Combien coûte, vraiment, une pièce mal assemblée que personne n’a vue ? Dans l’automobile électrique, la réponse a parfois dépassé le milliard. Entre 2017 et 2022, un problème d’assemblage interne dans des cellules produites pour la Chevy Bolt a conduit à un rappel massif, et la facture attribuée au fabricant de batteries a été chiffrée à 1,9 milliard de dollars. Ce n’est pas une anecdote isolée. Volkswagen, Stellantis, Hyundai, Toyota et d’autres constructeurs ont eux aussi traversé des campagnes de rappel liées à des défauts que les contrôles classiques n’avaient pas interceptés à temps. C’est dans cet écart, entre ce que l’usine croit vérifier et ce que la pièce cache réellement, que se glisse une jeune société américaine, Glimpse, qui veut transformer le scanner à rayons X en outil de routine, et non plus en examen exceptionnel.

Le propos n’est pas de remplacer les ingénieurs qualité par un logiciel magique. Il s’agit de lever le goulot d’étranglement qui rend la tomographie assistée par ordinateur, le fameux scanner CT, trop lente pour un échantillonnage sérieux. Eric Moch, cofondateur et directeur général, résume le paradoxe sans détour : une grande partie des incidents majeurs de qualité auraient pu être repérés par imagerie en coupe, mais la cadence actuelle interdit toute statistique digne de ce nom. Glimpse affirme multiplier le débit de 10 à 30 fois sur les machines déjà installées, et prépare, avec des partenaires, un « super scanner » capable d’une acquisition en une ou deux secondes. En parallèle, la société lance Explore, une offre destinée à l’aéronautique, à l’automobile, à l’électronique et aux dispositifs médicaux. Derrière le récit technique se cache une thèse business très lisible pour les équipes marketing, produit et opérations : la qualité invisible devient un argument de marque, un levier de marge et un risque de réputation qu’il vaut mieux chiffrer avant qu’un rappel ne le fasse à votre place.

Pourquoi un défaut interne coûte plus cher qu’un défaut visible

Une rayure sur un boîtier se voit à l’œil, se corrige en fin de ligne, se documente dans un rapport. Un écart de quelques dixièmes de millimètre entre deux couches d’une cellule lithium-ion, en revanche, reste muet jusqu’au jour où la chimie, la chaleur ou un cycle de charge un peu agressif transforme l’anomalie en incident. Le rappel Bolt illustre cette mécanique implacable. Le problème ne venait pas d’un design affiché sur une brochure, mais d’un montage incorrect de composants à l’intérieur des cellules, sur un site de production de LG. Le véhicule partait conforme aux tests de surface. Le risque, lui, voyageait déjà dans le pack.

Les directions financières connaissent la cascade. Il y a le coût direct du remplacement, la logistique des ateliers, l’immobilisation des stocks, les pénalités contractuelles, parfois une provision qui écrase un trimestre. Il y a aussi le coût indirect, plus difficile à isoler dans un tableau Excel et pourtant décisif pour les équipes communication : la confiance. Un constructeur qui rappelle des centaines de milliers de véhicules doit expliquer, rassurer, tenir un discours technique sans paraître opaque. Les médias spécialisés, les forums de propriétaires et les comparateurs d’assurance s’emparent du sujet. La marque paie deux fois, une fois en cash, une fois en attention négative.

Ce schéma ne se limite pas aux batteries. Une soudure interne dans un boîtier aéronautique, une porosité dans une pièce imprimée en métal, un alignement douteux dans un implant ou dans un connecteur médical suivent la même logique. Le défaut naît là où l’œil humain et la caméra 2D ne passent pas. Tant que l’inspection en volume reste un luxe de laboratoire, l’usine continue de raisonner sur des échantillons minuscules. Quelques pièces par jour, parfois une poignée, pour décider du sort de dizaines de milliers d’unités. Statistiquement, c’est une loterie habillée en procédure.

La majorité de ces grands problèmes de qualité auraient pu être détectés par scanner CT. S’ils ne l’ont pas été, c’est parce que c’est beaucoup trop lent pour faire un échantillonnage statistique sérieux.

– Eric Moch, cofondateur et CEO de Glimpse

Le scanner CT, examen roi devenu goulot d’étranglement

La tomographie industrielle n’est pas une nouveauté de laboratoire. Depuis des années, les équipes R&D des équipementiers s’en servent pour comprendre une casse, valider un prototype, documenter un litige fournisseur. La machine tourne autour de la pièce, reconstruit un volume, et l’ingénieur fait défiler des coupes comme un radiologue. Le problème n’est pas la pertinence de l’image. Le problème est le temps.

Acquisition, reconstruction, transfert, ouverture du fichier, nettoyage des artefacts : une séquence peut occuper des minutes, parfois des heures, avant qu’un humain puisse juger. À cette cadence, scanner « pour voir » quelques cellules par jour est déjà un effort. Scanner de quoi tirer une tendance sur une ligne qui sort des milliers d’unités relève de l’utopie. Les responsables qualité le savent. Ils compensent par des tests électriques, des contrôles dimensionnels externes, des audits processus. Ces filets attrapent beaucoup de choses. Ils laissent passer précisément ce que le volume interne dissimule.

Glimpse part de ce constat et refuse l’option la plus coûteuse, celle qui consisterait à demander à chaque usine de racheter une flotte de machines plus rapides. La société écrit son propre pipeline de traitement d’image. Compression, nettoyage, reconstruction accélérée, puis lecture assistée par des modèles de deep learning. Une grande partie du calcul lourd s’exécute sur des ordinateurs en bord de ligne, chez le client. Le nuage ne reçoit qu’une sortie déjà allégée. L’argument commercial est simple à raconter en comité de direction : vous gardez le scanner que vous avez payé, vous changez la manière dont les données en sortent.

Moch évoque un saut de débit de l’ordre de 10 à 30 fois. Traduit en langage d’atelier, cela ferait passer l’inspection de quelques cellules par jour à des dizaines de milliers, à condition que la chaîne logicielle tienne ses promesses sur le terrain. Le « super scanner » développé avec des partenaires viserait, lui, une acquisition en une ou deux secondes. Ce n’est plus le même métier. À cette vitesse, le CT cesse d’être un outil d’expertise ponctuelle et devient un capteur de production, au même titre qu’une caméra ou qu’un banc de test électrique.

Ce que Glimpse change concrètement dans le flux d’image

Le détail technique qui intéresse les équipes data autant que les équipes usine tient en trois mouvements. D’abord, la compression. Un volume CT brut est lourd. Le faire circuler tel quel entre un laboratoire et un siège, ou entre un fournisseur et son client, bloque les revues. Glimpse revendique des images nettes qui s’ouvrent en quelques secondes dans un navigateur, là où l’attente se comptait parfois en minutes ou en heures. Pour une revue fournisseur à distance, ce seul point change la fréquence des échanges.

Ensuite, le nettoyage. Les artefacts de reconstruction, le bruit, les zones ambiguës ralentissent le jugement humain. Un pipeline qui prépare l’image ne remplace pas l’expert, mais il réduit le temps passé à se demander si une tache est un défaut ou un effet de calcul. Enfin, la mesure. Le tableau de bord ne se contente pas d’afficher une jolie coupe. Il calcule les cotes que le client a définies. Dans une cellule, cela peut être l’écart entre couches. Si la série dérive, le logiciel signale l’écart et le surligne sur l’image. L’opérateur voit le défaut qu’il a choisi de surveiller, pas une alerte abstraite.

Ce dernier point est sous-estimé dans les discours sur l’IA industrielle. Un modèle qui « détecte des anomalies » sans montrer où, et sans rattacher l’anomalie à une cote métier, finit dans un tiroir. Un modèle qui apprend des retours du client, se réentraîne, et laisse l’humain vérifier de ses yeux, a une chance d’entrer dans la procédure. Glimpse insiste sur cette boucle. Les algorithmes tiennent compte des annotations des utilisateurs. La qualité n’est pas déléguée à une boîte noire. Elle est accélérée, puis arbitrée.

L’architecture edge plus cloud a aussi une lecture conformité. Beaucoup d’industriels, surtout dans la défense, le médical et l’aéronautique, refusent d’envoyer des volumes bruts hors du site. Traiter lourdement sur place, n’expédier qu’un résultat compressé et déjà interprété, réduit la surface de débat avec les équipes sécurité. Ce n’est pas un détail pour une société qui compte la marine américaine parmi ses clients, aux côtés d’Anker et de Lucid.

Explore, ou comment sortir du seul marché des batteries

Jusqu’ici, le récit de Glimpse collait naturellement aux cellules. Les rappels électriques ont rendu le sujet audible, les acheteurs et les vendeurs de batteries figurent parmi les comptes, et la mesure d’écarts entre couches est un cas d’école facile à raconter. La société élargit pourtant le périmètre avec Explore, présenté en exclusivité à la presse tech américaine début octobre 2026. Le logiciel d’imagerie doit servir dans les laboratoires et les environnements de développement de l’aéronautique, de l’automobile, de l’électronique et du médical, pas seulement sur une ligne de cellules.

Le mouvement est stratégique. Un outil cantonné aux batteries reste exposé aux cycles d’investissement des gigafactories, aux guerres de prix du lithium et aux décisions d’un petit nombre de donneurs d’ordres. Un outil de contrôle volumique qui s’installe dans les labos R&D de plusieurs filières diversifie le risque et multiplie les points d’entrée. Un bureau d’études aéronautique qui valide une pièce imprimée, un équipementier électronique qui dispute une non-conformité avec un sous-traitant asiatique, un fabricant de dispositifs qui doit documenter un lot pour un audit : tous ont déjà, ou pourraient avoir, un scanner CT sous-exploité.

Explore ne prétend pas inventer le besoin. Il prétend rendre usable un équipement que beaucoup d’entreprises possèdent déjà et qu’elles n’osent pas charger, faute de temps opérateur. C’est une logique de produit que les marketeurs B2B reconnaîtront. On ne vend pas une révolution d’usine. On vend la fin d’une file d’attente. Le scanner cesse d’être le goulot, le navigateur devient le lieu de revue, la mesure devient un chiffre partageable en réunion.

Pour une startup hardware, la leçon est directe. Le premier marché qui vous rend célèbre n’est pas forcément celui qui vous rend durable. Les batteries ont offert à Glimpse une histoire lisible, des clients nommés, une douleur chiffrée en milliards. Explore est la tentative de transformer cette histoire en plateforme. Le logiciel reste le même cœur. Les verticaux changent. Les cycles de vente aussi : un labo de développement signe plus vite qu’une ligne de production régulée, et prépare le terrain pour un déploiement ultérieur en usine.

Scan On Demand, le service qui précède la machine

Tous les prospects n’ont pas de tomographe dans le couloir. Glimpse le sait et propose d’envoyer les pièces. Un centre de scan à la demande fonctionne déjà dans la région de Boston. Un second doit ouvrir dans la baie de San Francisco. Le client paie quelques centaines ou quelques milliers de dollars, reçoit des images et des mesures, et n’achète pas un équipement dont le ticket se compte souvent en centaines de milliers, voire davantage selon la résolution et la taille de pièce.

Moch présente ce service comme un marché potentiellement plus large que la seule licence logicielle sur scanner existant. La phrase mérite d’être relue par quiconque construit une offre industrielle. Le service n’est pas un à-côté commercial. C’est un entonnoir. Une équipe produit qui doute encore de l’intérêt du CT peut tester sans immobiliser un budget capex. Le jour où le volume de pièces justifie une machine, le logiciel est déjà connu, les cotes déjà définies, les utilisateurs déjà formés. La bascule se fait sans repartir de zéro.

Ce modèle rappelle d’autres bascules B2B, du cloud qui a précédé l’appliance, ou du laboratoire externe qui a précédé l’interne dans la biologie. Il a aussi ses limites. Expédier une pièce critique, surtout dans la défense ou le médical, suppose des accords, des délais, parfois une impossibilité pure et simple. D’où l’intérêt de tenir les deux bouts : le service pour ceux qui découvrent, le logiciel sur site pour ceux qui ne peuvent pas faire sortir la pièce. Boston et la Bay Area ne sont pas choisis au hasard. Le premier ancre la société près d’un tissu hardware et universitaire dense. Le second la rapproche des donneurs d’ordres électroniques, automobiles et climatiques de la côte Ouest.

Cent clients, un milieu de sept chiffres, et ce que cela dit du stade

Glimpse revendique plus de cent clients, des noms qui parlent aux deux bouts de la chaîne batterie, Anker côté grand public et accessoires, Lucid côté véhicule premium, et la marine américaine côté institutionnel. Le revenu se situerait dans le milieu des sept chiffres. Ce n’est pas une licorne. C’est une société qui a dépassé le stade de la démo et qui encaisse, sans avoir encore la taille d’un éditeur installé de logiciels d’usine.

Pour un lecteur qui suit les startups deeptech, ce palier est le plus intéressant. En dessous, on juge une vision. Au-dessus de quelques millions récurrents, on juge une répétabilité. Le milieu de sept chiffres, avec une base déjà supérieure à cent comptes, suggère un panier moyen encore modeste ou un mélange de petits contrats de scan et de licences plus larges. C’est cohérent avec une offre qui démarre par un service à quelques centaines ou quelques milliers de dollars. La question des dix-huit prochains mois n’est pas « l’idée est-elle bonne ». Elle est « le revenu par compte monte-t-il quand le client passe du scan ponctuel au logiciel quotidien, puis à Explore dans un second vertical ».

Les noms cités servent aussi de preuve sociale différenciée. Anker parle aux équipes qui conçoivent des batteries grand public, banques d’énergie, objets connectés. Lucid parle aux équipes véhicule, où le coût d’un rappel est politique autant que financier. La marine américaine parle conformité, sécurité des données, cycles longs. Un commercial qui aligne ces trois références en une phrase couvre trois objections classiques : « ce n’est que pour l’auto », « ce n’est pas assez sérieux pour le régulé », « c’est trop lourd pour un fabricant d’accessoires ». Reste à transformer la référence en déploiement large. Un logo sur une slide n’est pas un standard d’usine.

Ce que les équipes marketing peuvent tirer d’un sujet aussi technique

Un article sur des coupes de cellules peut sembler loin d’une rédaction marketing. C’est une erreur de cadrage. La qualité interne est en train de devenir un récit de marque, au même titre que l’autonomie, le bilan carbone ou le délai de livraison. Les rappels l’ont imposée. Les acheteurs professionnels, flottes, hôpitaux, compagnies aériennes, donneurs d’ordres défense, demandent désormais des preuves, pas des adjectifs. Montrer que l’on inspecte en volume, à une cadence qui permet une statistique, est un argument que peu de concurrents peuvent copier avec une simple page produit.

Trois usages concrets se dessinent pour les équipes communication et produit.

• Documenter un avantage de fiabilité avec des mesures, pas avec un slogan. Un écart entre couches suivi dans le temps vaut mieux qu’une promesse de « qualité premium ».
• Préparer la crise avant la crise. Une image annotée, partageable en secondes, raccourcit le délai entre l’alerte interne et le message externe.
• Différencier un fournisseur dans un appel d’offres. Le scan à la demande donne une preuve sans attendre l’achat d’une machine, utile pour une PME qui répond à un grand compte.

Il y a aussi un piège. Surjouer l’IA. Les industriels achètent un débit, une cote, une traçabilité. Ils n’achètent pas un adjectif. Les contenus qui performent sur ce sujet montrent la coupe, la mesure, le avant-après de temps de chargement, le coût évité. Ils laissent le mot deep learning en deuxième ligne. Glimpse, dans sa communication rapportée, fait déjà ce choix : le navigateur qui s’ouvre en secondes, la surbrillance du défaut, le prix d’un scan face au prix d’une machine. C’est un storytelling d’acheteur, pas un storytelling de conférence.

Edge, cloud et deep learning : la répartition qui compte

Beaucoup de promesses industrielles échouent sur la tuyauterie. Un modèle impressionnant en démo devient inutilisable si chaque volume doit traverser un VPN saturé avant d’être lu. Glimpse place le gros du travail sur des machines en bord de site. Le cloud reçoit le résultat. Cette répartition mérite d’être expliquée aux directions qui oscillent entre « tout chez nous » et « tout chez l’éditeur ».

Le edge absorbe la reconstruction, la compression, une partie de l’inférence. Il limite la latence et la dépendance au réseau d’usine, souvent moins fiable que les slides d’architecture le laissent croire. Le cloud sert au partage, à l’historique, éventuellement au réentraînement agrégé lorsque le client l’accepte. Le navigateur devient le client léger. Un responsable qualité à Lyon ouvre la même vue qu’un homologue à Detroit, sans installer une suite de reconstruction de plusieurs gigaoctets.

Le réentraînement sur retours utilisateurs est le point le plus délicat. Il fait la force du système, parce qu’un défaut pertinent chez un fabricant de cellules n’est pas le défaut pertinent chez un fondeur de pièces aéronautiques. Il fait aussi le risque, si les annotations sont bruitées, contradictoires, ou si un changement de process n’est pas signalé. Une dérive de modèle en contrôle qualité n’est pas une dérive de recommandation publicitaire. Elle peut laisser passer un lot. Les entreprises qui déploieront Explore devront donc traiter le modèle comme un équipement : versionné, audité, recetté après chaque réapprentissage. Ce n’est pas le discours le plus glamour. C’est celui qui évite le rappel suivant.

Du laboratoire à la ligne : le fossé que le débit doit franchir

Accélérer un scanner de labo n’est pas la même chose que tenir une cadence de ligne. Glimpse le formule d’ailleurs avec prudence en parlant de laboratoires et d’environnements de développement pour Explore, tout en visant, sur les batteries, des dizaines de milliers de cellules par jour. Entre les deux, il y a la qualification, la répétabilité, la gestion des faux positifs, l’intégration aux systèmes qualité déjà en place, souvent un MES ou un outil de non-conformité que personne ne veut remplacer.

Le faux positif est l’ennemi silencieux de ces projets. Un logiciel qui alerte trop souvent finit ignoré, exactement comme une alarme incendie qui sonne pour un toast. Un logiciel qui alerte trop peu reproduit le statu quo, en plus cher. La surbrillance sur image et la cote chiffrée sont des garde-fous, parce qu’elles permettent à l’humain de trancher vite. Encore faut-il que le temps de tranchage reste compatible avec le takt time. Une seconde d’acquisition ne sert à rien si la revue humaine prend vingt minutes et qu’aucune règle automatique n’écarte les pièces clairement dans la tolérance.

Les secteurs visés n’ont pas le même seuil. L’électronique grand public accepte parfois un taux de rebut plus élevé qu’un implant ou qu’une pièce de vol. Le logiciel devra donc porter des politiques, pas seulement des pixels. C’est là que les startups d’imagerie se séparent des startups de démo. Les premières vendent un modèle. Les secondes vendent un workflow signé par la qualité, la production et, souvent, le juridique.

Ce que les rappels électriques enseignent aux autres filières

Le secteur des véhicules électriques a servi de caisse de résonance parce que les volumes ont grimpé vite, que les cellules viennent de quelques fournisseurs mondiaux, et que le grand public comprend immédiatement le mot rappel. Les autres filières ont des dossiers moins médiatiques et des coûts unitaires parfois supérieurs. Une pale, un boîtier de calculateur, une valve médicale n’occupent pas la une. Leur non-qualité, elle, peut immobiliser une flotte ou un bloc opératoire.

L’enseignement transférable est méthodologique. Premier réflexe : identifier les défauts que la caméra 2D ne peut pas voir, et chiffrer le coût historique de ceux qui sont passés. Deuxième réflexe : mesurer le débit réel du moyen d’inspection volumique déjà possédé, pas le débit catalogue. Troisième réflexe : distinguer le besoin labo, où Explore a un sens immédiat, du besoin ligne, où il faudra prouver la tenue dans le temps. Quatrième réflexe : prévoir le scénario sans machine, via un service externe, pour ne pas bloquer un projet sur un capex refusé.

Les constructeurs cités dans les rappels récents, au-delà du cas Bolt, rappellent aussi qu’aucun logo ne protège. Une marque installée peut subir le défaut d’un fournisseur de rang deux. L’inspection partagée, images ouvrables des deux côtés du contrat, devient alors un outil de relation fournisseur, pas seulement un outil interne. Celui qui peut montrer la coupe en quelques secondes tient la réunion. Celui qui promet un fichier « dans la semaine » la subit.

Une lecture investissement : où se situe le risque

Glimpse n’est pas cotée, et les éléments publics restent ceux d’un échange presse : débit annoncé, produits, clients nommés, ordre de grandeur du revenu, géographie des centres de scan. Un investisseur ou un partenaire industriel lira entre ces lignes plusieurs zones de vigilance.

• La dépendance au parc installé de scanners. Si le logiciel accélère l’existant, le marché adressable est borné par le nombre de machines déjà en service, jusqu’à ce que le super scanner élargisse la base.
• Le passage du service au logiciel. Un scan à quelques centaines de dollars remplit le pipeline. Il ne construit pas, seul, une marge de société de logiciel.
• La concurrence des fabricants de machines, qui peuvent intégrer leur propre accélération et verrouiller le format de fichier.
• La preuve statistique. Annoncer 10 à 30 fois plus vite devra se traduire en études de répétabilité acceptées par des qualiticiens, pas seulement en démos.
• La régulation. Aéronautique et médical allongent les cycles. C’est une protection une fois dedans, un frein pour y entrer.

Le point favorable, pour un fonds qui regarde le hardware intelligent, est la présence déjà payante des deux côtés de la chaîne batterie, plus une référence institutionnelle. Peu de sociétés à ce stade cochent ces cases sans avoir dilué le discours. Le risque classique de la deeptech, la belle techno sans acheteur, semble ici moins central que le risque d’exécution : tenir le débit annoncé, ouvrir le second centre, faire d’Explore autre chose qu’un renommage du même moteur.

Comment une PME peut tester sans acheter le tomographe

Tout le monde n’a pas le budget d’un laboratoire Lucid ou d’un programme naval. Le scénario Scan On Demand est pensé pour ce milieu. Une équipe de cinq ingénieurs qui conçoit un pack, un boîtier connecté ou une petite série mécanique peut envoyer quelques pièces, définir trois cotes, et revenir avec des images exploitables en revue client. Le ticket annoncé, de quelques centaines à quelques milliers de dollars, se compare au coût d’un aller-retour de prototype raté, pas au coût d’une machine.

Le geste utile, avant même l’envoi, est de écrire les défauts que l’on refuse de laisser partir. Pas « la qualité ». Des écarts, des porosités, des désalignements, des distances entre couches. Plus la demande est précise, plus le retour est actionnable, et plus le futur modèle, si l’on passe au logiciel, aura de quoi s’entraîner. Les sociétés qui envoient « une pièce pour voir » obtiennent une image. Celles qui envoient une pièce et une spécification obtiennent une décision.

Il faut aussi accepter le délai logistique. Un centre à Boston ou dans la Bay Area n’est pas un bac à l’entrée de l’atelier. Pour une présérie, c’est tenable. Pour un contrôle quotidien, il faudra autre chose, soit un scanner local, soit un partenaire plus proche. L’ouverture du second site est précisément le signal que la société traite le service comme un réseau, pas comme une faveur du siège.

Le super scanner, promesse de cadence ou pari industriel

Une acquisition en une ou deux secondes changerait l’économie du contrôle. À cette vitesse, on ne parle plus d’échantillon de confort. On parle d’un pourcentage significatif de la production, voire d’un contrôle étendu sur les références les plus risquées. Glimpse dit développer cette machine avec des partenaires, sans en détailler publiquement l’architecture. Le prudent est donc de la traiter comme une option, pas comme un acquis du trimestre.

Si le pari tient, la société ne vend plus seulement du logiciel sur le parc existant. Elle influence la prochaine génération de matériel. C’est une position plus forte, et plus exposée. Les partenariats hardware se défont, les délais glissent, les certifications s’allongent. Si le pari ne tient pas à cette cadence, le logiciel sur machines actuelles et le service de scan restent des activités déjà décrites comme génératrices de revenu. La structure de l’offre autorise donc un plan A et un plan B. Peu de narratifs deeptech se donnent cette souplesse.

Pour les usines, la question pratique sera le prix complet : machine, intégration, formation, faux rebuts des premiers mois. Une seconde d’acquisition qui double le taux de rebut apparent, le temps que les seuils se calent, peut être refusée par la production même si la qualité l’applaudit. Les déploiements qui réussissent nomment un arbitre unique entre ces deux fonctions avant le premier lot.

Données, preuves et langage commun entre achat et vente

Glimpse indique servir à la fois des acheteurs et des vendeurs de batteries. Ce détail change la nature du produit. Un outil utilisé d’un seul côté du contrat reste un avantage interne. Un outil ouvert des deux côtés devient une langue commune. L’acheteur ne reçoit plus un certificat PDF. Il reçoit une coupe et une cote. Le vendeur ne subit plus une contestation verbale. Il montre la même vue.

Cette symétrie a une conséquence marketing sous-estimée. Le contenu le plus convaincant n’est pas la page qui vante l’algorithme. C’est le protocole partagé : quelles cotes, quels seuils, quel délai d’ouverture d’image, qui annote, qui tranche. Les entreprises qui formalisent ce protocole dans leurs appels d’offres prendront une longueur d’avance sur celles qui ajoutent simplement « contrôle CT si possible » en bas d’un cahier des charges.

On peut imaginer, sans extrapoler au-delà du raisonnable, que des places de marché B2B de composants critiques finiront par demander ce type de preuve pour certaines références. Ce n’est pas le propos actuel de Glimpse. C’est la direction naturelle d’un marché où le rappel a déjà prouvé que le certificat papier ne suffisait pas. Les équipes data qui construisent des passeports numériques de produit, dans l’automobile ou l’électronique, ont ici une brique visuelle que les tableurs n’offrent pas.

Ce qu’il faut retenir avant d’en parler en interne

Avant d’ouvrir un chantier, une direction peut poser le sujet en une page, sans jargon. Le scanner CT voit l’intérieur. Il est trop lent pour servir de statistique. Un éditeur affirme accélérer l’existant d’un facteur 10 à 30, afficher les cotes dans un navigateur, et proposer un scan externe pour ceux qui n’ont pas la machine. Le produit nouveau, Explore, sort du seul cas batterie. La base clients dépasse la centaine, le revenu est déjà là, sans être celui d’un leader installé. Le cas Bolt rappelle l’ordre de grandeur du risque lorsqu’un défaut interne traverse les contrôles classiques.

• Le goulot n’est pas l’idée du scanner, c’est son débit et le poids de ses fichiers.
• L’IA n’est utile ici que si elle surligne une cote que le métier a définie.
• Le service à la demande est un moyen d’apprendre avant d’investir.
• Explore élargit le discours au-delà des cellules, vers l’aéro, l’auto, l’électronique et le médical.
• La preuve se jouera sur la répétabilité, pas sur la promesse de secondes gagnées.

Les organisations qui traiteront ce sujet comme un projet informatique de plus le rateront. Celles qui le traiteront comme un changement de ce que l’on accepte de ne pas voir auront un avantage, d’abord en laboratoire, ensuite, si les chiffres tiennent, sur la ligne. La pièce critique n’a pas besoin d’un slogan. Elle a besoin d’une coupe que l’on peut ouvrir avant que le client, ou le régulateur, ne l’ouvre à votre place.

Une grille de questions pour le prochain comité produit

Le sujet se prête mal aux effets d’annonce internes. Il se prête bien à une liste de questions, à poser telles quelles en revue de lancement ou en comité qualité. Aucune n’exige d’être client de Glimpse. Toutes obligent à regarder le trou entre le contrôle déclaré et le contrôle réel.

Quels défauts de nos douze derniers mois étaient invisibles en surface ? Quel était le coût complet, remplacement, logistique, image, et pas seulement la pièce ? Combien d’unités avons-nous réellement passées au CT, et en combien de temps, fichiers compris ? Qui, aujourd’hui, sait ouvrir un volume sans appeler un spécialiste unique ? Si ce spécialiste est absent, la revue s’arrête-t-elle ? Avons-nous une cote écrite, ou seulement une impression ? Un fournisseur peut-il contester notre rejet avec la même image ? Un client peut-il exiger cette image dans six mois ? Si nous n’avons pas de machine, quel budget de présérie sommes-nous prêts à mettre sur un scan externe pour trancher un doute de design ?

Ces questions font le tri. Certaines équipes découvriront qu’elles n’ont pas de défaut interne historique, et que le sujet peut attendre. D’autres découvriront qu’elles ont déjà payé, sans le nommer, le prix d’un contrôle trop lent. C’est pour les secondes que l’accélération logicielle, le chargement en secondes et le service à la demande cessent d’être une curiosité de presse tech. Ils deviennent une option de réduction de risque, à comparer au prix d’un rappel, pas au prix d’un abonnement.

Glimpse n’a pas inventé la peur du défaut caché. Elle propose de rendre cette peur mesurable, partageable, et suffisamment rapide pour qu’une statistique tienne dans une journée d’usine plutôt que dans un trimestre de laboratoire. Le reste, Explore, les centres de Boston et de San Francisco, le super scanner, les cent clients, dessine une société qui tente de faire d’un examen rare un réflexe. Les prochains rapports de qualité, dans l’électrique comme ailleurs, diront si le réflexe a pris, ou si le scanner est resté cet appareil impressionnant que l’on n’ose pas charger.