20 mai 2026
Séparer les workflows par précision, coût et latence aide le FAI à packager le video analytics avec une économie plus rationnelle.
Signal de marché
AWS a présenté trois approches pour comprendre la vidéo avec des modèles multimodaux : analyse par images, segments narratifs et recherche sémantique par embeddings. Pour un FAI, le signal est que toutes les analytiques ne doivent pas tourner de la même façon ; chaque service exige le bon équilibre entre coût, précision et latence.
Lecture pour le FAI
Traiter tous les cas comme s'ils exigeaient le pipeline le plus coûteux détruit la marge. Séparer supervision continue, recherche sur historiques et résumé de scènes permet de définir forfaits, SLA et prix selon la valeur réelle. L'économie d'architecture devient une partie du produit, pas une décision technique cachée.
Lien avec Horus ISP
Horus ISP peut exposer un portefeuille de services visuels sur une même base opérationnelle : caméras, enregistrement, événements, utilisateurs et permissions. L'opérateur choisit quelle analyse activer par client, caméra et politique commerciale, avec une meilleure relation entre service vendu et coût de livraison.
Service ou package activé
- Détection efficace d'intrusion ou de présence prolongée.
- Recherche après événement dans les vidéos retenues.
- Résumés opérationnels pour centres de supervision.
- Offres différenciées pour retail, éducation, logistique et municipalités.
Sources
- AWS Machine Learning Blog. "Unlocking video insights at scale with Amazon Bedrock multimodal models". 2026-03-25. https://aws.amazon.com/blogs/machine-learning/unlocking-video-insights-at-scale-with-amazon-bedrock-multimodal-models/