérable et s’effectue de manière centralisée.
- Inférence: il s’agit de l’utilisation opérationnelle de l’IA pour traiter de nouvelles données. Dans le domaine de la vidéosurveillance, il est optimal d’exécuter cette phase au plus près de la source des données.
Pourquoi la vidéosurveillance privilégie-t-elle l’IA en périphérie?
- Isolation: de nombreux systèmes de sécurité fonctionnent sans connexion à Internet.
- Bande passante: la vidéo est très consommatrice en données, si bien que transmettre des flux bruts vers un centre de données pour l’inférence est à la fois coûteux et inefficace.
Particularités des systèmes de vidéosurveillance
Contrairement à d’autres domaines d’application de l’IA, la vidéosurveillance traite des flux vidéo continus, souvent dans des conditions exigeantes. Cela impose des choix technologiques guidés par des critères de fiabilité, d’efficacité et de cybersécurité, depuis la conception du matériel jusqu’à l’exploitation des données.
Principes de conception des enregistreurs vidéo
- Efficacité énergétique et dissipation thermique : plus de puissance ne se traduit pas forcément par de meilleures performances si la stabilité thermique en pâtit. Un dimensionnement approprié permet de réduire les risques de surchauffe et d’optimiser la dissipation thermique.
- Fiabilité et durée de vie : les goulots d’étranglement thermiques et les composants mécaniques fragiles, en particulier les ventilateurs, constituent des points de défaillance critiques. Dans les conditions d’exploitation réelles (armoires, boîtiers anti-vandalisme, espaces poussiéreux ou soumis à des vibrations), l’usage de ventilateurs compromet gravement la durabilité et accroît le taux de pannes.
- Cybersécurité intégrée : un système de sécurité doit lui-même être sécurisé dès sa conception. Il doit être protégé contre les cyberattaques et garantir une disponibilité continue afin de pouvoir réagir efficacement en cas d’incident.
Il existe des cas réels de clients ayant été confrontés à des changements de modèle de caméra intégrant des ventilateurs, sans préavis du fabricant. Ce détail en apparence anodin peut pourtant avoir des conséquences majeures : dans les installations équipées de boîtiers anti-vandalisme ou situées dans des espaces clos, la ventilation est insuffisante, entraînant une surchauffe qui accélère l’usure des composants et provoque des pannes prématurées.
Où doit résider l’intelligence?
Dans les caméras : la première ligne
Autant que possible, les algorithmes doivent être exécutés directement au niveau de la caméra. C’est en effet le point le plus proche de la source vidéo, ce qui permet d’éviter le transfert inutile de données. Les tâches concernées sont par exemple la détection et la classification d’objets, la génération d’attributs ou la détection d’événements (entrée dans une zone ou franchissement de ligne).
Dans les enregistreurs vidéo : la seconde ligne
L’enregistreur vidéo joue un rôle d’agrégateur et de renfort:
- Gestion des alertes et des métadonnées générées par l’IA embarquée dans les caméras.
- Stockage combiné des flux vidéo et des métadonnées, afin de permettre des recherches efficaces.
- Inférence complémentaire lorsque certains algorithmes ne sont pas pris en charge par les caméras, ou lorsqu’un traitement spécifique au cas d’usage est requis. Le processeur d’IA intégré à l’enregistreur peut d’ailleurs offrir une puissance supérieure à celui des caméras, du fait qu’il est souvent installé dans un environnement plus protégé
Stratégies matérielles pour l’IA dans les enregistreurs vidéo
- Processeur unique, beaucoup plus puissant (processeur principal assurant également les tâches d’IA) : solution simple à intégrer, mais plus énergivore et génératrice de chaleur, ce qui peut compromettre la fiabilité.
- Coprocesseur d’IA dédié (NPU, GPU ou ASIC supplémentaire) : les fonctions sont séparées et les ressources d’IA ne sont activées qu’en cas de besoin, ce qui permet d’accroître les capacités de traitement sans surcharger le système principal. Le coprocesseur peut être intégré directement au NVR ou déployé dans un module externe fonctionnant en synergie avec celui-ci.
Par conséquent, séparer les fonctions d’IA du processeur principal permet de réduire les risques thermiques et de faciliter la mise à l’échelle selon les besoins de chaque projet.
Exploitation: de l’événement à la connaissance
Alertes opérationnelles
Grâce à l’IA, les opérateurs des centres de contrôle peuvent se concentrer sur l’essentiel : intrusions, comportements suspects, objets abandonnés, franchissements de ligne, etc. Elle garantit une détection fiable et réduit considérablement les fausses alertes.
Recherches efficaces grâce aux métadonnées
L’IA génère des métadonnées structurées (type d’objet, personne/véhicule/vélo/voiture, couleur, attributs, etc.). En les associant directement aux enregistrements vidéo, il devient possible d’effectuer des recherches quasi instantanées, sans devoir réanalyser des heures de séquences. Voici quelques exemples de requête:
- « Véhicule rouge de type camionnette entre 10 h et 11 h par l’entrée nord »
- « Personne avec un sac à dos vue dans la zone d’accueil aujourd’hui ».
Lorsque la connectivité le permet, les connecteurs LLM offrent la possibilité d’effectuer des recherches en langage naturel, par exemple : « Montre-moi tous les incidents impliquant des vélos ce matin ».
Statistiques et Business Intelligence
Au-delà des usages liés à la sécurité, les métadonnées constituent une source précieuse d’intelligence économique (flux de fréquentation, plages horaires les plus actives, répartition par types d’objet, saisonnalité, etc.).
Ces informations facilitent la prise de décision, qu’il s’agisse d’ajuster le déploiement du personnel dans les zones critiques ou d’optimiser la configuration des parcours d’accès.
Encadrement juridique de la reconnaissance faciale
La reconnaissance faciale soulève des préoccupations légitimes, entre la crainte d’une surveillance de masse et la reconnaissance de son utilité potentielle dans la prévention et la lutte contre la criminalité (notamment dans les cas de terrorisme ou de recherche de personnes kidnappées). Dans l’état actuel du droit, issu à la fois du Règlement européen sur l’intelligence artificielle (AI Act) et du RGPD, tout déploiement opérationnel de la reconnaissance faciale requiert une loi nationale spécifique qui en autorise l’usage et en fixe les garanties. En l’absence d’un tel cadre, son utilisation dans des applications en temps réel est interdite dans la pratique.
S’agissant des autres usages de l’IA dans le domaine de la sécurité, un débat persiste également au sein de l’Union européenne, les positions variant selon les interprétations de chaque autorité nationale de protection des données.
Contactez notre équipe pour découvrir comment intégrer l’IA à vos systèmes de vidéosurveillance, sans modifier votre infrastructure de sécurité existante.
