La reconnaissance d’image n’est plus un essai au magasin : une photo de plaque signalétique restitue en quelques secondes références, fabricant et niveaux de version. Mais le bénéfice ne naît pas là où le modèle a raison — il naît là où l’entreprise s’aperçoit qu’il a tort. Ce texte décrit cette frontière et ce qu’elle implique pour le processus, le droit et la responsabilité.
Ce qui fonctionne aujourd’hui de façon fiable
- Lire des caractères. Références imprimées, fabricant, niveaux matériel et logiciel à partir d’une photo nette : reconnaissance de texte en contexte, la discipline la plus solide.
- Déterminer le type de pièce. Un projecteur se reconnaît comme projecteur ; le rattachement à une famille fonctionne même sur une photo moyenne.
- Classer l’état visible. Rayures, corrosion, déformation, intégralité s’évaluent selon des critères fixes si la photo montre la pièce.
- Détourer l’objet. Déterminer un contour et retirer le fond est devenu routinier — tant que l’objet tient entièrement dans le cadre.
Où elle se trompe systématiquement
| Type d’erreur | Comment la repérer | Parade |
|---|---|---|
| Référence inventée | Chaîne plausible au format du constructeur mais inexistante | Contrôler chaque référence sur les données de référence |
| Variante confondue | Type correct, exécution fausse (gauche/droite, LED/halogène) | Saisir les attributs de variante séparément et les confronter au véhicule |
| Dommage invisible | Pièce impeccable à l’extérieur, défectueuse à l’intérieur | Signaler l’examen comme visuel, exiger un essai fonctionnel |
| Mauvaise source | Vignette, reflet, ombre, pièce coupée | Refaire la photo au lieu d’interpréter le résultat |
Le seuil de validation — le vrai processus
- Reprise automatique seulement si la référence est confirmée sur les données de référence et si la photo passe le contrôle qualité.
- File de contrôle en cas de candidats multiples, de confiance faible ou de contradiction entre image et contexte véhicule.
- Arrêt pour les pièces de sécurité : airbag, prétensionneur, freinage, direction, capteurs d’aide à la conduite. Là, un humain décide, quelle que soit la confiance.
- Toujours journaliser quel champ vient de quelle source — modèle, rapprochement, humain. Sans cette colonne, l’origine d’une valeur devient inexplicable.
Ce que dit le règlement IA
Le règlement (UE) 2024/1689 est entré en vigueur le 1er août 2024 et s’applique depuis le 2 août 2026, avec des exceptions échelonnées. Trois points comptent en pratique : la qualification de haut risque suit l’article 6 et ne vise normalement pas une simple saisie de stock ; celui qui exploite un système porte malgré tout des obligations liées à son rôle de déployeur ; et là où un contenu est généré plutôt que mesuré, cela doit être signalé. Rien de tout cela n’interdit la reconnaissance d’image — mais cela justifie de clarifier une fois son rôle et le marquage des contenus générés.
Les services qui le font en exploitation
POST /scanner/label/extract-all lit toutes les informations reconnaissables d’une étiquette, GET /parts/oe/normalize et POST /parts/identify en font une référence confirmée avec status et motifs, POST /vision/part/quality renvoie un niveau d’état avec critères et gradable: false si l’image ne s’y prête pas, et POST /vision/part/remove/bg détoure sans redessiner l’objet. Le parcours complet figure dans De la photo de pièce à l’annonce : la voie image de l’API tapinomahub.
Limites
- La qualité d’entrée fait partie du résultat. Une vignette de 200 pixels ne contient pas de plaque lisible ; l’envoyer, c’est provoquer la supposition.
- Aucune image ne prouve la compatibilité. L’affectation vient de la référence confirmée et des données de référence.
- Attention aux données personnelles. Plaques, visages et environnement d’atelier sont des données personnelles ; leur traitement exige une base légale.
- Les identifiants d’exemplaire ne vont pas en ligne. Rendre numéros de série et identifiants illisibles avant publication — Anonymiser les identifiants sur les photos sans perdre la référence OE.
La mesure d’un bon déploiement n’est donc pas le taux de reconnaissance mais le taux de correction après publication : combien de fois a-t-il fallu intervenir ensuite, et combien de fois est-ce le client qui a trouvé l’erreur plutôt que votre propre contrôle ?
Sources et références juridiques
Questions fréquentes
La reconnaissance de pièces est-elle un système à haut risque ?
La qualification suit l’article 6 du règlement IA et la finalité concrète. Une simple saisie de stock n’en relève normalement pas ; le rôle de déployeur doit néanmoins être clarifié.
Que se passe-t-il si le modèle ne reconnaît rien ?
Le champ est absent de la réponse. Aucune référence probable n’est ajoutée ; le dossier reçoit une tâche et la pièce est stockée sans référence.
À quel niveau fixer le seuil de validation ?
Il se mesure : sur un échantillon de votre stock, déterminez à partir de quelle confiance le taux de correction passe sous votre objectif.
Puis-je utiliser des images produit générées ?
Oui, si elles sont signalées comme générées et non présentées comme la photo de l’exemplaire vendu. Pour une pièce d’occasion précise, votre propre photo reste déterminante.