Aller au contenu
VIDEO.MA
EN

Solutions

Les briques d’analyse vidéo de la plateforme VIDEO.MA

Chaque capacité est présentée avec son fonctionnement, le problème qu’elle résout, son approche technique, ses indicateurs et ses limites. Elles se combinent pour répondre à votre besoin.

Demander une démonstration

Données vidéo et données métier : une distinction essentielle

Un comptage vidéo mesure des passages, des présences ou des durées. Il ne remplace pas vos données de caisse, de stock ou de capteurs. Lorsque ces données sont nécessaires (chiffre d’affaires réel, inventaire, consommation), elles proviennent d’une intégration avec vos systèmes. Chaque indicateur est étiqueté selon sa source.

LégendeSur projetCapacité déployée projet par projet, après étude de faisabilité.Sur étudeDépend fortement du site et des intégrations : soumis à une étude spécifique.En préparationPrévu pour la future plateforme VIDEO.MA, non disponible aujourd’hui.

Comptage de personnes

Comptage automatique et anonyme des entrées, sorties et passages à partir de vos caméras.

Sur projetDonnée vidéo

Ce que cela fait

Le comptage de personnes mesure automatiquement les flux de visiteurs franchissant une entrée, un couloir ou une ligne virtuelle définie dans l’image. Les passages sont comptés par sens (entrée / sortie) et agrégés par tranche horaire, sans identification des individus.

Problème résolu

Les comptages manuels sont ponctuels, coûteux et peu fiables. Sans donnée de fréquentation continue, il est difficile de calculer un taux de transformation, de dimensionner les équipes ou de comparer l’activité entre sites et périodes.

Approche technique

Les flux vidéo sont récupérés en RTSP / ONVIF depuis les caméras existantes ou nouvelles, puis analysés en local sur un boîtier Edge AI. Un modèle de détection de personnes, associé à un suivi multi-objets, attribue à chaque silhouette une trajectoire temporaire anonyme ; le franchissement d’une ligne virtuelle déclenche un événement horodaté. Seuls les événements agrégés sont transmis vers la base de données et les rapports.

Indicateurs mesurables

  • Nombre d’entrées et de sorties par heure, jour et semaine
  • Heures et jours de pointe de fréquentation
  • Comparaison de fréquentation entre sites ou périodes
  • Taux de transformation (en combinaison avec les tickets de caisse intégrés)

Limites et prérequis

La précision dépend de la hauteur et de l’angle de la caméra (une vue plongeante est préférable), de l’éclairage, de la résolution et des occultations lors des passages en groupe dense. Le positionnement des lignes virtuelles nécessite un calibrage, et la précision réelle doit être mesurée sur site pendant un pilote, par comparaison avec un comptage de référence.

Comptage de véhicules

Comptage des véhicules entrant, sortant ou circulant sur une voie, une piste ou un parking.

Sur projetDonnée vidéo

Ce que cela fait

Le comptage de véhicules détecte et dénombre les voitures, utilitaires, camions ou deux-roues franchissant une ligne virtuelle ou entrant dans une zone. Les données sont classées par type de véhicule lorsque la vue le permet et agrégées par période.

Problème résolu

Les exploitants de parkings, stations-service, stations de lavage ou sites logistiques manquent souvent de données fiables sur le trafic réel : volumes par créneau, pics d’affluence, répartition par type de véhicule. Ces informations sont pourtant essentielles pour dimensionner les équipes et les équipements.

Approche technique

Les caméras sont raccordées en RTSP / ONVIF à un calculateur Edge AI exécutant un modèle de détection de véhicules et un algorithme de suivi multi-objets. Des lignes ou zones virtuelles déterminent les franchissements par sens de circulation ; les événements sont agrégés puis exposés via API et rapports. Aucune lecture de plaque d’immatriculation n’est réalisée par défaut.

Indicateurs mesurables

  • Nombre de véhicules par heure et par sens de circulation
  • Répartition par catégorie de véhicule (selon la vue disponible)
  • Pics de trafic et créneaux creux
  • Volume de véhicules par voie, piste ou entrée

Limites et prérequis

Les performances varient selon l’angle de vue, la distance, la vitesse des véhicules, les phares de nuit, la pluie ou la poussière et les occultations entre véhicules. La classification fine par type exige une résolution et un cadrage suffisants. La précision doit être validée sur site pendant un pilote.

Détection d’objets

Repérage automatique de personnes, véhicules ou objets métier dans l’image.

Sur projetDonnée vidéo

Ce que cela fait

La détection d’objets localise dans chaque image les éléments d’intérêt — personnes, véhicules, chariots, palettes, contenants — et leur associe une catégorie et un score de confiance. C’est la brique de base de la plupart des analyses Smart Vision.

Problème résolu

Une caméra classique enregistre des images, mais ne « comprend » pas ce qu’elle filme. La détection d’objets transforme ce flux passif en données exploitables : présence, nombre et position des éléments utiles à votre activité.

Approche technique

Des modèles de détection de type réseau de neurones convolutif (famille YOLO ou équivalent, licences vérifiées projet par projet) sont exécutés en inférence sur le calculateur Edge AI, à partir des flux RTSP. Pour des objets spécifiques à votre métier, un réentraînement sur des images annotées de votre site peut être étudié. Les seuils de confiance sont ajustés pendant le pilote.

Indicateurs mesurables

  • Nombre d’objets détectés par catégorie et par zone
  • Présence / absence d’un type d’objet sur une période
  • Taux de détection mesuré sur un échantillon de référence pendant le pilote

Limites et prérequis

Les objets petits, éloignés, partiellement masqués ou mal éclairés sont plus difficiles à détecter. Les objets non standard nécessitent souvent la constitution d’un jeu de données annoté et un entraînement spécifique, à évaluer lors de l’étude de faisabilité. La précision n’est jamais garantie a priori : elle est mesurée sur site.

Suivi d’objets

Suivi des déplacements d’objets et de personnes d’une image à l’autre, de façon anonyme.

Sur projetDonnée vidéo

Ce que cela fait

Le suivi d’objets relie les détections successives d’un même élément pour reconstituer sa trajectoire dans le champ de la caméra. Il permet de mesurer des parcours, des temps de présence et des franchissements, à partir d’identifiants temporaires anonymes.

Problème résolu

Compter des détections image par image ne suffit pas : un même client ou véhicule serait compté plusieurs fois. Le suivi rend possibles le comptage fiable, la mesure de durées et l’analyse de parcours dans un espace.

Approche technique

Un algorithme de suivi multi-objets (type ByteTrack ou équivalent) associe les détections d’une image à l’autre en combinant position, mouvement prédit et score de confiance. Chaque objet reçoit un identifiant temporaire, valable uniquement dans le champ d’une caméra et sans lien avec l’identité réelle des personnes. Les trajectoires servent à générer des événements (entrée de zone, franchissement de ligne, durée).

Indicateurs mesurables

  • Trajectoires agrégées et zones les plus fréquentées
  • Temps de présence moyen par zone
  • Nombre de franchissements par ligne virtuelle et par sens

Limites et prérequis

Les occultations prolongées, les foules denses ou les changements brusques d’éclairage peuvent provoquer des pertes ou des changements d’identifiant. Le suivi est limité au champ de chaque caméra : le suivi d’une personne entre plusieurs caméras n’est pas proposé par défaut, notamment pour des raisons de protection des données (loi 09-08).

Surveillance de zones

Définition de zones virtuelles et mesure de l’activité qui s’y déroule.

Sur projetDonnée vidéo

Ce que cela fait

La surveillance de zones consiste à tracer dans l’image des zones d’intérêt — rayon, caisse, quai, piste, zone réglementée — et à mesurer automatiquement les entrées, sorties, présences et durées dans chacune d’elles.

Problème résolu

Les responsables d’exploitation ont besoin de savoir quelles zones sont réellement utilisées, saturées ou délaissées, et si des espaces sensibles sont occupés en dehors des horaires prévus.

Approche technique

Des polygones virtuels sont configurés sur chaque flux caméra. Les objets détectés et suivis sur le boîtier Edge AI sont confrontés à ces polygones pour produire des événements (entrée, sortie, présence prolongée, présence hors horaires). Les règles sont paramétrables par zone et par plage horaire, puis agrégées dans la base de données.

Indicateurs mesurables

  • Nombre d’entrées par zone et par période
  • Temps de présence moyen par zone
  • Taux d’utilisation des zones au cours de la journée
  • Nombre de présences hors horaires configurés

Limites et prérequis

Une zone n’est fiable que si elle est bien visible par la caméra, sans obstacle ni recouvrement important. Les perspectives fortes compliquent la délimitation précise au sol. Les zones doivent être recalibrées si une caméra est déplacée.

Analyse d’occupation

Mesure du taux d’occupation d’un espace, d’une salle ou d’un parking en temps réel.

Sur projetDonnée vidéo

Ce que cela fait

L’analyse d’occupation estime à chaque instant le nombre de personnes ou de véhicules présents dans un espace et le rapporte à sa capacité. Elle permet de suivre le remplissage d’une salle, d’une terrasse, d’un plateau de bureaux ou d’un parking.

Problème résolu

Sans mesure d’occupation, les espaces sont dimensionnés à l’intuition : surfaces sous-utilisées, saturations non anticipées, capacités maximales difficiles à respecter.

Approche technique

Deux méthodes sont combinées selon le site : le comptage direct des personnes ou véhicules visibles dans une zone, ou le bilan des entrées et sorties sur les accès. Les mesures sont calculées sur le boîtier Edge AI, lissées dans le temps, puis comparées à la capacité configurée pour générer des taux et des seuils.

Indicateurs mesurables

  • Taux d’occupation instantané et moyen
  • Occupation maximale atteinte par jour
  • Durée passée au-dessus d’un seuil de capacité
  • Places de parking libres / occupées par zone

Limites et prérequis

Le bilan entrées / sorties peut dériver au fil de la journée en cas d’erreurs de comptage ; une remise à zéro périodique est prévue. Les grands espaces nécessitent plusieurs caméras et une gestion des recouvrements. L’occupation mesurée est une estimation dont l’écart doit être évalué pendant le pilote.

Détection de files d’attente

Mesure de la longueur des files et alerte en cas d’attente excessive.

Sur projetDonnée vidéo

Ce que cela fait

La détection de files d’attente mesure le nombre de personnes ou de véhicules en attente devant une caisse, un guichet, un comptoir ou une piste de lavage, et estime le temps d’attente.

Problème résolu

Les files trop longues dégradent l’expérience client et font perdre des ventes, tandis que l’ouverture d’un guichet supplémentaire arrive souvent trop tard. Les managers manquent d’une mesure objective pour réagir et planifier.

Approche technique

Une zone de file est définie dans l’image. Le boîtier Edge AI compte en continu les personnes ou véhicules présents dans cette zone et, grâce au suivi multi-objets, mesure le temps passé entre l’entrée dans la file et l’arrivée au point de service. Des seuils configurables déclenchent des notifications.

Indicateurs mesurables

  • Longueur moyenne et maximale de la file
  • Temps d’attente moyen estimé
  • Nombre de dépassements de seuil par jour
  • Corrélation file d’attente / nombre de postes ouverts

Limites et prérequis

Les files non linéaires, les clients qui patientent hors de la zone ou les accompagnants peuvent fausser les mesures. Une caméra dédiée, positionnée en hauteur face à la file, donne généralement de meilleurs résultats qu’une caméra de sécurité existante. Les seuils doivent être ajustés sur site.

Durée de service

Mesure du temps passé au comptoir, sur une piste ou dans une zone de service.

Sur projetDonnée vidéo

Ce que cela fait

La mesure de durée de service calcule le temps qu’une personne ou un véhicule passe dans une zone de service : passage en caisse, prise de commande, lavage, ravitaillement, chargement à quai.

Problème résolu

Les durées de service conditionnent directement la capacité d’un site. Sans mesure, il est impossible d’identifier les goulots d’étranglement, de comparer les postes ou de vérifier l’effet d’une réorganisation.

Approche technique

Chaque objet suivi dans une zone de service reçoit un horodatage d’entrée et de sortie. Le boîtier Edge AI calcule la durée, filtre les passages trop courts (simples traversées) et agrège les résultats par poste, zone et période. Les durées peuvent ensuite être rapprochées d’autres données métier en intégration.

Indicateurs mesurables

  • Durée moyenne et médiane de service par poste
  • Répartition des durées (passages courts, longs, très longs)
  • Nombre de services réalisés par heure
  • Évolution des durées après un changement d’organisation

Limites et prérequis

La durée mesurée correspond à une présence dans une zone, pas nécessairement au temps de service réel : des comportements atypiques (attente sur place, allers-retours) peuvent créer des écarts. La définition des zones et des règles de filtrage se valide pendant le pilote.

Suivi de productivité des processus

Mesure du débit et de l’utilisation des postes, quais et zones — pas des individus.

Sur étudeDonnée vidéo

Ce que cela fait

Le suivi de productivité mesure l’activité des processus : nombre de cycles réalisés sur un poste, taux d’utilisation d’un quai ou d’une baie de lavage, temps d’inactivité d’une zone de production. L’analyse porte sur les processus et les équipements, jamais sur la surveillance individuelle des salariés.

Problème résolu

De nombreuses entreprises ne disposent d’aucune mesure objective du débit réel de leurs zones opérationnelles. Elles peinent à identifier les temps morts, les déséquilibres de charge entre postes et les capacités inutilisées.

Approche technique

Des zones virtuelles sont associées à des postes, baies ou quais. Le boîtier Edge AI détecte les objets pertinents (véhicules, chariots, palettes, produits) et dérive des états d’activité (occupé, libre, en cycle) à partir de règles configurées. Les indicateurs sont agrégés par zone et par période, sans identification des opérateurs.

Indicateurs mesurables

  • Taux d’utilisation par poste, quai ou baie
  • Nombre de cycles ou de passages par heure
  • Durées d’inactivité par zone
  • Comparaison de débit entre zones et équipes horaires

Limites et prérequis

La définition d’un « cycle » dépend fortement de chaque processus et nécessite une étude de faisabilité spécifique. Toute mise en place doit respecter le droit du travail et la loi 09-08, avec information préalable des salariés et, le cas échéant, déclaration ou autorisation auprès de la CNDP. VIDEO.MA ne propose pas de notation individuelle des employés.

Suivi des mouvements de stock

Détection des passages de palettes, colis ou chariots entre zones de stockage.

Sur étudeVidéo + données métier

Ce que cela fait

Le suivi des mouvements de stock détecte et compte les passages d’objets logistiques — palettes, colis, chariots, bacs — à travers des points clés : quais de réception, portes d’entrepôt, allées, zones de préparation.

Problème résolu

Les écarts entre flux physiques et flux enregistrés dans le système d’information sont difficiles à détecter. Un comptage visuel indépendant des mouvements peut aider à repérer des incohérences et à mieux comprendre l’activité des zones logistiques.

Approche technique

Des modèles de détection, éventuellement adaptés aux objets du site, sont exécutés en Edge AI sur les flux RTSP des caméras couvrant les points de passage. Le suivi multi-objets et les lignes virtuelles génèrent des événements de mouvement horodatés, qui peuvent être rapprochés des mouvements enregistrés dans le WMS ou l’ERP via API ou export.

Indicateurs mesurables

  • Nombre de palettes ou colis passés par point de contrôle
  • Activité des quais par heure
  • Écarts entre mouvements détectés et mouvements enregistrés (avec intégration)

Limites et prérequis

La vidéo ne lit ni les références ni les quantités contenues dans un colis : elle détecte des objets, pas des articles. La fiabilité dépend fortement de la forme des objets, de l’empilement, de la vitesse et du cadrage. Le rapprochement avec le stock exige un accès API ou export au WMS / ERP. Cette fonctionnalité fait l’objet d’une étude de faisabilité au cas par cas.

Détection de ruptures potentielles

Signal visuel de zones de rayon vides, à confirmer par les données de stock.

Sur étudeVidéo + données métier

Ce que cela fait

La détection de ruptures potentielles repère visuellement les zones de linéaire ou d’étagère qui paraissent vides ou dégarnies, et génère un signal à destination des équipes de mise en rayon. Il s’agit d’un indice visuel, pas d’une mesure de stock.

Problème résolu

Un rayon vide fait perdre des ventes, souvent sans que le magasin ne s’en aperçoive rapidement. Les contrôles visuels manuels sont irréguliers, en particulier aux heures de forte affluence.

Approche technique

Une caméra fixe cadre une portion de linéaire. Des zones d’étagère sont définies et comparées à un état de référence « rayon garni », à l’aide de modèles de détection ou de segmentation exécutés à intervalles réguliers sur le boîtier Edge AI. Un signal est émis lorsque le taux de vide dépasse un seuil ; il peut être croisé avec les données de stock via intégration.

Indicateurs mesurables

  • Nombre de signaux de zone vide par rayon et par jour
  • Durée pendant laquelle une zone reste signalée vide
  • Délai entre le signal et le réassort (si l’action est enregistrée)

Limites et prérequis

Un rayon visuellement vide n’implique pas une rupture de stock (produit en réserve, facing volontaire) ; le signal doit être confirmé par les données de stock. Les clients masquant le rayon, les reflets, les changements de planogramme et les angles obliques réduisent la fiabilité. Nécessite généralement des caméras dédiées et une étude de faisabilité spécifique.

Détection d’anomalies

Repérage d’activités inhabituelles par rapport à des règles ou à un historique.

Sur étudeDonnée vidéo

Ce que cela fait

La détection d’anomalies signale des situations qui s’écartent des règles configurées ou des habitudes observées : présence dans une zone hors horaires, objet immobile anormalement longtemps, affluence inhabituelle, zone inactive en pleine journée. Elle constitue une aide à l’attention des équipes, pas une décision automatique.

Problème résolu

Les opérateurs ne peuvent pas regarder en continu des dizaines d’écrans. Mettre en évidence les situations qui méritent une vérification permet de concentrer l’attention humaine là où elle est utile.

Approche technique

Deux approches complémentaires sont étudiées : des règles explicites (zones, horaires, durées, seuils de comptage) évaluées sur le boîtier Edge AI, et la comparaison d’indicateurs agrégés à une base de référence historique pour repérer des écarts statistiques. Chaque signal est accompagné d’un horodatage et, si le projet le prévoit, d’un extrait d’image pour vérification humaine.

Indicateurs mesurables

  • Nombre d’anomalies signalées par type et par zone
  • Part des signaux confirmés après vérification humaine
  • Délai moyen de prise en charge d’un signal

Limites et prérequis

Une « anomalie » doit être définie précisément pour chaque site ; les situations imprévues ou subtiles peuvent ne pas être détectées, et des fausses alertes sont inévitables, en particulier au démarrage. Le système assiste les équipes mais ne remplace en aucun cas les systèmes de sécurité, d’alarme ou de détection certifiés.

Alertes en temps réel

Notifications automatiques lorsqu’un seuil ou une règle métier est franchi.

Sur projetDonnée vidéo

Ce que cela fait

Les alertes en temps réel notifient les bonnes personnes lorsqu’un événement configuré se produit : file d’attente trop longue, capacité dépassée, présence hors horaires, zone inactive, véhicule en stationnement prolongé.

Problème résolu

Les indicateurs consultés en fin de journée arrivent trop tard pour agir. Une alerte au bon moment permet de rouvrir une caisse, de réaffecter un collaborateur ou de vérifier une zone pendant que la situation est encore en cours.

Approche technique

Les règles sont évaluées en continu sur le boîtier Edge AI à partir des événements de détection, de suivi et de zones. Lorsqu’une condition est remplie (seuil, durée, plage horaire), un événement est émis vers le serveur, qui gère l’anti-répétition, la journalisation et l’envoi via les canaux retenus pour le projet (e-mail, webhook, API vers un outil existant).

Indicateurs mesurables

  • Nombre d’alertes par type, zone et période
  • Délai entre l’événement et la notification
  • Délai de prise en charge par les équipes

Limites et prérequis

Le délai de notification dépend de la qualité du réseau et des canaux utilisés. Des seuils mal réglés génèrent soit trop d’alertes, soit trop peu : un ajustement pendant le pilote est indispensable. Les alertes VIDEO.MA sont une aide opérationnelle et ne remplacent jamais les systèmes certifiés de sécurité incendie, d’intrusion ou de sûreté.

Reporting

Rapports périodiques consolidant vos indicateurs vidéo par site et par période.

Sur projetDonnée vidéo

Ce que cela fait

Le reporting consolide les indicateurs produits par l’analyse vidéo — fréquentation, occupation, files, durées — dans des rapports périodiques (quotidiens, hebdomadaires, mensuels), comparables entre sites et entre périodes.

Problème résolu

Des données dispersées et non consolidées ne permettent pas de piloter. Un reporting régulier et homogène donne aux directions une vision claire de l’activité et de son évolution.

Approche technique

Les événements agrégés sont stockés dans une base PostgreSQL. Des traitements périodiques calculent les indicateurs par site, zone et période, puis les rendent disponibles sous forme de rapports et d’exports (CSV, Excel) ou via API, selon le format défini avec le client lors du projet.

Indicateurs mesurables

  • Indicateurs consolidés par site, zone et période
  • Évolutions d’une période à l’autre
  • Classements et comparaisons entre sites
  • Exports CSV / Excel des données agrégées

Limites et prérequis

Un rapport n’est fiable que si les indicateurs qui l’alimentent ont été validés sur site. Les interruptions de flux caméra ou de réseau créent des périodes sans données, qui sont signalées comme telles. Les indicateurs de vente ou de stock n’apparaissent qu’en cas d’intégration avec vos systèmes.

Intégration caisse (POS) & ERP

Croisement des indicateurs vidéo avec vos ventes, tickets et données de gestion.

Sur étudeIntégration métier

Ce que cela fait

L’intégration POS et ERP rapproche les indicateurs issus de la vidéo des données réelles de votre système d’information : tickets de caisse, chiffre d’affaires, mouvements de stock, planning des équipes. Elle permet de calculer des indicateurs combinés comme le taux de transformation.

Problème résolu

La vidéo mesure la fréquentation et l’activité, mais pas les ventes ni le stock. Sans croisement avec les données de gestion, il est impossible de savoir si une hausse de trafic se traduit en chiffre d’affaires ou si un rayon vide correspond à une vraie rupture.

Approche technique

Les données métier sont récupérées via les API, exports planifiés ou connecteurs de base de données mis à disposition par l’éditeur du logiciel de caisse ou de l’ERP. Elles sont normalisées, alignées sur les mêmes plages horaires et les mêmes sites que les indicateurs vidéo, puis stockées côté serveur pour le calcul d’indicateurs combinés.

Indicateurs mesurables

  • Taux de transformation (tickets / entrées)
  • Panier moyen rapporté à la fréquentation
  • Chiffre d’affaires par visiteur et par heure
  • Écarts entre signaux vidéo et données de stock

Limites et prérequis

L’intégration dépend entièrement de l’accès aux données : API documentée, export automatisé ou accord de l’éditeur. Certains logiciels de caisse ne proposent aucun accès exploitable. La qualité des indicateurs combinés dépend aussi de la synchronisation horaire et de la qualité des données sources. Chaque intégration fait l’objet d’une étude spécifique.

Tableaux de bord métier

Tableaux de bord livrés par projet aujourd’hui ; plateforme SaaS en libre-service à venir.

En préparationVidéo + données métier

Ce que cela fait

Les tableaux de bord métier présentent vos indicateurs Smart Vision de façon visuelle et synthétique : fréquentation, occupation, files d’attente, durées, alertes. Aujourd’hui, ils sont conçus et livrés dans le cadre de chaque projet ; une plateforme SaaS en libre-service, permettant à chaque client de configurer ses propres vues, est en préparation (Phase 2).

Problème résolu

Les directions et responsables de site ont besoin d’une lecture rapide de l’activité, sans manipuler de fichiers bruts ni consulter les flux vidéo.

Approche technique

Dans le cadre des projets actuels, les tableaux de bord sont construits à partir des données agrégées stockées en base et adaptés aux indicateurs retenus. La future plateforme SaaS VIDEO.MA (React, Spring Boot, PostgreSQL) prévoit des tableaux de bord multi-sites configurables, la gestion des utilisateurs et des droits, et des API d’export.

Indicateurs mesurables

  • Indicateurs clés par site et vue multi-sites
  • Tendances horaires, journalières et hebdomadaires
  • Historique des alertes et événements
  • Indicateurs combinés (si intégration POS / ERP)

Limites et prérequis

La plateforme SaaS en libre-service n’est pas encore disponible : elle relève de la feuille de route. Les tableaux de bord livrés aujourd’hui sont spécifiques à chaque projet. Les indicateurs affichés dépendent des capacités effectivement déployées et validées sur site.

Sur mesure

Un besoin qui combine plusieurs briques ?

Décrivez-nous votre problématique : nous assemblons les capacités adaptées et en vérifions la faisabilité sur vos sites.

Demander une solution sur mesure

Prêt à transformer vos caméras en intelligence business ?

Parlez-nous de votre activité : nous vous montrerons ce que vos caméras peuvent mesurer, avec une étude de faisabilité honnête.

Demander une démonstration Demander un devis personnalisé