Interview

AzurIA développe une solution d’IA frugale pour détecter les incendies

Posté le 17 novembre 2026
par Alexandra VÉPIERRE
dans Innovations sectorielles

En avril 2026, la start-up française AzurIA a remporté un appel à projets pour un numérique durable opéré par l’ADEME avec leur solution d’IA frugale utilisée dans CamIA, un boîtier d’alerte pour détecter les départs de feu. Ce dispositif entre directement dans une mouvance d’innovations sobres utilisant des IA spécialisées, conçues localement.

Faire de la deeptech de manière écoresponsable, est-ce possible ? C’est le pari tenu par Frédéric Feresin, le cofondateur d’AzurIA. Après 30 ans d’expérience notamment dans le secteur spatial, l’ingénieur a cofondé AzurIA en 2021 avec pour objectif de montrer que la deeptech pouvait avoir un impact positif sur l’environnement. L’entreprise développe alors des solutions d’intelligence artificielle embarquée conçues pour fonctionner en edge computing, avec un faible impact environnemental.

Frédéric Feresin, cofondateur d’AzurIA.

AzurIA développe notamment CamIA, un boîtier sobre qui détecte en temps réel les départs de feu grâce à une intelligence artificielle qui traite les images localement. La solution d’IA a été sélectionnée en tant que lauréate du dispositif « ECONUM – Soutien au développement d’une économie numérique innovante, circulaire et à moindre impact environnemental », une initiative soutenue par le plan d’investissement France 2030 et opérée par l’ADEME.

Techniques de l’Ingénieur : Pouvez-vous revenir sur la genèse d’AzurIA ?

Frédéric Feresin : En 2018, alors que je travaillais pour un grand groupe du secteur spatial, j’ai eu l’opportunité de participer à un projet de recherche en intelligence artificielle sur nanosatellite. Nous avons alors pu démontrer la faisabilité du déploiement d’algorithmes IA contraints en ressources dans des environnements extrêmes. Cela a nécessité une IA frugale en termes de ressources, ce qui implique un modèle très léger pour pouvoir faire des inférences à faible consommation. Nous avons ainsi pu réaliser des entraînements de manière très rapide et à faible impact, via une IA hyper spécialisée.

Après ce succès, nous avons décidé avec une autre personne du projet de créer AzurIA, afin de démocratiser cette capacité d’IA frugale à d’autres sujets qui correspondaient plus à nos valeurs. Nous avons alors commencé à travailler sur la détection précoce des feux de forêt. C’est un sujet très complexe parce que les fumées n’ont pas de forme finie contrairement à des objets comme des véhicules, et elles n’ont pas de couleur définie non plus. Tout dépend de l’hygrométrie, du type de végétaux, etc. L’objectif était de voir si avec notre IA frugale, nous pouvions challenger les sociétés qui existent déjà mais qui envoient en permanence les images vers des centres de données pour les analyser avant d’alerter. Et il s’avère justement que notre solution a fini première face à d’autres solutions lors d’un test réalisé par les Alpes-Maritimes à l’été 2024, la vérité terrain étant réalisée par des guetteurs expérimentés.

Pourquoi cet intérêt pour l’IA frugale ?

À cause de mon appétence pour les nouvelles technologies. C’est d’ailleurs pour ça que je suis parti des grands groupes. J’étais frustré par l’inertie, car à la vitesse où les technologies évoluent aujourd’hui, le temps de faire valider le financement d’une nouvelle idée, elle était déjà obsolète. Maintenant je travaille dans un environnement dans lequel on peut tester rapidement des nouvelles technologies, mais je souhaitais aussi innover de manière écoresponsable, faire de la deeptech tout en réduisant l’impact de solutions classiques.

En quoi consiste CamIA ?

Nous avons créé un boîtier en interne qui peut intégrer deux caméras multi-spectrales (visible et infrarouge), une carte de traitement de détection d’IA, et un module GSM (4G/5G) de transmission. Contrairement aux approches classiques basées sur la centralisation des flux vidéo, CamIA analyse les données directement recueillies par les capteurs grâce à l’IA embarquée. Cette approche permet une détection en temps réel d’un feu à une distance de 20 à 25 km. Notre boîtier pèse moins d’1,5 kg et est intégrable sur n’importe quel vecteur, d’un drone aérien à une tourelle PTZ placée sur un point haut. Il peut être branché au secteur, mais a aussi une version nomade avec panneau solaire et batterie.

Quand le boîtier détecte un feu, l’utilisateur reçoit une alerte sur une application qui est disponible en ligne ou qui peut être déployée sur site, comme dans les SDIS par exemple. Le client reçoit alors une image et certains paramètres comme le niveau de confiance de l’IA. Dans l’application, il y a de nombreuses fonctionnalités qui permettent entre autres de faire varier le seuil de détection selon les risques d’incendies ou de choisir le modèle d’IA à distance.

Nous voulions qu’il soit possible de modifier le modèle d’IA pour pouvoir utiliser les boîtiers toute l’année. Typiquement, la détection des feux de forêts n’est utile que durant l’été, donc le reste du temps, on peut redéployer les boîtiers dans les communes pour détecter les dépôts sauvages, comme nous l’expérimentons dans le département de la Loire. Cela permet de valoriser l’investissement toute l’année y compris quand il n’y a aucun risque d’incendie.

Sur quels autres facteurs avez-vous travaillé pour que votre boîtier soit écoresponsable ?

Outre le fait d’être multiusage et multivecteur, nous nous sommes mis la contrainte d’être le plus souverain possible. Les différents éléments sont au minimum européens, et notre carte électronique a été développée et fabriquée en France.

Nous avons aussi repris le modèle du Fairphone avec des éléments interchangeables dans un souci de réparabilité et de scalabilité. N’importe quel élément peut donc être remplacé sans avoir besoin de changer tout le boîtier. D’ailleurs, notre IA fonctionne avec tout type de caméras. Ainsi, elle est compatible avec des caméras déjà existantes, par exemple, celles que l’on trouve déjà dans la rue, ce qui évite d’en ajouter de nouvelles. La partie électronique dans le boîtier se connecte aux caméras pour les rendre intelligentes et capables d’envoyer des alertes.

 

CamIA au sommet d’un point haut / AzurIA

Sur quelles données avez-vous entraîné votre IA ?

Pour des IA qui ont peu de paramètres, il faut être d’autant plus précis dans la qualité des datasets d’entraînement. Beaucoup de gens vont chercher des datasets peu chers, souvent réalisés dans d’autres pays, avec des images d’une qualité de labellisation plus ou moins satisfaisante. De notre côté, nous avons fait le choix de tout faire nous-même. Dans notre département des Alpes-Maritimes, nous avons la chance d’avoir des brûlages dirigés, c’est-à-dire des opérations de prévention qui consistent à allumer des feux à certains endroits stratégiques pour détruire le combustible et servir de barrières naturelles si un feu se déclare. Nous avons profité de cette activité hivernale pour commencer à faire nos jeux de données. Nous nous sommes alors rendus à une certaine distance des endroits qui allaient être brûlés, et nous avons capturé des images avec nos boîtiers. Nous avons procédé de la même manière pour les dépôts sauvages, en se plaçant devant des points d’apport volontaire, et en déposant divers objets avec les membres de l’équipe. Il faut de l’imagination et du bon sens pour initier le modèle, puis ensuite la phase d’expérimentation nous permet de l’améliorer de manière incrémentale.

Avez-vous des recommandations pour les entreprises qui souhaitent intégrer l’IA ?

La première question à se poser c’est : est-ce qu’on a vraiment besoin d’IA ? Malheureusement aujourd’hui, c’est devenu un modèle marketing et on l’utilise même quand il n’y en a pas besoin. Or si on arrive à faire sans IA, c’est mieux. Pour certains cas d’usage, les solutions déterministes fonctionnent très bien, et on maîtrise mieux ce qu’il se passe.

S’il s’avère qu’on en a vraiment besoin, on peut regarder du côté des IA frugales. Il existe plein de cas d’usages où des IA spécialisées avec des architectures beaucoup plus légères font mieux le job que des solutions complexes qu’on trouve clé en main sur certains sites. Les grosses architectures requièrent beaucoup de données et de ressources énergétiques pour être entraînées, ce qui demande du temps supplémentaire et s’avère contre-productif.

Je recommande aussi d’avoir de vraies compétences métiers. Lorsqu’on se fait ses propres datasets, il y a des méthodes de data-augmentation qui sont utiles mais qu’il faut maîtriser pour ne pas faire n’importe quoi. Au niveau de l’entraînement, c’est la même chose, il faut maîtriser les différentes solutions de compression, de réduction, d’optimisation des modèles. C’est du métier, il faut pratiquer pour comprendre car quand on ne comprend pas, on est content quand ça marche, mais quand ça ne fonctionne pas, on ne sait pas pourquoi. C’est là où l’expertise humaine reste très utile afin de comprendre ce qui fonctionne et savoir ré-appliquer les bonnes recettes à de nouveaux cas d’usage.

Quels sont vos projets avec AzurIA ?

Concernant CamIA, il s’agit maintenant de l’industrialiser. Malheureusement, comme c’est une solution souveraine et qu’on n’a pas encore de grandes séries, elle est plus chère que des solutions classiques. Or, le fait que notre solution soit souveraine et écoresponsable intéresse bien moins que le prix. Mais nous ne regrettons pas du tout notre choix, nous savons que plus ces préoccupations seront prises en considération, plus notre solution sera pertinente. Nous pensons avoir plus de chances de percer dans le domaine de la sécurité défense, donc nous aimerions discuter avec les ministères de l’Intérieur ou de l’Armée pour protéger des sites sensibles, par exemple.

En parallèle, un membre de notre équipe est en thèse à l’université Côte d’Azur et travaille sur des modèles frugaux capables d’intégrer la dimension temporelle. On pourrait alors analyser des images sur une certaine durée, et évaluer un comportement. Par exemple, le sujet des personnes qui se noient en mer ou en piscine commence à émerger. Il faudrait réussir à distinguer un bras qui se lève pour attraper un ballon ou parce que la personne se noie. C’est un de nos objets d’étude.

Enfin, avec CamIA, nos alertes sont envoyées soit en filaire via Internet, soit en 4G si on intègre une carte GSM. Nous attendons maintenant la connexion par satellite avec Amazon et SpaceX, puis une solution européenne comme IRIS², et nous pourrons ainsi déployer nos caméras avec panneau solaire sur n’importe quel point du globe. En France, nous avons facilement de l’électricité et de la connexion, mais la question se pose dans les pays avec de grandes surfaces comme l’Australie, le Canada ou les grandes forêts en Afrique. Le boîtier pourrait être intéressant pour détecter des feux, mais aussi des braconniers, des animaux, etc.

Crédit photo de Une : AzurIA


Pour aller plus loin