evidoria

← Retour à la liste

Bonne pratique Importée

Le Catalogue de Performance des Technologies d'Aide à l'Inspection du MLIT — le Système National Japonais de Certification pour la Détection des Dommages sur les Ponts par IA

Japon · Tokyo · Voir le profil de Japon · Voir le profil de Tokyo

Preuves: Observationnel / avant-après Top 6% 87/100 · Demandez à Evidence Copilot à propos de cette pratique

Le MLIT gère un catalogue national certifiant des technologies d'IA et de capteurs pour l'inspection des ponts et tunnels. Le nombre de technologies listées est passé de 12 à 215 (2019-2025), avec un usage obligatoire sur les autoroutes nationales depuis 2022.

12 technologies
Technologies d'inspection répertoriées (fév. 2019) (Feb 2019)
215 technologies
Technologies d'inspection répertoriées (avr. 2025) (Apr 2025)
91 technologies
Technologies de mesure par image répertoriées (Apr 2025)
76 technologies
Technologies de mesure/surveillance répertoriées (Apr 2025)
48 technologies
Technologies de contrôle non destructif répertoriées (Apr 2025)
~40 %
Ponts japonais dont l'âge estimé dépasse 50 ans
Le Catalogue de Performance des Technologies d'Aide à l'Inspection du MLIT — le Système National Japonais de Certification pour la Détection des Dommages sur les Ponts par IA

Détails

Maturité
Établie
Promoteur
Japan Ministry of Land, Infrastructure, Transport and Tourism (MLIT)
Période
2019-2026
Mots-clés
transport infrastructure, computer vision, regulatory certification, public works

Contexte

Le Japon est soumis à une obligation légale d'inspecter visuellement chaque pont routier et chaque tunnel tous les cinq ans ; environ 40 % des ponts du pays devraient avoir plus de 50 ans, ce qui rend l'inspection manuelle de proximité de plus en plus coûteuse et exigeante en main-d'œuvre.

Objectifs

Fournir aux collectivités locales et aux ingénieurs un ensemble validé et comparable de technologies de reconnaissance d'image par IA, de contrôles non destructifs et de mesure/surveillance, comme alternatives à l'inspection manuelle, avec la précision déclarée et le champ d'application publiés pour chacune.

Activités

Le MLIT a lancé le Catalogue de performance des technologies d'aide à l'inspection en février 2019, répertoriant des systèmes d'IA (tels que BMStar) qui détectent et classent automatiquement les fissures, l'écaillage, l'exposition des armatures, les infiltrations d'eau et les efflorescences calcaires à partir de photographies ou d'images orthomosaïques prises par drone, aux côtés de technologies de contrôle non destructif et de surveillance. De nouvelles technologies sont ajoutées lors d'annonces publiques périodiques, et les fiches de performance soumises par les développeurs sont évaluées au regard des critères d'essai standard du MLIT.

Résultats

Le nombre de technologies répertoriées est passé de 12 en février 2019 à 215 en avril 2025 (91 pour la mesure par image, 76 pour la mesure/surveillance, 48 pour le contrôle non destructif). L'utilisation des technologies répertoriées au catalogue est devenue obligatoire pour des postes d'inspection spécifiques des ponts et tunnels des autoroutes nationales à partir de l'exercice 2022, puis étendue aux inspections de chaussées à partir de l'exercice 2023, transformant une liste de référence volontaire en un dispositif de conformité contraignant.

Conclusions

Le catalogue est passé d'une liste pilote volontaire à un dispositif de conformité obligatoire à l'échelle nationale, mais les allégations de précision de chaque technologie sont soumises par les développeurs et examinées par le ministère, sans nouveau test indépendant par un tiers ; la solidité des preuves varie donc selon la technologie répertoriée.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Long (> 3 ans) — Catalog launched February 2019; listings grew from 12 to 215 by April 2025; mandatory use for national-expressway inspections from FY2022, extended to pavement inspections from FY2023.
Personnel et compétences
Managed directly by MLIT (national ministry), Industry-academia-government working groups develop shared AI training data for crack detection, Technology performance sheets and periodic public announcements coordinated by MLIT and the Japan Bridge Engineering Center (JBEC)

Conditions de réussite

  • A pre-existing statutory five-year inspection mandate created guaranteed demand for vetted alternatives to manual close-range inspection
  • Converting a voluntary reference list into a mandatory requirement (FY2022 expressways, FY2023 pavements) drove real adoption
  • Standardised test items let many vendors submit comparable, published performance declarations

Modes d’échec courants

  • Listed accuracy claims are developer-submitted and reviewed against MLIT's standard test items rather than independently re-tested, so evidence strength varies by individual listed technology

Où cela s’applique

Type de gouvernance
national government ministry
Échelle
national (all national-expressway bridge/tunnel inspections)
Niveau de revenu
high-income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Kit de réplication

Artefacts réutilisables de cette pratique — tels que publiés par leurs sources.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles