Nous mobilisons nos connaissances et proposons des solutions techniques pour résoudre des problèmes environnementaux et citoyens. Notre approche consiste à identifier les besoins numériques et technologiques au sein de processus existants, tels que la collecte des déchets, la science participative, etc. Dans ces domaines, notre regard technique nous permet de rendre les méthodes plus robustes, plus efficaces, moins coûteuses, ainsi que de débloquer de nouveaux cas d'utilisation.

Bien que l'explosion de l'IA et son utilisation massive représentent un problème potentiel pour l'environnement, nous pensons qu'une sous-partie de cette technologie peut être utilisée à bon escient. Une grande partie des méthodes de diagnostic bénéficie d'outils numériques avancés :

• comptage et traitement automatiques des déchets et pollutions de l'air ou de l'eau,

• étude de la biodiversité macro et microscopique,

• suivi et anticipation des changements climatiques, ainsi que de la déforestation et de l'artificialisation des sols.

Un autre aspect important et déjà démontré réside plutôt dans l'optimisation des systèmes existants, afin de les rendre moins nocifs pour l'environnement :

• optimisation des coûts énergétiques, notamment pour les collectivités ou les bâtiments industriels,

• identification des gaspillages en ressources telles que l'eau et les matières premières.

Ajouter de la technologie, parfois complexe, a toujours un coût : cela pousse à l'utilisation de matériel de plus en plus sophistiqué, entraîne une consommation supplémentaire d'électricité et peut rendre le fonctionnement d'un système plus opaque. C'est pourquoi il y a toujours un équilibre à trouver lorsque nous proposons une solution technologique. Nous tentons au maximum d'utiliser des technologies frugales, que nous définissons selon ces trois critères :

• Peu coûteuses en énergie : privilégier des modèles à faible consommation de calcul et de mémoire.

• Simples à comprendre et à maintenir, si possible en open source, ce qui les rend plus démocratiques.

• S'appuyant sur des capacités existantes pour le déploiement, plutôt que de pousser à l'achat de nouveaux terminaux ou serveurs.

Nous sommes expérimentés dans l'ensemble de la chaîne de traitement de l'information, des systèmes de stockage, des bases de données, des backends applicatifs, des applications mobiles, du frontend pour la visualisation de données (en particulier pour la cartographie) et nous travaillons principalement en Python, en nous appuyant sur des technologies open source.

En ce qui concerne l'IA, nous utilisons des méthodes d'analyse de données classiques ainsi que des techniques d'IA modernes telles que les réseaux de neurones profonds qui nécessitent un entraînement sur de grands jeux de données. Nous avons une forte expérience, notamment dans les domaines suivants :

• Vision automatique (Computer Vision) : détection et segmentation d'objets dans des images, suivi d'objets sur vidéo.

• Déploiement et infrastructure IA sur le cloud en optimisant les coûts de calcul.

• IA embarquée sur mobile (Android et iOS).