​​​Très performants pour la reconnaissance d'images et de sons, les réseaux de neurones restent toutefois difficiles d'accès pour les industriels en raison de la forte expertise que requiert leur mise en œuvre.
ArcelorMittal, qui cherchait à améliorer sa méthode d'analyse en temps réel des images de ses laminoirs à froid dans le but de détecter d'éventuels défauts de surface, a fait appel aux chercheurs du List, institut de CEA Tech. Ces derniers ont utilisé la nouvelle plate-forme N2-D2 développée au List, laquelle automatise le développement d'applications à base de circuits neuromorphiques en facilitant leur conception et leur programmation. A l'aide de cette plate-forme, les chercheurs ont pu tester différentes configurations et différents supports d'exécution de réseaux de neurones pour trouver le meilleur compromis performances/vitesse de calcul, en un temps record. En moins de trois mois, ils ont proposé une maquette de la solution optimale, atteignant les performances requises (95% de taux de détection) pour une puissance de calcul minimale. Les projections de performances sur l'application à déployer prévoient une vitesse d'analyse multipliée par 130 par rapport aux ordinateurs de bureau classiques.

Au-delà de cette application, N2-D2 ouvre des perspectives intéressantes pour la conception de réseaux de neurones appliqués aux domaines du Big Data et de l'internet des objets.