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

Yarden Gross est un entrepreneur expérimenté avec une grande connaissance et une expérience approfondie 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 financée par des capitaux-risqueurs. Il détient un diplôme 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 plate-forme fusionne les données provenant de caméras, de radars et d’AIS pour créer une prise de 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 tels que SeaPod, FleetView et Co-Captain soutiennent la surveillance des navires, la supervision de la flotte et les données situationnelles 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 sociétés dans le domaine du diagnostic et de la réparation automobile. Qu’est-ce qui vous a motivé à passer du secteur de la mobilité terrestre aux technologies maritimes, et quel problème avez-vous essayé de résoudre lorsque vous avez lancé la société ?

Je suis toujours motivé par le désir de résoudre des problèmes complexes en utilisant des technologies qui font une différence tangible. Mon expérience dans le domaine du diagnostic automobile 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 résolvant les lacunes de l’industrie et en libérant tout le potentiel des données maritimes.

Orca AI a été fondée à une époque où le secteur maritime dépendait encore fortement de pratiques de navigation traditionnelles. Quelles lacunes avez-vous observées dès le début 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 de capteurs modernes et un manque de connaissances exploitables à partir des données collectées. J’ai reconnu que, même si ces systèmes traditionnels 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 connaissances exploitables, 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 situationnelle.

Co-Captain a été décrit comme un « Waze des mers ». Quels étaient les plus grands défis techniques pour construire une plate-forme 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 était de garantir que les systèmes d’Orca AI puissent traiter de grandes quantités de données provenant de sources diverses, telles que l’AIS, le radar et les caméras, et en faire quelque chose en temps réel. Cela nécessitait des algorithmes avancés capables d’interpréter des flux de capteurs complexes et de comprendre le comportement des navires dans différents environnements. Atteindre une échelle mondiale signifiait faire face à une variété d’environnements géographiques, météorologiques et réglementaires, tous nécessitant la construction d’une plate-forme robuste capable d’apprendre et de s’adapter à ces nuances. Construire un système capable de fonctionner sur différents axes de navigation, en intégrant toutes les informations de manière transparente, n’était pas 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 dans le monde réel et de simulation. Nous avons travaillé en étroite collaboration avec des sociétés de navigation pour collecter des données dans le monde réel provenant d’environnements difficiles, en veillant à ce 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 fonctionne sur certaines des voies de navigation les plus congestionnées de la planète. Quelles avancées en matière de perception, de détection ou de fusion ont permis de passer des systèmes d’alerte traditionnels à une véritable conscience situationnelle ?

La percée est venue non pas de l’ajout de plus de données, mais de la rendre plus intelligente et plus exploitables. Les systèmes d’alerte traditionnels ne faisaient que signaler à l’équipage la présence d’une menace potentielle. Nous sommes allés plus loin en combinant les données radar, AIS et 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 – tel que le comportement des navires à proximité ou la possibilité que la situation s’aggrave – 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 collision ou une menace 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.

Le « Co-Captain » d’Orca AI 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 à l’ensemble de 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 récent financement de 72,5 millions de dollars a marqué le plus grand tour de financement dans les technologies maritimes à ce jour. Comment cet investissement modifie-t-il votre feuille de route, en particulier à mesure que l’industrie accélère 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, l’acquisition de données et les partenariats stratégiques. Alors que l’industrie se dirige vers l’autonomie, cet investissement nous aidera à affiner notre plate-forme pour fournir les données en temps réel et fiables nécessaires au bon fonctionnement des systèmes autonomes. 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 grand 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 veillant à ce que les actifs soient 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 connaissances exploitables qui permettent une prise de décision plus intelligente, ce qui conduit à une plus grande efficacité et durabilité.

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

La conscience situationnelle 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 aux commandes. 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 interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Orca AI.