Superb AI déploie pour LH un système d'IA de tri des malfaçons

L'entreprise sud-coréenne d'IA de vision Superb AI a mis en place pour la Korea Land and Housing Corporation (LH) un système de classification automatique des malfaçons. Un locataire d'un appartement LH photographie une fissure au mur ou une fuite au plafond, et l'IA détermine en moins d'une seconde la pièce, le matériau concerné et le type de défaut. La première phase de déploiement est achevée, et une seconde phase, d'amélioration, est en cours.

Un volume de réclamations considérable

LH reçoit chaque mois environ 300 000 photos de réclamations, soit près de 4 millions par an. Jusqu'ici, des conseillers les triaient une à une par SMS et par téléphone. Le schéma de classification est complexe : la combinaison de cinq critères (espace, partie ou matériau, type de défaut, corps de métier et type de chantier) donne plus de 18 000 catégories possibles. Comme l'expérience des conseillers varie, un même défaut pouvait être classé différemment, voire de manière erronée.

Un seul modèle au lieu de plusieurs

Superb AI traite l'ensemble avec un unique modèle vision-langage (VLM), capable de comprendre à la fois les images et le texte. On utilise d'ordinaire un modèle pour localiser le défaut et un autre pour en identifier le type. Ici, un seul modèle classe les cinq critères à partir d'une photo, ce qui simplifie l'architecture et allège la maintenance, selon l'entreprise. Les demandes sont traitées 24 heures sur 24, et chaque résultat s'accompagne d'une explication écrite du raisonnement.

Le système couvre les défauts courants : fissures, fuites, dégradations, moisissures, salissures. Lorsque la cause est difficile à établir à partir de la seule photo, il l'infère à partir des motifs appris. Il a été conçu pour une précision de détection d'au moins 90 % et un taux d'erreurs et d'omissions de 10 % au maximum, niveau que l'entreprise dit maintenir par un suivi et des vérifications réguliers.

Ce que cela change pour LH

Les conseillers peuvent désormais se consacrer aux réclamations qui exigent un jugement humain plutôt qu'à la réception et au tri. Les données de malfaçons étant stockées dans un format uniforme, LH peut analyser les défauts fréquents par ensemble résidentiel, par matériau et par ancienneté d'achèvement. Cela permet de contrôler à l'avance les sites où les problèmes se répètent et de fixer sur données le calendrier de remplacement et de réparation des équipements vieillissants, dans le cadre d'un plan d'entretien à long terme.

Le PDG Kim Hyun-soo affirme que le projet résout le double défi d'un schéma de classification complexe et de volumes massifs de données non structurées avec un seul VLM. Selon lui, l'approche peut s'étendre à l'inspection d'installations et à l'analyse d'images de réclamations dans l'ensemble des services publics.