L’intelligence artificielle est déjà utilisée dans les centres de recyclage, en particulier dans les centres de tri où les flux de déchets mélangés doivent être séparés rapidement et avec précision. Les applications les plus concrètes ne sont pas des tableaux de bord abstraits ou des concepts éloignés du terrain, mais des systèmes pratiques qui utilisent la vision par ordinateur, le tri optique, la robotique et l’apprentissage profond pour identifier les matériaux, réduire la contamination et améliorer la récupération. L’IA peut-elle révolutionner le tri et le recyclage des déchets plastiques ?
Bien que les exemples ci-dessous proviennent principalement des États-Unis et de la Chine, ces technologies présentent un potentiel important pour améliorer le recyclage des déchets plastiques dans le monde entier. L’un des grands défis du secteur reste le tri, qui dépend encore largement du travail manuel dans de nombreuses régions. Le tri manuel peut être coûteux, irrégulier, difficile à mettre à l’échelle et parfois dangereux, surtout lorsque les flux de déchets sont contaminés ou mal séparés.
Si la gestion des déchets doit fonctionner comme un secteur économique viable, et non seulement comme un service public obligatoire, l’investissement dans des technologies offrant une perspective claire de retour sur investissement devient essentiel. Le secteur privé est plus susceptible d’investir lorsqu’il existe un modèle économique durable reliant la collecte, le tri, la récupération des matériaux et la fabrication de nouveaux produits à partir de déchets plastiques. Les technologies de tri automatisé et fondées sur l’IA ne sont donc pas seulement des améliorations techniques. Elles peuvent faire partie d’un modèle économique plus large qui rend la récupération des déchets plastiques plus efficace, plus prévisible et plus viable sur le plan commercial.
Murphy Road Recycling : surveillance par IA à l’échelle de l’installation
Le centre All American MRF de Murphy Road Recycling, situé à Berlin, dans le Connecticut, est un exemple d’utilisation de l’IA à l’échelle d’une installation de recyclage.
Le centre a déployé des analyseurs d’IA Greyparrot sur ses lignes de tri. Greyparrot a indiqué que le centre All American MRF de Murphy Road Recycling était le premier aux États-Unis à déployer une surveillance par IA à l’échelle de toute l’installation, avec 15 unités Analyzer installées dans l’usine. Ces systèmes utilisent la vision par ordinateur pour surveiller les flux de matériaux et fournir des données sur ce qui circule dans l’installation, notamment la contamination, la composition des matériaux, les taux de captation et les pertes potentielles de matériaux.
Murphy Road a également agrandi son centre avec des trieurs optiques supplémentaires, montrant comment la surveillance par IA peut être combinée avec des équipements de tri automatisé plus traditionnels.
WM South Florida MRF : l’IA et le tri optique à grande échelle
Le centre de recyclage de WM à Pembroke Pines, en Floride, est un autre exemple d’automatisation utilisée à l’échelle industrielle.
Il s’agit d’un centre de tri de 127 000 pieds carrés équipé de 18 trieurs optiques MSS. L’un de ces trieurs optiques est doté d’une technologie d’IA destinée à la récupération des canettes de boissons usagées. Ce système fait partie d’un processus de tri automatisé plus large, qui sépare les matériaux après des étapes de tri mécanique et manuel.
Le centre aurait coûté environ 90 millions de dollars et devrait traiter près de 275 000 tonnes de matières recyclables par an, ce qui en fait l’un des principaux investissements de WM dans les infrastructures de recyclage aux États-Unis.
TOMRA GAINnext : l’apprentissage profond pour le tri à grande vitesse
Le système GAINnext de TOMRA constitue un exemple clair d’intégration de l’IA directement dans des équipements industriels de tri.
GAINnext utilise une classification visuelle fondée sur l’IA et des technologies d’apprentissage profond pour identifier les objets présents dans les flux de déchets. Selon TOMRA, le système peut identifier des milliers d’objets en quelques millisecondes et permettre un tri à haut débit, avec jusqu’à 2 000 éjections par minute selon l’application.
TOMRA présente GAINnext comme une solution d’apprentissage profond destinée au tri de haute précision de plusieurs flux de matériaux. Le système vise à améliorer les niveaux de récupération et de pureté des matériaux recyclables de valeur, y compris dans des applications où les technologies classiques de tri par capteurs peuvent rencontrer des difficultés avec des objets complexes ou superposés.
Ce que ces exemples ont en commun
Ces exemples montrent trois utilisations concrètes de l’IA et de l’automatisation dans les centres de recyclage.
Les systèmes de surveillance par IA, comme Greyparrot, aident les opérateurs à comprendre en temps réel ce qui se passe sur les lignes de tri.
Les systèmes de tri optique intégrant l’IA, comme celui utilisé dans le centre WM South Florida MRF, permettent de récupérer rapidement des matériaux ciblés.
Les plateformes de tri fondées sur l’apprentissage profond, comme TOMRA GAINnext, aident à identifier et à séparer avec plus de précision des matériaux difficiles à classer.
Ensemble, ces exemples montrent que l’IA dans le recyclage dépasse déjà le stade de l’expérimentation. Elle est utilisée dans de véritables installations pour améliorer la récupération des matériaux, accroître la précision du tri, réduire la contamination et soutenir des opérations de recyclage plus efficaces.
Lisez notre article « Déchets plastiques : pourquoi un traité mondial ne suffit pas »