知几 · MurSense

Vidéo de démonstration

Un parcours utilisateur complet, environ 6 minutes

Connexion et visite de l'interface → une question de santé en langage naturel → un diagnostic réel, vérifié par un outil → figures d'ingénierie standard → export vers Word → enregistrement et archivage. Chaque réponse de l'IA à l'écran est une réponse réelle du backend — rien n'est mis en scène.

Conservez ce fichier HTML dans le même dossier que final_fr.mp4 / final_en.mp4 / final_zh.mp4 (avec leurs sous-titres .srt respectifs) pour que le lecteur les trouve.

Le problème

Les ponts changent discrètement, bien avant que les dommages ne soient visibles

• De légers glissements de la fréquence naturelle d'un pont sont souvent le tout premier signe d'un changement structurel — causés par les charges de circulation, les variations de température, le vieillissement des matériaux. Les détecter tôt est ce qui rend la maintenance préventive possible.
• La détection acoustique par fibre optique (DAS) transforme un simple câble en des milliers de capteurs de vibration sur toute la portée de l'ouvrage — couverture complète, aucune zone aveugle, insensible aux interférences électromagnétiques, adaptée à la surveillance de long terme des ponts et tunnels.
• Mais cela déplace le problème : un déluge de données brutes. Des fichiers de plusieurs centaines de mégaoctets ; transformer cela en spectre et en estimation de fréquence modale exige des compétences en traitement du signal que peu d'opérateurs possèdent. La conclusion qui compte vraiment reste enfouie dans une forme d'onde que personne n'a le temps de lire à la main.

« Nous avons les données — nous n'arrivons simplement pas à les lire assez vite pour agir. »

La solution

Posez la question au pont, en langage naturel

• Une question, un verdict. « Comment se porte le pont aujourd'hui ? » renvoie un verdict de santé avec un niveau d'alerte, le raisonnement derrière, et les canaux précis à examiner — en quelques secondes (cache) à moins de deux minutes (recalcul complet), pas en heures.
• Compresse tout le flux de travail en une seule conversation. Données → analyse → diagnostic → interprétation en langage naturel, en un seul échange — plutôt que d'exécuter des scripts à la main et de lire des spectres bruts.
• Sortie d'ingénierie standard. Spectres PSD, fréquences modales, RMS de déformation, alertes à cinq niveaux codées par couleur, et un rapport Word archivable en un clic.
• Conçu pour les non-spécialistes. Toute l'expérience — tableau de bord, assistant, rapports — fonctionne en chinois, anglais ou français, changement en un clic.

L'espace de travail principal : une zone de question, des exemples en un clic pour chaque capacité, et une carte « Identification des charges » explicitement marquée Prévu — le produit ne prétend pas faire cela aujourd'hui.

Pourquoi lui faire confiance

L'IA orchestre ; du code validé calcule

Une question en langage naturel est dirigée par un agent IA vers l'une de trois capacités essentielles, qui confient le calcul réel à un moteur d'algorithmes validés et déterministe, exécuté sur de vraies données de détection DAS — l'IA explique le résultat, mais ne le calcule ni ne l'invente jamais elle-même.

MurSense repose sur une répartition stricte des rôles : le modèle de langage comprend la question, décide quel outil d'analyse appeler, et explique le résultat en langage naturel. Il n'écrit jamais de code d'analyse à la volée et ne touche jamais directement la forme d'onde brute. Le calcul réel — PSD via la méthode de Welch avec détection de pics, un prétraitement par signe pour garder les pics modaux identifiables sous de fortes transitoires de trafic, une chaîne de traitement du signal entièrement testée unitairement (détendance, filtrage, calibration) — s'exécute dans un module d'algorithmes séparé et déterministe. Une conclusion à l'écran n'est jamais un nombre « imaginé » par le modèle ; elle est lue depuis un résultat réellement calculé.

Vert	η ≤ 1%	Normal, aucune action requise
Bleu	1% < η ≤ 2%	Changement mineur, observation de routine
Jaune	2% < η ≤ 4%	À surveiller, augmenter la fréquence de suivi
Orange	4% < η ≤ 8%	Anomalie nette, vérification sur site recommandée
Rouge	η > 8%	Anomalie significative, investigation immédiate recommandée

Données de capteurs réelles → code d'analyse validé → l'agent IA choisit et exécute le bon outil → un diagnostic structuré avec figures et rapport.

Ce n'est pas une maquette

Fonctionne en direct, sur des données DAS de terrain réelles

• Le jeu de données intégré est un enregistrement réel, pas des données de synthèse — des formes d'onde de détection acoustique distribuée provenant d'un pont ferroviaire réellement en service : 1034 canaux sur toute la portée, échantillonnage à 100 Hz en continu.
• Chaque figure à l'écran est calculée au moment de la question. Cartes PSD, pics de fréquence modale, distributions RMS, cartes d'anomalies spatiales — des algorithmes validés s'exécutent en direct sur l'enregistrement brut ; rien dans la démo n'est une image préfabriquée.
• L'étiquette d'outil au-dessus de chaque réponse analytique nomme la fonction exacte qui s'est exécutée (check_bridge_health, run_bridge_analysis) — un lien visible et vérifiable entre ce qui est à l'écran et le code qui l'a produit.

Une réponse réelle : l'outil exécuté, un bilan de santé complet comparé à la référence, et une carte de déviation spatiale — calculés sur l'enregistrement réel du pont, sans mise en scène.

Performance

Conçu pour être rapide sur les questions répétées

Le coût le plus lourd dans ce type d'analyse est le pipeline complet de traitement du signal, pas l'appel au modèle de langage. MurSense met en cache les analyses terminées, donc une question répétée dans les mêmes conditions ne paie pas ce coût deux fois.

Environ 1000 fois plus rapide sur un cache hit par rapport à la base avant optimisation — le produit l'affiche honnêtement : l'assistant annonce clairement quand il exécute le mode approfondi et affiche la progression, plutôt que de faire paraître chaque requête instantanée.

Feuille de route

Ce qui fonctionne aujourd'hui, et ce qui est explicitement prévu

Ces éléments sont présentés comme prévus parce qu'ils le sont réellement — tout ce qui est démontré ailleurs sur cette page fonctionne aujourd'hui, sur des données réelles.

À propos du développeur