LI Solutions
Préc.

ForrestApp

Une solution IoT complète pour la détection et la localisation en temps réel des émissions environnementales sur de vastes zones reculées

Suiv.
  • 99 %+
    Détection à l'échelle de la minute des anomalies de qualité de l'air avec plus de 99 % de précision
  • ~1 km²
    Chaque capteur IoT couvre environ 1 km², assurant une large couverture sans angles morts, même dans les zones sans infrastructure réseau
Client
ForrestApp (startup IoT environnementale)
Secteur
Surveillance environnementale / IoT
Présentation du client

ForrestApp est une startup en phase d'amorçage dans la climate tech, spécialisée dans la surveillance de la qualité de l'air et des émissions. Son produit phare (le système ForrestApp) aide les entreprises comme les services publics, les mines, les décharges et les exploitations pétrolières et gazières à surveiller en temps réel les émissions de gaz à effet de serre et les polluants atmosphériques.

Ses capteurs « nez numériques » combinent détection de gaz et IA pour localiser l'origine d'une émission. Déployés en réseau, ils sont conçus pour attraper les fuites et les épisodes de pollution assez tôt pour pouvoir agir.

Nous avons construit toute la partie logicielle de zéro, de la colonne vertébrale IoT aux applications.

forrest app screenshot
Énoncé du problème

Surveiller la qualité de l'air sur de vastes zones reculées est extrêmement difficile avec les méthodes traditionnelles. Le client devait détecter rapidement et précisément les fuites de gaz, la pollution ou les fumées d'incendie dans des lieux tels que forêts et sites industriels.

Les solutions existantes (stations fixes ou inspections manuelles) étaient soit trop lentes, soit manquaient de couverture, soit fournissaient une analyse de données insuffisante. Le client voulait un système capable d'identifier des anomalies en temps réel et de localiser la source d'émission à l'échelle d'une petite zone, permettant une réponse rapide avant que des incidents mineurs ne deviennent des catastrophes majeures.

forrest app screenshot
Contexte

ForrestApp devait déployer des capteurs dans des régions reculées (grands ranchs, vignobles, forêts de montagne) souvent sans Internet ni alimentation fiables. La solution devait donc fonctionner hors ligne tout en collectant des données en continu.

Points de friction
  • Lacunes de connectivité

    Beaucoup de sites cibles ont une couverture cellulaire limitée. Le système devait transmettre les données par des moyens alternatifs (par exemple la communication satellite) pour garantir l'absence de perte de données. De même, le personnel sur le terrain avait besoin d'un accès hors ligne aux cartes et aux données des capteurs lors d'interventions sur site.

  • Alertes en temps réel

    Détecter un événement d'émission (comme une fuite de méthane ou un incendie) même quelques heures en retard pouvait entraîner des amendes réglementaires ou des risques de sécurité. Le client exigeait des alertes instantanées et des mises à jour de statut à la minute près pour chaque appareil.

  • Scalabilité et couverture

    Pour couvrir de vastes zones géographiques, plusieurs capteurs seraient déployés (chaque capteur peut surveiller environ 1 kilomètre carré). La plateforme devait gérer des dizaines ou des centaines d'appareils et agréger leurs données dans un tableau de bord unique.

  • Précision et fiabilité

    Les fausses alarmes ou détections manquées devaient être minimisées. L'analyse de la solution devait être robuste et pilotée par l'IA pour garantir une grande précision dans l'identification d'événements d'émission réels, car le client promettait à ses utilisateurs finaux une précision de détection supérieure à 99 %. De plus, les appareils devaient être peu exigeants en maintenance (alimentés par batterie longue durée) et l'architecture logicielle devait être tolérante aux pannes étant donné le caractère critique des données.

Approche

Notre équipe de développement a conçu une plateforme IoT full‑stack répondant aux défis de ForrestApp en combinant une application multiplateforme, la connectivité IoT et une infrastructure cloud.

Nous avons choisi Flutter pour l'application cliente afin d'offrir une expérience uniforme sur Android, iOS et web depuis une seule base de code. Côté backend, nous avons intégré la plateforme IoT ResIOT et les services cloud AWS pour gérer la communication des appareils, le traitement des données et la mise à l'échelle.

La solution a été conçue dès le premier jour avec un état d'esprit offline-first et des capacités temps réel.

forrest app screenshot
Technologies utilisées

Flutter · plateforme IoT ResIOT · AWS (services cloud et IoT) · communication satellite et LoRaWAN · API cartographiques (avec tuiles hors ligne) · MQTT/WebSockets pour les mises à jour en direct

forrest app screenshot
  • Fonctionnalités clés de la solution
    Intégration du réseau de capteurs IoT

    Nous avons connecté un réseau distribué de capteurs environnementaux intelligents (« nez numériques ») au cloud. Chaque appareil était équipé d'une radio LoRaWAN et de capacités de liaison montante satellite pour transmettre les données. En utilisant la plateforme ResIOT, les capteurs communiquent leurs relevés en temps réel à un serveur central, même depuis des sites reculés sans Internet terrestre. Cette colonne vertébrale IoT a assuré une surveillance continue 24/7, les capteurs pouvant transmettre leur télémétrie par satellite si la 4G/LTE n'était pas disponible.

  • Fonctionnalités clés de la solution
    Mode hors ligne et cartes

    L'application mobile ForrestApp (construite en Flutter) a été conçue pour fonctionner de manière fiable hors ligne. Nous avons implémenté un cache de données local pour qu'un utilisateur hors couverture réseau puisse toujours consulter les derniers relevés et statuts synchronisés. Des cartes interactives (basées sur les données OpenStreetMap) sont disponibles en mode hors ligne via le téléchargement préalable de tuiles, permettant aux techniciens de terrain de naviguer jusqu'aux capteurs et de consulter les zones de couverture sans connectivité. Cette approche offline-first était essentielle pour une utilisation sur le terrain et dans les déploiements ruraux.

  • Fonctionnalités clés de la solution
    Surveillance et alertes en temps réel

    Le système fournit des mises à jour de statut d'appareil en temps réel et des alertes d'anomalie instantanées. Nous avons exploité les canaux MQTT et WebSocket (via ResIOT et les services AWS IoT) pour pousser les données en direct vers le tableau de bord de l'application. Au moment où un capteur détecte un relevé anormal (par exemple un pic de méthane ou de particules de fumée), une alerte est générée sur la plateforme. Les utilisateurs reçoivent des notifications push et peuvent voir l'événement sur la carte avec le capteur concerné mis en évidence. L'analyse backend, propulsée par les algorithmes IA de ForrestApp, filtre le bruit et les faux positifs, pour que seules les menaces crédibles déclenchent des alertes. Les opérateurs voient l'événement pendant qu'il se produit, pas dans le rapport de la semaine suivante.

  • Fonctionnalités clés de la solution
    Tableau de bord et plateforme unifiés

    Nous avons développé un tableau de bord convivial accessible à la fois via l'application mobile et un portail web. Toutes les données des capteurs sont centralisées sur cette plateforme. L'interface permet au client et à ses utilisateurs de consulter les relevés courants, les tendances historiques et les analyses pour chaque capteur ou groupe de capteurs. Les indicateurs clés (concentration de gaz, état de la batterie, force du signal) sont mis à jour en direct. Nous avons intégré les capacités de widgets de ResIOT pour inclure des graphiques, des contrôles d'appareils et des vues cartographiques des emplacements de capteurs sur le tableau de bord. Tout atterrit au même endroit, sur tous les sites.

  • Fonctionnalités clés de la solution
    Infrastructure cloud robuste

    Le backend tourne sur AWS. Les données des capteurs sont ingérées en temps réel et déclenchent des fonctions serverless qui exécutent la détection d'anomalies et envoient les notifications. L'infrastructure passe de 10 à 10 000 capteurs sans intervention manuelle, et la télémétrie est stockée sur plusieurs zones de disponibilité avec bascule automatique, parce qu'un système de surveillance qui tombe en panne est pire que pas de surveillance du tout.

Glisser
01
02
03
  1. Détails de la mise en œuvre
    Phase 1. Évaluation initiale et conception
    • Lors de cette phase, nous avons travaillé étroitement avec le client pour recueillir les besoins et comprendre le workflow de surveillance environnementale. Nous avons défini l'architecture du système, en choisissant Flutter pour l'application et en identifiant ResIOT comme plateforme IoT adaptée à la gestion des appareils et à la communication. L'équipe a planifié des fonctionnalités clés comme le fonctionnement hors ligne, les alertes temps réel et l'intégration du modèle de détection d'anomalies par IA du client. Nous avons créé des wireframes pour l'interface utilisateur (tableau de bord et écrans mobiles) et conçu le schéma de base de données sur AWS pour stocker les données des capteurs et les journaux d'événements.
  2. Détails de la mise en œuvre
    Phase 2. Développement et intégration
    • Nos ingénieurs ont développé l'application Flutter et le backend cloud en parallèle. Côté frontend, nous avons implémenté une UI intuitive avec tableaux de bord, cartes et contrôles d'appareils, en assurant une UX fluide à la fois sur mobile et sur desktop. Nous avons intégré une fonctionnalité cartographique avec cache hors ligne pour que les utilisateurs puissent télécharger les cartes de leurs sites. En parallèle, l'équipe d'intégration IoT a configuré la plateforme ResIOT pour enregistrer les capteurs ForrestApp et mettre en place les connecteurs de données. Nous avons écrit des services backend sur AWS (avec AWS Lambda et API Gateway) pour interfacer avec le flux MQTT de ResIOT, traitant les données entrantes en temps réel. Pendant cette phase, nous avons aussi intégré la logique IA du client : les données capteur étaient alimentées dans un algorithme de détection d'anomalies (en edge ou dans le cloud) pour déterminer si un événement d'émission se produit. Le développement était itératif, avec des démos hebdomadaires au client, ce qui nous a permis d'intégrer le feedback sur des aspects comme les seuils d'alerte et les analyses de reporting.
  3. Détails de la mise en œuvre
    Phase 3. Tests, déploiement et lancement
    • Nous avons mené des tests approfondis du système complet. Cela incluait la simulation de données capteur pour tester les alertes en temps réel, des tests de scénarios hors ligne (utilisation de l'application sans Internet pour s'assurer de la persistance des données) et des tests sur le terrain avec du matériel réel. Nous avons affiné les workflows de communication satellite pour gérer la connectivité intermittente avec élégance (par exemple, en mettant les relevés en mémoire tampon si un passage satellite était retardé). Une fois validés, nous avons déployé les composants cloud dans l'environnement AWS du client et publié l'application Flutter sur l'App Store / Play Store pour une mise à disposition contrôlée. Lors de son premier déploiement sur le terrain, le système a détecté un dégagement de gaz test en moins de deux minutes.

Résultats et impact

Réponse en temps réel
détection et action en quelques minutes, minimisant les risques d'accidents, de dommages environnementaux et de sanctions
Large couverture, moins d'angles morts
environ 1 km² par capteur, surveillance continue sans angles morts, y compris dans les zones reculées
Haute précision, moins de fausses alarmes
précision supérieure à 99 % grâce à l'analyse pilotée par l'IA, avec une réduction spectaculaire des fausses alarmes
Efficacité opérationnelle améliorée
le tableau de bord centralisé augmente l'efficacité opérationnelle d'environ 30 %, en remplaçant les vérifications manuelles par des insights automatisés
Impact client
lancé auprès de clients pilotes et devenu le cœur de l'offre commerciale du client

Stack technique

avant la mise en œuvre de forrest app
Avant la mise en œuvre

La surveillance environnementale était réactive et fragmentée. Les clients du client s'appuyaient sur un patchwork de capteurs locaux, d'inspections manuelles périodiques et de reporting a posteriori. La couverture était limitée et la détection d'une source d'émission pouvait prendre des heures, voire des jours.

après la mise en œuvre de forrest app
Après la mise en œuvre

ForrestApp fournit un système de surveillance unifié et proactif. Des capteurs IoT automatisés détectent en continu les anomalies et, dès qu'une anomalie apparaît, une alerte avec l'emplacement précis est envoyée. Ce qui était auparavant un processus lent et manuel est désormais une opération instantanée et pilotée par la donnée. Par exemple, un opérateur de décharge utilisant ForrestApp peut localiser une fuite de gaz immédiatement sur la carte numérique, au lieu de parcourir des hectares de terrain — réduisant drastiquement le temps de réponse et améliorant la sécurité.

Points clés à retenir
La détection précoce fonctionne à l'échelle du terrain

Associer réseaux de capteurs et détection d'anomalies par IA a fait passer la détection des fuites et de la pollution de quelques heures à quelques minutes, à une échelle où l'inspection manuelle n'a jamais été réaliste. Pour les industries concernées, c'est la différence entre une ligne dans le journal des incidents et une amende.

Points clés à retenir
Conçu pour le hors ligne et l'usage à distance

L'offline-first était le bon choix. Le backhaul satellite et le cache local maintiennent le système en marche dans des endroits sans aucune connectivité, exactement là où les capteurs sont le plus nécessaires.

Points clés à retenir
Efficacité multiplateforme avec Flutter

Une seule base de code Flutter a couvert iOS, Android et le web, ce qui comptait avec un budget de startup. L'UI identique d'une plateforme à l'autre a aussi simplifié la formation des utilisateurs.

Points clés à retenir
Scalabilité et durabilité

Le socle AWS et ResIOT absorbe la croissance en capteurs et en régions sans retravail. La longue autonomie des batteries et les mises à jour OTA maintiennent le coût d'exploitation assez bas pour qu'une startup puisse réellement faire tourner la flotte sur le long terme.

Points clés à retenir
Construit avec le client, chaque semaine

Les démos hebdomadaires et les tests itératifs avec l'équipe de la startup ont calé les seuils d'alerte et les fonctionnalités du tableau de bord sur des attentes réelles. Pour un produit inédit, cette boucle de feedback a fait la différence entre livrer leur idée et livrer la nôtre.

Besoin d'une solution similaire ?

Si vous déployez des capteurs sur le terrain et que la partie logicielle doit être aussi fiable que le matériel, parlons-en. Nous concevrons tout le pipeline, de l'appareil au tableau de bord.

Nous contacter