Yarden Gross, PDG et co-fondateur d’Orca AI – Série d’entretiens

Yarden Gross est un entrepreneur expérimenté avec une vaste connaissance et une expérience dans les technologies maritimes.
Il dirige actuellement la vision d’Orca AI pour rendre la navigation commerciale autonome une réalité. Avant de fonder Orca AI, il était co-fondateur et PDG d’Engie, une société de technologie automobile soutenue par des VC. Il détient un BA en économie et en affaires de l’Université Reichman (IDC Herzliya).

Orca AI est une société de technologie maritime qui utilise la vision par ordinateur et l’intelligence artificielle pour aider les navires à naviguer de manière plus sûre et plus efficace. Sa plateforme fusionne les données des caméras, du radar et de l’AIS pour créer une conscience continue en temps réel, réduire le risque de collision, diminuer la consommation de carburant et alléger la charge de travail de l’équipage. Des produits comme SeaPod, FleetView et Co-Captain soutiennent la surveillance des navires, la surveillance de la flotte et les données de situation partagées, permettant un pas vers la navigation autonome. Le système est déployé sur des flottes mondiales et alimenté par l’un des plus grands ensembles de données visuelles maritimes au monde.

Vous avez maintenant passé plus de sept ans à construire Orca AI, après avoir fondé des entreprises dans le domaine des diagnostics et de la réparation automobiles. Qu’est-ce qui vous a motivé à passer de la technologie de mobilité terrestre au monde maritime, et quel problème avez-vous tenté de résoudre lors du lancement de l’entreprise ?

Je suis toujours motivé par le désir de résoudre des problèmes complexes en utilisant la technologie qui fait une différence tangible. Mon expérience dans les diagnostics automobiles m’a exposé au pouvoir des données et à la prise de décision en temps réel. Lorsque je suis passé au secteur maritime, j’ai vu une industrie prête à l’innovation. Les méthodes de navigation maritimes traditionnelles reposaient fortement sur des processus manuels et des systèmes obsolètes. Ayant grandi sur les rives de la mer de Galilée, j’ai développé un profond respect pour les défis de la navigation. Orca AI a été fondée pour apporter le pouvoir de l’IA et de la vision par ordinateur pour améliorer la sécurité, réduire les erreurs humaines et améliorer l’efficacité opérationnelle en mer – en répondant aux lacunes de l’industrie et en débloquant tout le potentiel des données maritimes.

Orca AI a été fondée à une époque où le secteur maritime dépendait encore fortement des pratiques de navigation legacy. Quelles lacunes avez-vous observées dès le départ qui vous ont donné confiance en la capacité de l’IA et de la vision par ordinateur à améliorer de manière significative la sécurité en mer ?

Le secteur maritime était confronté à des défis importants : une dépendance excessive à l’égard du radar et de l’AIS pour la navigation, une intégration limitée des capteurs modernes et un manque d’informations exploitables à partir des données collectées. J’ai reconnu que même si ces systèmes legacy étaient utiles, le niveau de soutien décisionnel intelligent en temps réel nécessaire pour gérer efficacement les risques maritimes modernes faisait défaut.

En intégrant l’IA et la vision par ordinateur, nous pouvions transformer les données brutes en intelligence actionnable, permettant aux équipages de ne pas seulement réagir, mais d’anticiper et de prévenir les risques potentiels. C’est là que la véritable valeur de l’IA pouvait être débloquée, en améliorant la sécurité, l’efficacité opérationnelle et la conscience de la situation.

Co-Captain a été décrit comme un « Waze des mers ». Quels ont été les plus grands défis techniques pour construire une plateforme en temps réel capable d’interpréter les flux de capteurs, le comportement des navires et les risques environnementaux à l’échelle mondiale ?

Le plus grand défi a été de garantir que les systèmes d’Orca AI puissent traiter d’énormes quantités de données provenant de sources diverses, telles que l’AIS, le radar et les caméras, et en faire sens en temps réel. Cela nécessitait des algorithmes avancés capables d’interpréter les flux de capteurs complexes et de comprendre le comportement des navires dans différentes conditions environnementales. Atteindre une échelle mondiale signifiait faire face à une variété d’environnements géographiques, météorologiques et réglementaires, tous nécessitant que nous construisions une plateforme robuste capable d’apprendre et de s’adapter à ces nuances. Construire un système capable de fonctionner sur différentes routes maritimes, en intégrant toutes les informations de manière transparente, n’a pas été une mince affaire.

Les environnements maritimes présentent des cas de bord qui sont beaucoup plus imprévisibles que les routes – brouillard, éblouissement, vagues déchaînées, types de navires inhabituels et zones de piraterie. Comment avez-vous formé vos modèles pour fonctionner de manière fiable dans de telles conditions ?

La formation de l’IA pour gérer les cas de bord a nécessité un mélange de collecte de données réelles et de simulation. Nous avons travaillé en étroite collaboration avec des sociétés de navigation pour collecter des données réelles provenant d’environnements difficiles, en garantissant que nos modèles puissent gérer l’imprévisibilité des conditions maritimes. Nous avons ensuite utilisé ces ensembles de données pour former l’IA, en simulant des conditions météorologiques extrêmes et des événements rares pour garantir que notre système puisse s’adapter en temps réel. Il s’agit d’un processus d’apprentissage continu, où les modèles sont constamment formés et réformés sur la base de nouvelles données pour améliorer leur fiabilité dans des conditions difficiles.

Orca AI opère sur certaines des routes maritimes les plus congestionnées de la planète. Quelles avancées en termes de perception, de détection ou de fusion ont permis de passer des systèmes d’alerte traditionnels à une véritable conscience de la situation ?

La percée est venue non pas de l’ajout de plus de données, mais de la rendre plus intelligente et plus actionnable. Les systèmes d’alerte traditionnels ne faisaient que signaler à l’équipage la détection d’une menace potentielle. Nous sommes allés plus loin en combinant les données du radar, de l’AIS et des données visuelles de nos unités SeaPod. En fusionnant ces sources de données, nous avons pu éliminer les signaux non pertinents, réduire le bruit et créer une image plus claire et plus précise de ce qui se trouve autour du navire. Cette fusion intelligente permet à notre système de fournir un contexte – comme le comportement des navires à proximité ou si une situation peut s’aggraver – afin que l’équipage puisse prendre des décisions éclairées et proactives.

La capacité à détecter des comportements de navires inhabituels devient de plus en plus importante. Comment l’IA révolutionne-t-elle la façon dont les flottes identifient les risques tels que la navigation erratique, les collisions ou la piraterie potentielle ?

L’IA permet d’identifier les écarts par rapport au comportement normal plus tôt que les systèmes traditionnels. Au lieu d’attendre qu’un risque, comme une menace de collision ou de piraterie, se développe pleinement, Orca AI analyse en permanence les mouvements des navires, leur vitesse et les conditions environnantes. En surveillant ces modèles en temps réel, le système peut signaler les premiers signes de risque potentiel – comme une navigation erratique ou un comportement inhabituel – ce qui donne à l’équipage le temps nécessaire pour agir. Ce passage à une gestion proactive des risques est clé pour transformer la sécurité et les opérations maritimes.

Orca AI ‘Co-Captain’ permet aux navires de partager des alertes les uns avec les autres en temps réel. Qu’est-ce que cela signale sur l’avenir des réseaux d’intelligence maritime collaborative ?

En permettant aux navires de partager des données et des alertes en temps réel, nous créons un réseau où les navires peuvent apprendre les uns des autres et prendre des décisions plus éclairées. Cela conduira à un passage d’une prise de décision isolée à une approche plus connectée et coopérative. Avec le temps, ces réseaux pourraient s’étendre à l’échelle régionale ou de la flotte, avec pour objectif ultime de fournir un soutien décisionnel plus clair, plus rapide et partagé dans tout l’écosystème maritime. Il s’agit de créer un environnement maritime plus intelligent et plus interconnecté où les risques peuvent être anticipés, et non simplement réagis.

Votre récente levée de fonds de 72,5 millions de dollars a marqué le plus grand tour de financement dans la technologie maritime à ce jour. Comment ce niveau d’investissement modifie-t-il votre feuille de route, notamment alors que l’industrie commence à accélérer vers la navigation autonome ?

Le financement accélère notre mission, nous permettant d’élargir et de mettre à l’échelle plus rapidement. Il ne modifie pas notre feuille de route fondamentale, qui est axée sur le soutien décisionnel intelligent, mais il nous permettra d’investir davantage dans la R&D, la collecte de données et les partenariats stratégiques. Alors que l’industrie se dirige vers l’autonomie, cet investissement nous aide à affiner notre plateforme pour fournir les données en temps réel et fiables nécessaires aux systèmes autonomes pour prospérer. Il renforce notre engagement à soutenir la prise de décision humaine à court terme, tout en préparant l’industrie aux navires autonomes à l’avenir.

Alors que les flottes cherchent à réduire les émissions et à améliorer l’efficacité opérationnelle, où voyez-vous l’IA ayant le plus d’impact à court terme au-delà de la navigation et de la sécurité ?

Au-delà de la navigation et de la sécurité, l’IA peut avoir un impact significatif sur l’efficacité opérationnelle dans des domaines tels que la maintenance prédictive, l’optimisation du carburant et la réduction des émissions. L’IA peut analyser les données de performance en temps réel pour prédire les besoins de maintenance avant qu’ils ne deviennent des problèmes, en garantissant que les actifs sont utilisés de manière plus efficace. Elle peut également fournir des informations sur les modèles de consommation de carburant, aidant les navires à optimiser l’utilisation de carburant et à réduire les émissions. La clé est d’utiliser l’IA pour fournir des informations actionnables qui permettent une prise de décision plus intelligente, ce qui conduit finalement à l’efficacité et à la durabilité.

En regardant cinq ans à l’avance, quel rôle pensez-vous que la conscience de la situation alimentée par l’IA jouera pour rapprocher l’industrie des navires autonomes ou semi-autonomes, et quels jalons doivent être atteints pour y arriver ?

La conscience de la situation alimentée par l’IA sera essentielle pour l’autonomie, mais les plus grands obstacles à venir ne sont pas technologiques – ils sont juridiques et réglementaires. Le défi n’est pas de savoir si l’IA peut détecter les risques ; elle le fait déjà bien. Le véritable défi est de créer le cadre juridique qui clarifie la responsabilité lorsque l’IA soutient la prise de décision, et de garantir que les réglementations évoluent pour régir efficacement l’utilisation de l’IA. Jusqu’à ce que ce cadre soit en place, l’humain reste en commandement. Notre objectif est de continuer à renforcer la prise de décision humaine avec le soutien de l’IA, afin que l’industrie puisse passer en toute sécurité à l’autonomie lorsqu’il en sera temps.

Merci pour cette grande entrevue, les lecteurs qui souhaitent en savoir plus peuvent visiter Orca AI.