GreenTropism, une start-up qui fait parler la matière avec la lumière
La start-up GreenTropism, spécialisée dans la spectroscopie, a remporté un prêt d’honneur de la Fondation Mines-Télécom en juin dernier. Elle souhaite ainsi renforcer sa R&D et développer son équipe commerciale. Sa technologie basée sur l’apprentissage automatique s’adresse aussi bien aux industriels qu’aux académiques et offre des perspectives d’applications allant de l’environnement à l’IoT.
Votre pull est-il réellement en cachemire ? Quel est le contenu protéique et calorique de votre assiette ? Et si les réponses à ces questions venaient de la seule et même discipline : la spectroscopie. Qualifier et quantifier la matière, tel est le cœur de métier de la start-up GreenTropism incubée à Télécom SudParis. Pour ce faire, les innovateurs ont recours à la spectroscopie. « C’est la discipline qui étudie les interactions entre la lumière et la matière, explique le CEO de GreenTropism Anthony Boulanger. Nous faisons tous de la spectroscopie sans le savoir car notre œil fonctionne comme un spectromètre : il est sensible à la lumière et envoie des signaux qui sont ensuite analysés par notre cerveau. Chez GreenTropism, nous jouons le rôle du cerveau pour des spectromètres classiques à partir de signatures spectrales, d’algorithmes et de machine learning. »
Faire du neuf avec du vieux
GreenTropism s’appuie sur deux techniques mises en œuvre dès les années 1960 : la spectroscopie et le machine learning. La maîtrise de la première s’appuie sur une connaissance aiguë de ce qu’est un photon et de ses interactions avec la matière. Selon le rayonnement utilisé (rayons X, ultra-violet, visible, infrarouge, etc.) les réponses spectrales ne sont pas les mêmes. Selon ce que l’on souhaite observer, la nature d’un rayonnement est plus ou moins adaptée. Ainsi, les rayons UV détectent entre autres les molécules organiques à cycles aromatiques, alors que le proche infrarouge sert à l’évaluation de teneurs en eau par exemple.
La partie machine learning est assurée par des data scientists travaillant main dans la main avec les géologues et les biochimistes de l’équipe R&D de GreenTropism. « C’est important de bien comprendre la matière sur laquelle nous travaillons et de ne pas nous contenter de réaliser du traitement de données », précise Anthony Boulanger. Le machine learning de la start-up a été développé dans le but de traiter plusieurs types de données spectrales. « Dès le début, nous avons mis en place un laboratoire d’analyses au sein de l’Irstea. Nous y évaluons des échantillons avec des spectromètres haute résolution. Cela nous permet de nourrir notre base de données et ainsi entraîner nos propres algorithmes. En spectroscopie, il existe une grande variabilité des données. Elles viennent de l’environnement (bois, compost, déchet, eau), de l’agroalimentaire, des cosmétiques, etc. On peut étudier tout type de matière organique« , détaille l’innovateur.
Le savoir-faire de GreenTropism va plus loin. Leur maitrise des rayonnements infrarouge, visible, UV ainsi que des rayonnements laser (LIBS, Raman), leur permet de proposer une plateforme de logiciels et de modèles agnostiques. C’est-à-dire, adaptables à divers rayonnements et indépendants du spectromètre utilisé. À Anthony Boulanger d’ajouter : « notre système permet l’obtention de résultats en temps réel alors que des analyses classiques dans un laboratoire peuvent prendre quelques heures à plusieurs jours ».
[box][one_half]
[/one_half][one_half_last]
[/one_half_last] [/box]
Crédits : Share Alike 2.0 Generic
Une technologie pour une analyse en temps réel pour tous les niveaux d’expertise
« Notre technologie consiste en une plateforme de machine learning servant à la réalisation de modèles d’interprétation des spectres. C’est-à-dire des logiciels traduisant un spectre en valeur d’intérêt pour un industriel maîtrisant déjà la spectrométrie. Cela permet à celui-ci d’avoir un résultat opérationnel car il peut ainsi contrôler et améliorer la qualité globale de son procédé », développe le CEO de GreenTropism.
Avec un spectromètre classique associé à un logiciel embarqué de GreenTropism, un industriel peut ainsi vérifier la qualité de la matière première au moment de sa livraison et s’assurer du respect de son cahier des charges par exemple. L’analyse continue assure également un suivi de l’ensemble de la chaine de production en temps réel et de manière non destructive. Résultat : c’est l’ouverture pour une analyse systématique de tous les produits finis ou en cours de transformation. Dans ce cas, l’objectif est de caractériser la matière d’un produit. Elle est par exemple utilisée pour dissocier des tissus ou deux essences de bois. GreenTropism s’appuie également sur des partenariats avec des académiques comme l’Irstea ou l’Inra. Ces partenaires leur permettent d’approfondir leurs domaines d’expertise tout en approfondissant leurs connaissances de la matière.
La technologie GreenTropism s’adresse également aux néophytes souhaitant analyser instantanément des échantillons. « Dans ce cas, nous nous appuyons sur notre laboratoire pour construire une base de données de façon proactive avant de mettre en place la plateforme de machine learning », ajoute Anthony Boulanger. Il est alors question de qualification de la matière. Le détail de la composition d’un élément comme la teneur nutritionnelle d’un aliment est une application directe. « Les besoins liés à la spectroscopie restent assez vagues dès que l’on a trait à l’analyse de matière organique. Nous pouvons mesurer des paramètres diffus tel que le niveau de maturité d’un fruit, et d’autres plus concrets comme la quantité de glucose, saccharose etc. d’un produit« .
Vers une démocratisation de la spectroscopie
Les champs d’application sont vastes : environnement, industrie… Mais la technologie GreenTropism s’adapte également à des usages grand public via l’internet des objets, l’électronique grand public et l’électroménager. « L’avantage avec la spectroscopie, c’est que l’on n’a pas besoin d’avoir un contact intime entre la lumière et la matière. Cela facilite d’éventuelles combinaisons avec des appareils de la vie quotidienne et un spectromètre sans que l’utilisateur n’ait à se soucier d’aspects techniques comme le calibrage par exemple. On peut imaginer des machines à café qui permettraient de sélectionner le taux de caféine de notre boisson. On pourrait également suivre l’état de santé de nos plantes grâce à notre téléphone portable » explique Anthony Boulanger. Cette dernière utilisation fonctionnerait comme un appareil photo. Suite à l’émission d’un flash lumineux, le dispositif recevrait une réponse spectrale. À défaut d’obtenir une photographie, l’utilisateur obtiendrait par exemple la quantité d’eau contenue dans son pot de fleurs.
Afin de rendre ces utilisations possibles, GreenTropism travaille sur la miniaturisation des spectromètres. « Aujourd’hui, les spectromètres de laboratoire sont fiables à 100%. Une nouvelle génération dite « miniaturisée » (qui tient dans la main) arrive sur le marché. Toutefois, ces appareils manquent de publications scientifiques abordant les aspects de fiabilité, ce qui sème le doute sur leur valeur. C’est pourquoi, nous travaillons à fiabiliser cette technologie au niveau logiciel. C’est un marché qui nous ouvre beaucoup de portes dont celle du grand public », conclut Anthony Boulanger.
Trackbacks (rétroliens) & Pingbacks
[…] Votre pull est-il réellement en cachemire ? Quel est le contenu protéique et calorique de votre assiette ? Et si les réponses à ces questions venaient de la seule et même discipline : la spectroscopie. Qualifier et quantifier la matière, tel est le cœur de métier de la start-up GreenTropism incubée à Télécom SudParis. Pour ce faire, les innovateurs ont recours à la spectroscopie. « C’est la discipline qui étudie les interactions entre la lumière et la matière, explique le CEO de GreenTropism Anthony Boulanger. Nous faisons tous de la spectroscopie sans le savoir car notre œil fonctionne comme un spectromètre : il est sensible à la lumière et envoie des signaux qui sont ensuite analysés par notre cerveau. Chez GreenTropism, nous jouons le rôle du cerveau pour des spectromètres classiques à partir de signatures spectrales, d’algorithmes et de machine learning. » [Lire la suite] […]
Laisser un commentaire
Rejoindre la discussion?N’hésitez pas à contribuer !