Contexte et enjeux

Les collisions entre faune et infrastructures coûtent cher et perturbent les services. La FAA estime que les impacts de la faune sur l’aviation civile américaine représentent en moyenne 272 millions de dollars par an entre 1990 et 2025. En France, la SNCF signale plus de 8 000 trains affectés chaque année, dont 120 incidents en Bretagne en 2023 qui ont entraîné 660 services interrompus et plus de 15 000 minutes de retard. Ces chiffres illustrent la nécessité d’une solution capable d’intervenir rapidement, sans recourir aux méthodes traditionnelles (sirènes, clôtures, rapaces).

Architecture du dispositif Flox

Flox propose des unités edge alimentées par batterie qui s’installent sur poteaux, arbres ou structures similaires. Chaque unité intègre un capteur de mouvement qui, dès détection, active une caméra. La caméra exécute des modèles d’apprentissage profond directement sur le dispositif, entraînés sur des comportements animaux afin d’identifier l’espèce et le comportement observé. Une fois l’animal reconnu, le système génère un son spécifique à l’espèce (par exemple, un appel de détresse pour les oiseaux ou un grondement pour les grands mammifères) afin d’éviter l’habituation. Le dispositif apprend en continu : les réponses qui n’entraînent pas de fuite sont ajustées, ce qui réduit le risque de désensibilisation.

Le traitement se fait entièrement on‑device, éliminant le besoin de connexion cloud et garantissant une latence de quelques dizaines de millisecondes, cruciale pour des situations à haute vitesse comme les trains. Le logiciel de gestion centralise la géolocalisation des unités, les logs d’événements et les rapports de conformité réglementaire, tout en offrant une interface de visualisation pour les opérateurs.

Analyse des performances et limites

À ce jour, environ 150 appareils sont déployés en Amérique du Nord, Europe et Australie, couvrant aéroports, corridors ferroviaires, parcs nationaux et sites industriels. Le modèle économique repose sur une vente initiale du matériel, suivie d’un abonnement annuel pour la plateforme logicielle après la première année. Flox prévoit un chiffre d’affaires de 1,5 million de dollars d’ici fin 2026.

Les défis techniques restent importants. La précision de la classification dépend de la qualité des images capturées dans des conditions de faible luminosité ou de météo défavorable, ce qui peut entraîner des faux positifs (déclenchement inutile du son) ou des faux négatifs (non‑détection). De plus, la diffusion de sons spécifiques soulève des questions de conformité acoustique et d’impact sur la biodiversité locale, nécessitant des études d’impact environnemental. Enfin, la dépendance à l’alimentation par batterie impose une gestion stricte de la consommation énergétique, limitant la durée de vie opérationnelle entre les remplacements.

Perspectives et concurrence

Flox vise à étendre son logiciel aux véhicules autonomes, drones et tracteurs, transformant chaque machine extérieure en capteur de faune. L’entreprise a levé 5 millions de dollars en pré‑seed et seed, avec un tour de 10 millions de dollars en série A prévu pour passer de centaines à plusieurs milliers d’unités. Parmi les concurrents, Robin Radar propose le système « Scarecrow » qui utilise des appels de détresse enregistrés, tandis que iCHASE combine vision par ordinateur et laser mobile. Le différenciateur de Flox réside dans la richesse de son jeu de données terrain, qualifié de « ground truth », et dans la capacité de son IA à adapter dynamiquement les réponses.