Tokyo, le 23 octobre 2026 - NEC Corporation (NEC ; TSE : 6701) a développé une technologie d’IA utilisant un modèle vision‑langage (VLM) pour attribuer des valeurs numériques (scores) aux conditions sur site à partir de séquences vidéo en direct surveillant les routes et les rivières, permettant la détection précoce des précurseurs de catastrophes telles que les inondations fluviales, les inondations et l’accumulation de neige. Cette technologie peut utiliser les caméras en direct existantes exploitées par les gouvernements locaux, les agences gouvernementales et les opérateurs d’infrastructure, ce qui facilite le déploiement sur les sites de surveillance des catastrophes tout en rationalisant les opérations de surveillance et en accélérant les décisions de réponse. NEC vise à mettre cette technologie en pratique au cours de l’exercice financier 2027.
Contexte
À mesure que les catastrophes naturelles s’intensifient, des sites tels que les routes et les rivières doivent rationaliser la surveillance des conditions sur site tout en détectant les premiers signes d’anomalies et de catastrophes. De nombreux sites surveillent déjà les images provenant de caméras en direct, mais il est difficile de vérifier continuellement les images de nombreuses caméras installées manuellement et d’éviter d’ignorer les changements subtils des conditions sur site qui signalent une catastrophe imminente. L’IA de reconnaissance d’images est une option pour automatiser cette analyse vidéo, mais elle nécessite de collecter et d’annoter de grands volumes de données d’entraînement pour chaque type de catastrophe et chaque site, ce qui rend le déploiement long et laborieux. VLM, un modèle de base pré‑entraîné sur d’énormes quantités de données qui peut comprendre le contenu vidéo sans entraînement supplémentaire, devrait donc permettre une analyse automatisée des images de caméras en direct. Cependant, lorsqu’un VLM généraliste est sollicité par une question textuelle (prompt) sur les conditions sur site – par exemple, si une zone est inondée – il peut produire des réponses qui divergent des faits ou sont incohérentes. Cela rend difficile la capture précise des changements subtils qui se produisent au fil du temps et la détection des précurseurs de catastrophe. De plus, comme les réponses d’un VLM sont fortement influencées par le contenu du prompt, refléter avec précision les différents points à surveiller à chaque site nécessite des ingénieurs disposant de connaissances spécialisées pour passer par essais et erreurs, ce qui prend beaucoup de temps et d’effort. En conséquence, il n’a pas été pratique d’appliquer rapidement cette approche à une large gamme de catastrophes – telles que les inondations fluviales, les inondations, l’accumulation de neige – et aux sites divers où elles se produisent.
Proposition de valeur
Cette technologie évalue l’évolution des conditions liées aux catastrophes à partir de séquences vidéo en direct, permettant la détection précoce des précurseurs de catastrophe et des décisions de confirmation et de réponse sur site plus rapides. Cela aide à prévenir les dommages et à limiter leur propagation.
De plus, comme cette technologie génère automatiquement des invites adaptées à chaque site, elle élimine les essais et erreurs autrement requis par les ingénieurs disposant de connaissances spécialisées, réduisant ainsi la charge d’introduction et d’exploitation du système pour les nouvelles catastrophes et sites.
Fonctionnalités technologiques
1. Détection des précurseurs de sinistre en évaluant les conditions sur site à mesure qu'elles changent instantanément
Alors qu’un VLM généraliste peut décrire les conditions sur site en mots, il ne produit pas d’informations quantitatives telles que le degré ou l’étendue dans ses réponses textuelles, ce qui l’empêche de saisir les différences subtiles des conditions sur site. Plutôt que de se fier au texte des réponses générées par le VLM, cette technologie utilise la technologie propriétaire de NEC (*1) pour analyser les valeurs de probabilité que le VLM calcule en interne pendant la génération de texte (*2), extrayant ainsi les informations qui seraient autrement perdues dans le processus de conversion en mots, et évaluant finement les conditions sur site telles que l’étendue des inondations ou l’accumulation de neige. Cela permet de capturer les changements subtils et les tendances au fil du temps — auparavant difficiles à détecter — sous forme de valeurs numériques continues. Les opérateurs peuvent également définir de façon flexible des seuils de précurseur et de danger adaptés à chaque site et type de catastrophe en fonction de ces scores.
2. Accélération du déploiement sur site grâce à la génération automatique de prompts spécifiques au site et aux sinistres
Lorsqu’une telle technologie est déployée sur un site, l’IA génère automatiquement un prompt adapté au type de sinistre observé — tel que l’inondation ou l’accumulation de neige — et à la composition de la scène capturée par chaque caméra. En utilisant les images du site, ce prompt est généré par des ajustements successifs qui maintiennent le score continu entre les images précédentes et suivantes temporellement. Dans ce processus, par exemple, les zones de l’image sur lesquelles le VLM doit se concentrer et les zones pouvant être ignorées sont automatiquement identifiées pour chaque site, et reflétées dans le prompt comme informations efficaces pour le score. En réalisant ces processus automatiquement, les fluctuations du score du VLM causées par de légères différences entre les images sont supprimées, permettant des jugements stables. En conséquence, les experts n’ont plus besoin de concevoir ou d’ajuster les prompts pour chaque environnement d’installation de caméra ou type de sinistre, soutenant un déploiement rapide et une exploitation efficace sur divers sites.
Grâce à cette technologie, NEC aidera les gouvernements locaux et les opérateurs d’infrastructure à rationaliser leurs opérations de surveillance et à contribuer à une plus grande sécurité et sûreté dans les communautés locales.
Notes:
(*1) La technologie de NEC permet la reconnaissance et la quantification des différences subtiles entre les images en mouvement en comparant les probabilités de génération de phrases calculées par VLM lorsqu’elles décrivent ces images. Prévue pour être présentée à la conférence internationale "ACM Multimedia Asia 2026 (MMAsia 2026)." [C. Matsuhira, Y. Nakatani, et T. Inoshita, "Measuring the Likelihood Contrast in Vision Language Models for Enhancing Fine-Grained Action Difference Recognition," à paraître dans Proc. MMAsia, 2026.]
(*2) Par exemple, lorsque le désastre cible est l’inondation, cela se réfère au degré de probabilité que le VLM indique qu’une image donnée montre une inondation.
À propos de NEC
Le groupe NEC exploite la technologie pour créer de la valeur sociale et promouvoir un monde plus durable où chacun a la possibilité d’atteindre son plein potentiel. NEC Corporation a été fondée en 1899. Aujourd’hui, le groupe NEC compte environ 110 000 employés qui utilisent des technologies d’IA, de sécurité et de communication de pointe pour répondre aux besoins les plus pressants des clients et de la société.
Pour plus d’informations, veuillez visiter nec.com, et nous suivre sur Instagram, Facebook, YouTube et LinkedIn.
NEC est une marque déposée de NEC Corporation. Tous droits réservés. Les autres marques de produits ou services mentionnés ici sont les marques déposées de leurs propriétaires respectifs. ©2026 NEC Corporation.