Conntour lève 7 millions de dollars auprès de General Catalyst et Y Combinator pour sa solution de recherche vidéo de sécurité basée sur l'IA

Le secteur des technologies de surveillance fait actuellement l'objet d'une attention particulière, mais pas pour les meilleures raisons. Des controverses ont éclaté après que l'agence américaine de l'immigration et des douanes (ICE) aurait accédé au réseau de caméras de Flock à des fins de surveillance, et le fabricant de caméras domestiques Ring a essuyé des critiques pour avoir développé des fonctionnalités permettant aux forces de l'ordre de demander aux propriétaires des images de leur quartier. Ces événements ont déclenché un vaste débat sur la sécurité, la vie privée et l'éthique de la surveillance.

Pourtant, la controverse ne diminue pas la demande du marché. Les progrès continus des modèles de vision-langage alimentent la croissance des entreprises qui aident les sociétés à surveiller leurs locaux plus efficacement.

Matan Goldner, cofondateur et PDG de la start-up de vidéosurveillance Conntour, reconnaît que les considérations éthiques sont suffisamment sérieuses pour que son entreprise se montre très sélective quant à ses clients. Bien que cela puisse sembler contre-intuitif pour une start-up âgée d’à peine deux ans, M. Goldner affirme que Conntour peut se permettre d’être sélective car elle compte déjà parmi ses clients plusieurs grandes entités gouvernementales et cotées en bourse, dont le Bureau central des stupéfiants de Singapour.

« Le fait d’avoir des clients aussi importants nous permet de les sélectionner et de garder le contrôle. Nous contrôlons réellement qui utilise nos services, dans quel contexte, et nous pouvons choisir ce que nous estimons moral et, bien sûr, légal. Nous faisons appel à tout notre discernement et prenons des décisions en fonction des clients spécifiques avec lesquels nous acceptons de travailler, car nous savons comment ils l’utiliseront », a déclaré M. Goldner à TechCrunch lors d’une interview exclusive.

Cette dynamique a permis bien plus qu’une simple sélection de la part de Conntour. Les investisseurs l’ont remarqué : la start-up a récemment levé 7 millions de dollars lors d’un tour de table d’amorçage auprès de General Catalyst, Y Combinator, SV Angel et Liquid 2 Ventures.

M. Goldner a indiqué que le tour de table s’était conclu en 72 heures. « Je pense avoir programmé environ 90 réunions en huit jours, et après seulement trois jours — nous avons commencé lundi et dès mercredi après-midi, c’était terminé », a-t-il déclaré.

La sélectivité de Conntour est tout à fait justifiée, surtout compte tenu de la puissance des outils d’IA modernes dans ce domaine. La plateforme vidéo de l’entreprise utilise des modèles d’IA pour permettre au personnel de sécurité d’interroger les flux des caméras en langage naturel, afin de repérer tout objet, toute personne ou toute situation en temps réel — il s’agit en substance d’un moteur de recherche de type Google adapté à la vidéosurveillance. Elle peut également surveiller les menaces de manière autonome sur la base de règles prédéfinies et générer des alertes automatiques.

Contrairement aux systèmes traditionnels qui s’appuient sur des définitions ou des paramètres rigides pour détecter des objets, des mouvements ou des comportements spécifiques, Conntour affirme que son système utilise des modèles de langage naturel et de vision par le langage, offrant une grande flexibilité et une grande facilité d’utilisation. Un utilisateur peut demander : « Trouve les moments où une personne en baskets passe un sac dans le hall », et le système de Conntour analyse rapidement toutes les séquences enregistrées ou les flux en direct pour renvoyer des résultats pertinents.

Capture d'écran de la plateforme Conntour en action. Crédits image : Conntour

Comme la plateforme intègre des modèles d’IA, les utilisateurs peuvent simplement poser des questions sur les séquences et recevoir des réponses sous forme de texte, accompagnées des extraits vidéo pertinents, ainsi que générer des rapports d’incident.

Le principal argument de vente de l’entreprise réside toutefois dans son évolutivité. M. Goldner a expliqué que la plateforme se distingue des autres services de recherche vidéo par IA car elle est conçue pour s’adapter efficacement à des systèmes comportant des milliers de flux de caméras. En effet, a-t-il précisé, le système de Conntour peut surveiller jusqu’à 50 flux de caméras sur un seul GPU grand public tel que le RTX 4090 de Nvidia.

L'entreprise y parvient en utilisant plusieurs modèles et systèmes logiques, puis en déterminant quelle combinaison nécessite le moins de puissance de calcul pour produire les meilleurs résultats pour chaque requête de l'utilisateur.

Conntour affirme que son système peut être déployé entièrement sur site, entièrement dans le cloud, ou selon une combinaison des deux. Il peut s’intégrer à la plupart des systèmes de sécurité existants ou servir de plateforme de surveillance complète autonome.

Pourtant, le secteur de la vidéosurveillance est confronté depuis longtemps à un défi persistant : la qualité de la surveillance dépend entièrement de la qualité des images capturées. Il est par exemple difficile de distinguer les détails dans un parking mal éclairé filmé par une caméra à faible résolution dont l’objectif est sale.

M. Goldner explique que Conntour pallie ce problème en fournissant un score de confiance à côté de ses résultats de recherche. Si le flux de la caméra source n’est pas de qualité suffisante, le système renvoie des résultats avec de faibles niveaux de confiance.

Pour l'avenir, M. Goldner estime que le plus grand défi technique consiste à intégrer toutes les capacités des grands modèles linguistiques au système tout en préservant son efficacité.

« Nous avons deux objectifs que nous voulons atteindre simultanément, et ils sont contradictoires. D'un côté, nous voulons offrir une flexibilité totale en langage naturel, à la manière des grands modèles linguistiques, pour que vous puissiez poser n'importe quelle question. D'autre part, il y a l'efficacité : nous voulons qu'il utilise très peu de ressources, car traiter des milliers de flux est tout simplement insensé. Cette contradiction est le plus grand obstacle technique et le principal problème dans notre domaine, et c'est ce que nous nous efforçons de résoudre. »