CRT dévoile la solution vision-langage «Vizir.VLM»
Un nouveau système combinant vision par ordinateur et traitement du langage naturel pour analyser la vidéo, comprendre le contexte et fournir des réponses détaillées en langage naturel, faisant gagner aux opérateurs plus de 90% de leur temps.
«Vizir.VLM» : comment CRT transforme l'analyse vidéo en une conversation avec la ville
Introduction
Le 21 avril 2026, au salon Securika Moscou, le groupe d'entreprises CRT (Center for Speech Technologies) a présenté «Vizir.VLM» — une solution marquant un saut qualitatif dans l'évolution des systèmes de vidéosurveillance. Là où l'analyse vidéo traditionnelle se contente d'enregistrer des événements, le nouveau modèle de vision-langage peut «comprendre» ce qu'il voit, établir des liens sémantiques et fournir des réponses détaillées en langage naturel, à l'instar d'un humain.
Il ne s'agit pas simplement d'une mise à jour supplémentaire du produit phare de CRT. C'est la réponse de l'entreprise à une demande fondamentale du marché : l'analyse vidéo a cessé d'être un simple outil de sécurité pour devenir le «cerveau» de la gestion urbaine. Et «Vizir.VLM» est le premier pas vers des millions de caméras à travers le pays qui parleront aux opérateurs en langage clair, leur faisant gagner plus de 90% de leur temps de travail.
Détails de l'événement et chronologie
La première de «Vizir.VLM» a eu lieu à Securika Moscou 2026, le plus grand événement du secteur de la sécurité, qui s'est tenu à Moscou du 21 au 24 avril. CRT a choisi ce salon pour dévoiler une solution qui représente essentiellement l'évolution de son légendaire système de vision par ordinateur, «Vizir».
Que cache le nom «Vizir.VLM» ?
Sur le plan architectural, la solution fusionne deux technologies clés au sein d'un même cadre :
- Le système de vision par ordinateur biométrique «Vizir» — un produit mature qui, selon les données de l'entreprise, détient plus de 65% du marché russe de l'analyse vidéo.
- Un grand modèle de langage (LLM) permettant le traitement du langage naturel et une interface conversationnelle.
Ainsi, «Vizir.VLM» reçoit en entrée un flux vidéo ou des enregistrements d'archives. Sa sortie, cependant, va au-delà de la simple détection d'objets — il peut répondre à des requêtes complexes telles que : «Trouvez le moment où le conducteur du bus n°12 roulait en excès de vitesse avant un passage piéton» ou «Affichez les statistiques d'accumulation des déchets dans les cours de l'arrondissement Leninsky au cours de la semaine dernière».
Le PDG de CRT, Dmitri Dyrmovsky, a décrit cette sortie comme une réponse à une «nouvelle demande du marché» — le besoin d'une gestion proactive, plutôt que d'un simple enregistrement réactif des infractions.
Impact et importance
L'importance de «Vizir.VLM» dépasse largement le cadre d'un simple produit. Elle signale un changement de paradigme dans la manière dont les villes et les grandes entreprises travaillent avec les données visuelles.
Pour le marché et l'industrie, cela signifie l'émergence d'un outil pratique pour concrétiser le concept de «Ville intelligente 2.0». Alors qu'auparavant, le système «Ville sûre» (fonctionnant sur la plateforme «Vizir» dans 30 villes de la Fédération de Russie) servait principalement à la surveillance et aux recherches d'investigation, il se transforme désormais en un centre décisionnel analytique. Dans le secteur du logement et des services publics ainsi que de l'amélioration urbaine — que CRT identifie comme les scénarios les plus pertinents — le modèle peut non seulement détecter un incident (comme un nid-de-poule) mais aussi proposer une solution (envoyer une équipe de réparation). Cela fait passer la gestion urbaine d'un mode «pompier» à un état de «gestion proactive».
Pour la société, le principal bénéficiaire est la qualité de vie urbaine. L'augmentation annoncée de l'efficacité de la gestion urbaine de «plus de 30%» et la réduction des temps de réponse ne sont pas des chiffres abstraits. Derrière eux se cache une logistique concrète : un déneigement plus rapide, des feux de signalisation rétablis rapidement, des personnes disparues retrouvées. Cependant, une zone de tension potentielle se profile également : les questions éthiques de la surveillance de masse, inévitablement exacerbées par tout système d'analyse vidéo amélioré par l'IA.
Pour CRT elle-même, «Vizir.VLM» sert à défendre son leadership face à une concurrence croissante. Le système de base «Vizir» est déjà installé dans plus de 400 hubs de transport et 28 stades, y compris des infrastructures critiques. La sortie de la superstructure VLM crée une barrière à l'entrée significative pour les concurrents : les clients de CRT n'ont pas besoin de remplacer leur matériel ; ils doivent seulement mettre à jour la couche «intelligente».
Réactions des acteurs clés
La position officielle de CRT, diffusée par tous les principaux médias économiques (CNews, ComNews, TAdviser), est remarquablement claire et ambitieuse. Le chef de l'entreprise, Dmitri Dyrmovsky, a agi comme le principal porte-parole de l'innovation, soulignant les économies de ressources : «Faire gagner aux opérateurs plus de 90% de leur temps.»
La réaction de la communauté professionnelle à Securika Moscou, à en juger par des indicateurs indirects (publications dans les revues sectorielles «RUBEZH» et «Kuban News»), a été positive avec une teinte de «longtemps attendue». Le marché de l'analyse vidéo était depuis longtemps «mûr» pour cesser de générer des tonnes de rapports que les gens finissent encore par examiner.
Les analystes et les développeurs concurrents ont probablement perçu cet événement comme une référence importante. La position de départ de CRT (65% de parts de marché, présence sur des infrastructures critiques) leur confère une avance considérable sur les startups tentant d'implémenter les technologies VLM «à partir de zéro».
Prévisions et conclusions
La présentation de «Vizir.VLM» n'est pas la ligne d'arrivée mais le point de départ d'une nouvelle phase.
Prévisions à court terme (2026–2027) : Un déploiement progressif du modèle est attendu auprès des principaux clients gouvernementaux (principalement dans les projets «Ville sûre» et sur les infrastructures de transport). L'entreprise collectera des données «terrain» pour un entraînement complémentaire du modèle afin d'améliorer la précision des réponses pour des requêtes régionales spécifiques.
Prévisions à long terme (2028+) : Nous verrons l'émergence de «petits modèles de langage» sectoriels au sein de «Vizir», spécialisés pour des tâches étroites : sécurité des transports, analyse du commerce de détail, supervision de la construction. Une intégration avec des systèmes de «contrats intelligents» est possible, où l'IA non seulement proposera une solution mais aussi soumettra automatiquement une demande.
Conclusion principale : «Vizir.VLM» illustre une tendance mondiale — la mort de la «vidéo muette». L'époque où les caméras se contentaient d'enregistrer des images pour que «s'il arrive quelque chose, on vérifie la bande» s'éloigne. Elle est remplacée par l'ère des systèmes conversationnels, où la vidéo devient une base de données avec laquelle on peut communiquer. CRT a réussi à être le premier en Russie à offrir une solution industrielle de cette envergure, basée sur son monopole de marché. Le succès du produit dépendra non pas de la technologie (qui est déjà là), mais de la volonté des systèmes bureaucratiques municipaux de confier la prise de décision aux algorithmes. Si cela se produit, «Vizir.VLM» passera d'un outil de surveillance au véritable «cerveau» de l'infrastructure urbaine.
— Editorial Team
Aucun commentaire pour le moment.