Arrivé chez Scortex en 2018, Noé Rubinstein incarne cette génération d’ingénieurs qui ont grandi avec le produit. Huit années à écouter les contraintes des usines, à traduire leurs exigences en solutions concrètes, et à accompagner la transformation du contrôle qualité par l’IA.

1. Quand avez-vous rejoint Scortex et quel est votre rôle aujourd’hui ?

J’ai rejoint Scortex en 2018, en tant que développeur C++. À l’époque, je travaillais sur la couche de communication entre les caméras et les stations d’inspection. C’était un rôle très technique, au cœur du fonctionnement du système.

Aujourd’hui, je suis Tech Lead d’un pôle de l’équipe technique. J’accompagne une équipe de quatre développeurs et j’assure un rôle de référent : je guide les choix d’architecture, je veille à la cohérence technique et je fais le lien entre les différentes expertises internes.

2. À quoi ressemble une journée type pour vous, et quelles sont vos missions clés ?

Il n’y a pas vraiment de journée type. C’est d’ailleurs ce qui rend le poste stimulant.

Mon rôle consiste d’abord à faire le lien entre le produit et les équipes de développement. Il faut comprendre des besoins parfois très complexes, exprimés par les équipes terrain ou directement par les clients, puis les traduire en solutions techniques robustes.

Par exemple, certains industriels doivent gérer, sur une même image, plusieurs défauts de nature différente, avec des niveaux de criticité distincts. À partir de ce besoin, nous avons conçu une fonctionnalité permettant de définir des zones d’analyse et d’y associer des seuils de sensibilité spécifiques.

Je participe également aux revues de code, aux choix d’architecture, et à l’évaluation des développements : ce qui est simple, ce qui est complexe, ce qui prendra du temps. Bien sûr, certains jours, je code. D’autres, je me consacre davantage à la coordination entre les équipes produit et les spécialistes en machine learning.

3. Après ces huit années chez Scortex, qu’est-ce qui a permis à l’entreprise de devenir un pionnier de l’IA appliquée au contrôle qualité ?

Je pense que notre différence tient à notre approche globale. Nous ne proposons pas seulement un logiciel ou un équipement : nous accompagnons nos clients de bout en bout.

Depuis dix ans, nous sommes au contact direct des industriels. Nous avons appris à comprendre leurs contraintes, leurs métiers, leurs environnements. Cette proximité nous a permis de construire une vraie maturité, à la fois produit et technique.

Nous avons évolué avec eux, en adaptant en permanence notre technologie à leurs réalités. C’est cette capacité d’apprentissage continu qui fait, selon moi, la différence.

4. Un fait marquant, une expérience unique à partager ?

Il y a quelques années, entraîner un modèle d’IA demandait beaucoup de données. Les clients devaient collecter des centaines de pièces, ce qui rendait les cycles d’apprentissage longs et coûteux.

Aujourd’hui, l’approche est totalement différente. Un client peut entraîner le système lui-même, en quelques minutes, à partir d’un nombre limité de pièces. Il peut ensuite ajuster, itérer, tester rapidement.

Ce changement a profondément transformé l’usage de Spark, notre solution de contrôle qualité. L’IA est devenue plus accessible, plus agile, et surtout beaucoup plus proche des besoins opérationnels.

5. Sur quoi votre expertise a-t-elle fait la différence au fil des années ?

Je dirais sur la capacité à faire dialoguer des mondes différents : le terrain industriel, les contraintes produit et les exigences techniques.

Chaque projet est un équilibre. Il faut comprendre ce qui est réellement critique pour le client, éviter la surcomplexité, et proposer une solution fiable, maintenable, et efficace dans le temps. C’est souvent dans ces arbitrages que l’expérience fait la différence.

6. De quoi êtes-vous le plus fier dans ce que vous avez construit collectivement chez Scortex ?

De Spark, sans hésiter.

Nous avons réussi à concevoir une solution capable de s’adapter à des environnements industriels très variés, avec des pièces, des cadences et des contraintes différentes. Et tout cela avec une prise en main intuitive.

Les retours positifs de nos clients font toujours plaisir. Mais les moments les plus marquants sont ceux où ils reviennent nous dire que les réclamations de leurs propres clients ont fortement diminué, ou que certains contrôles ont pu être allégés en aval.  C'est là que l'on mesure réellement la portée de ce que nous construisons. 

7. En regardant vers l’avenir, comment voyez-vous évoluer l’IA appliquée au contrôle qualité ?

Une tendance se dessine : le rôle des IA s'élargit progressivement.

Aujourd'hui, les systèmes d'IA sont souvent utilisés comme des outils de tri, capables de distinguer le conforme du non conforme. À l'avenir, ils pourraient également contribuer à l'analyse des situations observées.

On peut imaginer des systèmes capables d'identifier certaines causes racines, de mettre en évidence des tendances ou de suggérer des pistes d'amélioration des processus de production. L'IA ne servirait alors plus uniquement à détecter, mais aussi à mieux comprendre ce qui se passe sur la ligne.