https://d37oebn0w9ir6a.cloudfront.net/account_16771/drew-beamer-xU5Mqq0Chck-unsplash_f8156c7f8ece3f7decd4128a43423325.jpg
January 27, 2020

RFID vs Computer Vision

Gestion de Stocks - Comment choisir entre les technologies RFID et computer vision ? Focus sur deux acteurs qui ont fait un choix différent
A puppet and a kangaroo fighting
Photographer: Frank Busch | Source: Unsplash

À ma gauche, une technologie qui a fait ses preuves depuis les années 50 dans le domaine militaire, et qui après de multiples évolutions devient de plus en plus utilisée, notamment dans l’industrie du textile : la puce RFID.

À ma droite, une technologie en plein essor depuis 3 ans qui se développe avec les progrès réalisés sur l’intelligence artificielle grâce aux réseaux de neurones : la Computer Vision.

Chacun a son champion :

  • Decathlon pour RFID qui a mis en place cette solution dans ses magasins dès 2014

  • Amazon - pour la computer vision - qui a lancé son premier magasin Amazon Go en 2018.

Derrière cette guerre technologique se cache un choix stratégique structurant pour les entreprises. Nous avons essayé de vous donner quelques clés pour vous aider à faire votre propre avis.

1. La technologie RFID

puces RFID

Le RFID, ou « Radio Fréquence Identification » fonctionne par émission d’ondes. Cette technologie, couplée à une étiquette, crée un marqueur appelé “radio-étiquette”.

Le RFID permet aujourd’hui de suivre des déplacements, mémoriser et stocker des données.

Jusqu’à présent, les balises RFID était le seul choix s’offrant aux entreprises pour identifier les produits de l'entrepôt aux rayons et faciliter la gestion d'inventaire, voire pour comptabiliser les articles lors du passage en caisse comme le fait Decathlon depuis 2014.

À la fois performantes et maîtrisées, les puces RFID se sont déployées à grande échelle dans les activités de supply chain.

2. La Computer Vision

La Computer Vision est une sous-catégorie de l’intelligence artificielle. Elle consiste à faire apprendre à un algorithme à reconnaître le contenu d’images.

Cette discipline a commencé à émerger dans les années 60. Elle connaît un vrai essor depuis l’arrivée des techniques liées au Machine Learning et au Deep Learning.

Amazon Go utilise cette technique pour associer à chaque individu du magasin un panier virtuel basé sur les articles que le consommateur sort des rayons au fur et à mesure.

Si le client décide de remettre l’article dans le rayon, il est alors retiré du panier virtuel instantanément.

Pour affecter à un client une liste de produits, l’algorithme effectue une tâche de face recognition dès l’entrée de celui-ci dans le magasin.

Le système de caisse chez Amazon Go

Ce système révolutionnaire permet également au manager de gérer ses stocks. Il nécessite au préalable de déployer un grand nombre de caméras pour avoir les bons angles de vues sur les rayons.

Dès lors que l’encaissement a lieu, en sortie du magasin, la liste des stocks disponible s’actualise automatiquement.

**Alors, RFID ou Computer Vision ?

**

L'un des points forts de la RFID pour Decathlon est le contrôle qu'a la marque sur la production des produits vendus en magasin.

Ainsi, 70% de ses produits sont fabriqués par la marque Decathlon, ce qui facilite l'adoption de cette technologie pour l'ensemble de l'enseigne.

Au contraire, si on prend le cas d'une entreprise qui externalise sa production auprès de nombreux fournisseurs, il est alors plus compliqué de mettre en place cette technologie, car il faudrait au préalable la faire adopter par tous ses partenaires.

Outre le contrôle sur la chaîne de production, le principal obstacle à la solution RFID est le coût élevé des étiquettes.

Le RFID peut être une bonne solution pour une entreprise cherchant à déployer rapidement une solution, mais les coûts opérationnels sont croissant, et récurrent.

A collection of US Dollar bills make an interesting financial wallpaper.
Photographer: Sharon McCutcheon | Source: Unsplash

Alors que penser de la computer vision ?

Si on reprend l’exemple d’Amazon Go, le coût de la solution réside essentiellement dans l'investissement dans le développement de l’algorithme.

Les coûts variables liés à la formation et à la pose des caméras restent marginaux comparés au coût d’investissement initial. Il ne faut cependant pas négliger le choix du hardware : il a un rôle prépondérant dans la réussite de l'algorithme.

À l’inverse du RFID, les coûts opérationnels de la computer vision semblent être plus appropriés dans une stratégie de scale. En effet, une fois l’investissement initial passé, les coûts variables sont relativement faibles.

Chez Sicara, nous considérons la Computer Vision comme un capteur capable de suivre vos équipements et vos lignes de production.

Nous pouvons combiner cette technologie avec vos données et capteurs existants pour optimiser vos stocks.

Nous pouvons aussi utiliser cette technologie pour identifier automatiquement un produit à la vente. Pour en savoir plus, vous pouvez contacter l’un de nos experts.