--- canonical: https://wegoto.ai/fr/cas-d-usage/roca-reconnaissance-visuelle-pieces-detachees/ language: fr status: published author: WeGoTo.ai dateModified: 2026-11-07 --- # Comment Roca a-t-il préparé la reconnaissance de pièces détachées par IA ? Roca et Nyris ont présenté à AISB26 un catalogue visuel pour identifier une pièce détachée à partir d’une photo. Le lancement était annoncé pour le 1er octobre, après la session. Les chiffres de rapidité et de réussite cités proviennent d’une recherche évoquée par Nyris, sans périmètre Roca clairement établi. ## En bref - Sujet: Roca - Source: Sessions AI Summit Barcelona 2026 - Lecture: Résultats rapportés, sans vérification indépendante ## Pourquoi la recherche d’une pièce détachée est-elle difficile ? Un client ou un technicien peut avoir la pièce cassée en main sans connaître son nom, sa référence ou le modèle auquel elle appartient. Le parcours traditionnel décrit par Roca demande de consulter une vue éclatée puis de choisir un composant. Il suppose donc une connaissance que le demandeur ne possède pas toujours. Le projet présenté cherche à partir de ce que la personne peut fournir : une image. Cette entrée visuelle doit conduire vers une référence exploitable dans le catalogue et vers une solution de remplacement. La valeur dépend autant du rattachement à la bonne fiche que de la reconnaissance de la forme. ## Comment fonctionne le catalogue visuel présenté ? Roca décrit un catalogue construit avec Nyris pour rapprocher la photographie d’une pièce des références disponibles. La présentation évoque également la production d’images synthétiques à partir de données de conception, afin de couvrir un catalogue difficile à photographier intégralement. Les intervenants reconnaissent que la précision n’est pas parfaite. Les pièces usées, sales ou abîmées posent des difficultés particulières. Une orientation vers un technicien est évoquée lorsque la reconnaissance ne suffit pas. Le dispositif doit donc prévoir une sortie utile même quand il ne peut pas identifier la pièce. ### Distinguer reconnaissance et compatibilité Reconnaître une forme ne dispense pas de vérifier la référence, les variantes et la compatibilité avec le produit concerné. Pour un exercice de formation, ces contrôles doivent être formulés explicitement. Ils constituent une méthode proposée, pas la documentation complète du parcours Roca. ## Quels résultats peut-on attribuer à la présentation ? Le fournisseur mentionne une recherche académique et donne deux chiffres. La transcription ne précise ni la publication, ni la taille de l’échantillon, ni un périmètre limité au projet Roca. Ces valeurs ne doivent donc pas devenir des performances commerciales attribuées à son déploiement. | Élément | Valeur ou état annoncé | Attribution et limite | | --- | --- | --- | | Identification de la bonne pièce | 3,3 fois plus rapide en moyenne | Recherche citée par Nyris, protocole non fourni | | Réussite | 51 % des cas | Mesure citée dans le même passage, population non précisée | | Mise en service Roca | Prévue le 1er octobre | Annonce pendant la session, réalisation non vérifiée | | Reprise humaine | Orientation vers un technicien | Modalité évoquée pour les situations non reconnues | ## Quelles interprétations faut-il éviter ? Écrire que Roca échoue dans 49 % des cas serait trompeur. Cela transformerait une mesure insuffisamment définie en résultat d’exploitation d’un client particulier. Le complément arithmétique ne renseigne pas sur les cas écartés, les critères de succès ou la possibilité de proposer plusieurs références. La session ne confirme pas non plus une capacité de maintenance prédictive. À une question sur ce sujet, l’intervenant Roca indique que les données ne suffisent pas encore. Identifier un composant aujourd’hui et prévoir sa panne future sont deux tâches différentes, avec des données et une évaluation propres. ## Quelles compétences peuvent travailler les équipes industrielles ? Un atelier peut prendre un petit catalogue fictif, plusieurs photos de qualité variable et des règles de compatibilité. Les participants définissent les informations nécessaires, les critères d’acceptation et le moment où un spécialiste doit reprendre la demande. Le livrable est un parcours de décision vérifiable. Il faut ensuite mesurer séparément la qualité de la correspondance, le temps de recherche et la pertinence de la pièce proposée. Les erreurs doivent être classées : image insuffisante, référence absente, variante ambiguë ou mauvaise donnée catalogue. Ce travail permet d’évaluer la chaîne de service sans promettre les chiffres cités sur scène. ## FAQ ### Les 51 % décrivent-ils les résultats de Roca en production ? Ce n’est pas établi. Nyris cite ce chiffre dans un passage consacré à une recherche académique, alors que Roca annonce encore une mise en service future. Le périmètre doit être confirmé avant toute attribution plus précise. ### Peut-on annoncer 49 % d’échecs chez Roca ? Non. Cette formulation attribuerait au projet Roca le complément d’une mesure dont le dénominateur et la définition sont inconnus. Elle ne décrit pas un taux de défaillance opérationnelle documenté. ### Le lancement du 1er octobre a-t-il été vérifié ? Non. La transcription permet de confirmer l’annonce, pas sa réalisation ultérieure. Une source actualisée est nécessaire pour écrire que le service a effectivement été lancé à cette date. ### Cette reconnaissance permet-elle de prévoir une panne ? Pas à elle seule. La session distingue ce sujet de la recherche de pièces et indique que les données nécessaires à la maintenance prédictive ne sont pas encore suffisantes dans le cas présenté. ## Sources - Transcription de la session AISB26 · Use Case 10 - From Wrong Parts to Right Revenue AI-Driven Spare Parts Identification in Manufacturing [IA pour l’industrie](https://wegoto.ai/fr/secteurs/industrie/) [IA pour les opérations](https://wegoto.ai/fr/equipes/operations/)