J7M : quand l’AR industrielle rencontre l’IA de terrain

Dans une usine, un atelier de maintenance ou un centre de formation, l’information arrive souvent au mauvais moment. Le manuel est sur un ordinateur, l’expert est dans un autre bâtiment, la procédure papier est posée à côté de la machine, et l’opérateur doit faire le lien entre tout cela. C’est précisément le type de problème que la réalité augmentée cherche à résoudre : afficher la bonne information, au bon endroit, pendant l’action.

L’annonce de Silver Eye, ou 株式会社シルバーアイ, autour du casque AR industriel J7M développé par Jorjin Technologies Inc. à Taïwan, illustre bien cette évolution. Le produit vise le marché japonais, avec des unités PoC prévues en juin 2026 et un modèle de production annoncé pour janvier 2027, sous réserve d’éventuels changements de calendrier ou de spécifications. Au-delà du lancement d’un nouveau matériel, le sujet intéressant est ailleurs : l’AR industrielle commence à combiner affichage immersif, suivi précis des gestes et assistance par IA.

Pour un public non spécialiste, on peut résumer l’enjeu ainsi : le casque devient moins un simple écran devant les yeux qu’un assistant de terrain. Il peut afficher une consigne, reconnaître un objet, guider un geste, ou aider à retrouver une information dans une base de connaissances interne. Comme un collègue expérimenté qui vous accompagne, mais avec une couche numérique visible directement dans l’environnement de travail.

Un casque pensé pour les contraintes du terrain

Le J7M est présenté comme un casque AR conçu pour les usages industriels. Ce point est important, car un atelier n’a rien à voir avec un salon de démonstration. Il y a du bruit, des machines, des gestes répétitifs, des zones dangereuses, parfois des équipements de protection, et surtout une exigence forte : ne pas ralentir le travail.

Le casque affiche une résolution de 1920×1080 à 60 images par seconde, avec un champ de vision de 34 degrés et un poids annoncé inférieur à 500 grammes. Ces chiffres ne disent pas tout, mais ils donnent des repères. La résolution et la fluidité influencent la lisibilité des consignes et la stabilité visuelle. Le champ de vision détermine la taille de la “fenêtre numérique” disponible devant l’utilisateur. Le poids, lui, compte beaucoup lorsqu’un casque doit être porté pendant une session de maintenance ou de formation.

La particularité du J7M est de proposer deux modes d’affichage AR. Le premier est le vidéo pass-through : des caméras filment le monde réel, puis le casque ajoute des éléments numériques sur cette image. C’est un peu comme regarder son environnement à travers l’écran d’un smartphone, mais en gardant les mains libres. Le second est l’optical see-through : l’utilisateur voit directement le monde réel à travers des optiques transparentes, avec des informations numériques superposées.

Cette double approche est intéressante, car tous les contextes ne se ressemblent pas. Pour certaines tâches, le vidéo pass-through peut faciliter l’analyse d’image ou l’ajout d’effets visuels précis. Pour d’autres, l’optical see-through peut sembler plus naturel, car l’utilisateur conserve une vision directe de son environnement. Le fait de pouvoir basculer selon l’usage répond à une vraie question métier : comment adapter l’outil à la tâche, plutôt que forcer l’opérateur à s’adapter à l’outil ?

Le suivi hybride, ou l’art de savoir où l’on regarde

Pour que la réalité augmentée soit utile, les informations doivent rester correctement placées dans l’espace. Si une flèche censée indiquer une vanne flotte à côté de la machine, la confiance disparaît immédiatement. Le J7M utilise pour cela un système Hybrid 6DoF, qui combine deux méthodes : le suivi par marqueurs et le suivi SLAM.

Le 6DoF signifie que le casque comprend les mouvements dans six directions : avancer, reculer, monter, descendre, tourner, s’incliner. C’est ce qui permet à un objet virtuel de rester au bon endroit pendant que l’utilisateur bouge la tête ou se déplace. Le suivi par marqueurs fonctionne avec des repères visuels placés dans l’environnement, un peu comme des panneaux que le casque reconnaît. Selon les informations communiquées, cette méthode atteint environ 1 mm de précision dans un espace de travail à moins de 2 mètres.

Le SLAM, lui, cartographie l’environnement sans forcément dépendre de marqueurs. Il est plus adapté aux espaces larges. Dans le cas du J7M, la précision annoncée est inférieure à 10 cm sur de plus grandes zones. Ce n’est pas le même niveau de finesse que le marqueur à courte distance, mais c’est souvent suffisant pour se repérer dans un atelier, un entrepôt ou une zone de formation.

On peut comparer cela à deux façons de se guider en ville. Le marqueur, c’est l’adresse exacte sur une porte. Le SLAM, c’est la carte du quartier. L’un donne une précision très fine à courte distance, l’autre aide à se déplacer dans un espace plus vaste. Pour l’industrie, la combinaison des deux peut avoir du sens : précision millimétrique sur un poste critique, repérage plus large pour guider un parcours ou localiser une zone d’intervention.

Le casque prend aussi en charge le hand tracking, c’est-à-dire l’interaction avec les mains sans contrôleur. L’utilisateur peut manipuler des modèles 3D ou une interface graphique par ses gestes. Là encore, l’intérêt est concret : dans un environnement professionnel, tenir une manette n’est pas toujours pratique. Les mains servent déjà à porter, régler, inspecter, réparer. Moins il y a d’accessoires, plus l’usage peut s’intégrer naturellement.

L’IA embarquée dans l’assistance MR

L’autre élément clé de l’annonce concerne l’intégration de fonctions d’assistance en réalité mixte avec l’IA. Le J7M prévoit trois briques : LLM, RAG et VLM.

Le LLM, grand modèle de langage, permet une assistance conversationnelle. En clair, l’opérateur pourrait poser une question en langage naturel, par exemple : “Quelle est la prochaine étape ?” ou “Que signifie cette alerte ?”. Ce type d’interaction rend la technologie plus accessible, car elle se rapproche d’un dialogue plutôt que d’un menu complexe.

Le RAG, recherche augmentée par génération, sert à produire des réponses à partir de documents internes, comme des manuels, procédures ou bases de connaissances. C’est un point crucial pour les entreprises. Une IA généraliste ne suffit pas à guider une opération de maintenance spécifique. Elle doit s’appuyer sur les bonnes consignes, validées par l’organisation. Le RAG agit comme un bibliothécaire rapide : il cherche dans les bons documents, puis aide à formuler une réponse exploitable.

Le VLM, modèle vision-langage, ajoute une dimension visuelle. Il peut analyser l’image provenant de la caméra pour reconnaître des objets. Dans un contexte industriel, cela peut aider à identifier une pièce, vérifier un branchement, repérer une étiquette ou contextualiser une étape de procédure.

Bien sûr, ces usages devront être testés. La bonne méthode consiste à lancer un PoC, ou preuve de concept, sur un périmètre limité : une procédure, une ligne, une famille d’équipements. On mesure ensuite des indicateurs simples : temps d’exécution, nombre d’erreurs, besoin d’assistance humaine, satisfaction des utilisateurs, taux de complétion de la formation. Sans ces mesures, il est difficile de savoir si l’innovation apporte une valeur réelle.

Des usages métier très concrets

Maintenance industrielle

Imaginons un technicien chargé d’inspecter une machine complexe. Avec un casque comme le J7M, il pourrait voir une procédure étape par étape directement superposée à l’équipement. À courte distance, le suivi par marqueurs offrirait une précision fine, par exemple pour indiquer une vis, un connecteur ou une zone de contrôle. Dans un espace plus large, le SLAM pourrait aider à se repérer entre plusieurs postes.

L’IA viendrait compléter le dispositif. Le technicien demande : “Quel couple de serrage pour cette pièce ?”. Le système interroge la documentation interne via RAG. Si la caméra reconnaît la pièce grâce au VLM, la réponse peut être mieux contextualisée. L’objectif n’est pas de remplacer l’expertise, mais de réduire les allers-retours, les oublis et la dépendance à un manuel difficile à consulter sur le terrain.

Formation et transmission des gestes

Dans la formation, l’AR peut transformer une procédure abstraite en expérience active. Un apprenant ne se contente plus de lire une consigne. Il la voit au bon endroit, au bon moment, puis réalise le geste. C’est particulièrement utile pour les métiers techniques, où la mémoire du corps compte autant que la théorie.

Un organisme de formation pourrait créer un parcours sur un équipement réel : découverte des composants, simulation d’incident, contrôle final. Le hand tracking permettrait de manipuler des éléments virtuels, comme un modèle 3D ou une interface de diagnostic. Les formateurs pourraient comparer les résultats avant et après déploiement : durée d’apprentissage, autonomie des apprenants, erreurs répétées, confiance déclarée. Là encore, la valeur se prouve par l’usage.

Ce que cela dit de l’avenir des expériences immersives

L’arrivée prévue du J7M au Japon, portée par Silver Eye comme distributeur local avec accompagnement à l’intégration, aux PoC et au développement applicatif, montre une tendance forte : l’immersif se rapproche des outils métier. Les casques ne sont plus seulement des vitrines technologiques. Ils deviennent des supports de formation, d’aide à la décision, de maintenance ou de communication.

C’est aussi là qu’un acteur comme explorations360 trouve sa place. Toutes les organisations n’ont pas besoin immédiatement d’un casque AR industriel connecté à l’IA. Mais beaucoup ont besoin de rendre un savoir-faire visible, de former autrement, de raconter un lieu ou un métier de façon plus engageante. Avec easystory360, explorations360 a par exemple déployé pour Phyteis un film VR interactif destiné à valoriser l’envers du décor d’une exploitation viticole. Le témoignage résume bien l’intérêt de l’approche : “La réalité virtuelle nous a permis de faire vivre l'envers du décor.”

Ce cas d’usage est complémentaire aux usages industriels de l’AR/MR. D’un côté, des outils comme le J7M accompagnent l’opérateur dans l’action. De l’autre, des formats VR interactifs comme ceux conçus avec easystory360 permettent de transmettre, expliquer et valoriser des pratiques auprès de publics internes ou externes. Dans les deux cas, l’enjeu est le même : rendre l’information plus vivante, plus située, plus facile à comprendre.

La convergence entre AR, MR, VR et IA ne se fera pas en un jour. Elle passera par des expérimentations ciblées, des contenus bien conçus et des retours utilisateurs honnêtes. Mais une chose devient claire : les technologies immersives quittent progressivement le registre de la démonstration pour entrer dans celui des usages. Et pour les entreprises, le bon point de départ reste simple : choisir un problème concret, puis concevoir l’expérience immersive qui aide vraiment à le résoudre.

#CasqueAR, #SuiviHybride6DoF, #RéalitéAugmentée, #AssistanceIA, #TransformationIndustrielle, #TechnologiesImmersives