Une scie circulaire n’a pas besoin de devenir un robot pour entrer dans une chaîne de fabrication numérique.
Au laboratoire IBOIS de l’EPFL, une machine électroportative ordinaire reçoit plutôt une caméra, un petit écran et un ordinateur portable. Le charpentier garde la scie en main. Il choisit toujours quand couper. Ce qui change se trouve entre le modèle CAO et le geste : la pièce de bois est cartographiée, l’outil est suivi, puis l’écran indique si la lame se trouve au bon endroit, au bon angle et à la bonne profondeur.1
Cette différence paraît minuscule jusqu’à ce qu’on regarde comment la fabrication numérique du bois s’organise d’habitude. Les workflows les plus précis déplacent volontiers le travail vers une CNC ou une cellule robotisée. Augmented Carpentry fait le mouvement inverse. Le projet essaie de ramener le modèle numérique vers les outils déjà présents dans l’atelier.
Le programme de recherche s’est étendu de 2022 à 2025. Son système final est open source, plusieurs briques ont été publiées séparément, et l’article de synthèse de 2025 évalue la chaîne entière sur des structures bois à l’échelle 1:1 plutôt que de s’arrêter à une démonstration séduisante.1 2 3
C’est la partie importante. Une démo de réalité augmentée peut sembler magique pendant trente secondes. Le vrai sujet commence quand la caméra perd sa carte, quand la poutre s’allonge, quand les copeaux remplissent l’image, quand l’outil vibre, quand la pièce change de forme après une entaille et qu’il faut quand même couper juste.
Augmented Carpentry est intéressant parce que la réponse n’est ni « tout fonctionne », ni « c’est un gadget ». Le projet reste dans la zone beaucoup moins photogénique entre les deux.
L’outil reçoit une couche numérique, pas un nouveau corps
Le montage matériel est volontairement banal.
Dans le système décrit par l’article de 2025, l’outil modifié embarque une caméra monoculaire RunCam2 en 1080p, un écran tactile de sept pouces, des bras articulés et un support imprimé en 3D adapté au modèle de machine. Un Intel NUC portable exécute le traitement d’image et l’interface. Le module caméra-écran peut passer d’un outil à l’autre grâce à une fixation magnétique, tandis que chaque outil conserve son support propre et une représentation numérique calibrée de sa tête.1
L’équipe a intégré plusieurs scies circulaires, une scie à onglet, des perceuses avec plusieurs forets et même une tronçonneuse. L’enjeu n’est pas de prétendre que tous les outils deviennent identiques. L’idée est que la couche coûteuse en calcul et en perception peut être partagée, tandis que la partie qui coupe reste un outil d’atelier reconnaissable.1
Ce choix est très différent d’une machine conçue autour du processus numérique.
Une CNC sait où se trouve sa broche parce qu’elle commande ses axes. Un robot sait où se trouve son outil parce que la position de chaque articulation appartient au système de contrôle. Une personne qui tient une scie circulaire casse cette relation propre. Il faut observer l’outil depuis l’outil lui-même et estimer en continu où passe la lame par rapport à une pièce qui peut bouger, tourner, se couvrir de poussière et changer de géométrie à mesure qu’on enlève de la matière.
Le projet consacre donc beaucoup d’ingénierie à une question qui disparaît presque dans une CNC : où se trouvent exactement l’outil et la pièce, maintenant ?
Avant de couper, il faut transformer la poutre en carte
Le bois n’est pas traité comme un simple bloc sur lequel on collerait un hologramme.
Augmented Carpentry commence par cartographier la pièce. Des marqueurs fiduciaires sont disposés sur la poutre puis enregistrés par la caméra. Le système construit une carte locale et verrouille ensuite le modèle numérique d’exécution sur cette géométrie physique.1
Ce verrouillage soutient tout le reste.
Si l’overlay dérive de quelques millimètres, l’interface la plus élégante du monde devient seulement une manière très convaincante de couper au mauvais endroit. Le modèle ne peut donc pas flotter « à peu près » au-dessus du bois. Il doit rester attaché à la pièce pendant que la caméra se déplace avec la machine.
Le flux décrit dans l’article ressemble davantage à une chaîne de fabrication qu’à une application AR classique. Le modèle est exporté depuis l’environnement de conception. La vraie poutre est équipée de tags et cartographiée. Le modèle d’exécution est chargé puis associé à cette carte. Ce n’est qu’ensuite que le système peut afficher le guidage d’une opération particulière.1
Le résultat visuel reste simple. Pour un trait de scie, l’opérateur reçoit des indications de position, d’orientation et de profondeur. Pour un perçage, l’écran montre si l’angle de la perceuse et le point d’entrée correspondent au trou prévu dans le modèle. La personne bouge jusqu’à ce que les indicateurs convergent, puis elle réalise le geste.1
Aucun bras robotique ne vient corriger le mouvement.
Ce n’est pas une fonction oubliée. C’est la thèse du projet.
Le système s’arrête volontairement avant l’automatisation
Les auteurs décrivent Augmented Carpentry comme un système de feedback plutôt que comme un contrôleur qui impose une séquence rigide. Le logiciel expose des mesures et des guides, mais l’utilisateur décide comment et quand agir.1
Le choix devient plus clair si on le compare à Shaper Origin, héritier commercial de travaux précédents sur les outils manuels guidés par ordinateur. Shaper Origin reste tenu à la main, mais sa broche peut effectuer de petites corrections locales pendant que la personne suit globalement un tracé. L’article d’Augmented Carpentry cite cette filiation puis s’attaque à un autre problème : des opérations de charpente sur des composants plus grands, avec plusieurs outils ordinaires et un modèle qui connaît la pièce elle-même.1
La différence est subtile mais utile.
Une voie demande quelle quantité du mouvement de coupe un outil portable peut corriger. L’autre demande quelle quantité de précision computationnelle on peut ajouter sans retirer le mouvement à l’opérateur.
Cela laisse davantage de responsabilité à la personne, donc davantage de variabilité. En échange, chaque opération ne nécessite pas de transformer un outil en nouvelle machine mécatronique spécialisée.
On pourrait presque résumer l’expérience ainsi : le projet teste si le calcul peut devenir un gabarit.
Un gabarit physique encode une décision dans un morceau de matière. Il empêche ou guide un mouvement parce que sa forme contraint l’outil. Un plan d’atelier encode cette décision dans des cotes, puis le professionnel la traduit en traits, repères et montages. Augmented Carpentry tente de déplacer ces deux fonctions dans un overlay vivant : le modèle CAO devient la référence, la caméra le maintient attaché au bois, puis l’écran dit à quelle distance l’outil se trouve de l’opération prévue.
Le charpentier fournit toujours la force, la dextérité et une partie du jugement.
L’ordinateur fournit une réponse mise à jour en continu à la question : « où devrait être cet outil ? »
Pourquoi un écran plutôt qu’un casque
Un casque semble être l’interface évidente pour un projet de réalité augmentée. Les chercheurs ont testé des approches proches dans les travaux antérieurs, notamment autour de HoloLens, puis expliquent pourquoi la version finale ne part pas de cette hypothèse.1 4
Un casque ajoute un problème de localisation. Il faut connaître la pose du casque, celle de l’outil et la relation des deux avec la pièce. Les erreurs de calibration s’additionnent. L’éclairage peut perturber le suivi. Les marqueurs doivent rester visibles depuis la tête de l’utilisateur. Et l’on finit avec du matériel porté sur le visage de quelqu’un qui manipule une scie ou une perceuse.
La version finale fixe plutôt caméra et écran sur l’outil. La caméra conserve ainsi une relation stable avec la tête de coupe et l’utilisateur regarde un écran familier plutôt qu’un hologramme flottant.1
C’est moins spectaculaire.
C’est aussi un bon rappel : l’interface la plus futuriste n’est pas forcément celle qui possède le moins de modes de panne.
On retrouve ce motif partout dans le projet. L’équipe accepte davantage de préparation pour réduire l’ambiguïté au moment du geste : supports imprimés plutôt que montage universel, marqueurs plutôt que prétendre que le tracking sans repère est résolu, cartographie explicite de la poutre plutôt qu’alignement à l’œil, informations visuelles précises plutôt qu’interprétation automatique de ce que l’opérateur devrait faire.
Le système semble avancé parce qu’il utilise la vision par ordinateur. Une grande partie de son ingénierie consiste surtout à refuser les approximations invisibles.
Puis l’équipe a scanné ce que les gens avaient réellement fabriqué
La campagne d’évaluation constitue la partie la plus forte du projet.
L’article de 2025 rapporte 166 assemblages ou joints fabriqués sur 57 éléments en épicéa blanc de 0,5 à 3,8 mètres. Les essais utilisent des mock-ups structurels à l’échelle 1:1, pas de petites éprouvettes posées sur une table. L’équipe de fabrication est composée de deux personnes : un stagiaire inexpérimenté et un charpentier de niveau intermédiaire.1
Après fabrication, les chercheurs ont scanné les poutres individuelles puis les structures assemblées. Ils ont recalé les nuages de points obtenus sur les modèles CAO et mesuré où la géométrie fabriquée s’écartait de la géométrie prévue.1
C’est beaucoup plus utile que demander si l’overlay « semblait précis ».
Pour la localisation des joints, le papier rapporte une erreur moyenne inférieure à 3 mm sur l’ensemble. Si l’on retire le prototype initial comprenant des poutres dépassant trois mètres, l’erreur moyenne descend à 2,3 ± 1,3 mm. Les données montrent aussi la faiblesse : l’erreur augmente avec la longueur des éléments et la cartographie des pièces les plus longues s’est révélée assez instable pour produire des cartes déformées ou des échecs complets.1
L’évaluation sépare aussi différentes erreurs d’exécution. L’erreur moyenne d’angle de sciage reste sous le degré dans l’ensemble présenté. Les mesures de perçage montrent elles aussi des écarts faibles mais bien réels sur l’orientation et le point d’entrée.1
Ces valeurs ne signifient pas « la vision par ordinateur transforme un novice en charpentier de précision ». L’expérience n’est pas conçue pour démontrer cela et elle ne fournit pas de groupe contrôle permettant une telle conclusion.
Le résultat est plus étroit et plus intéressant : une chaîne de fabrication manuelle guidée par caméra peut transporter un modèle numérique jusque dans des opérations de sciage et de perçage réelles avec des erreurs millimétriques sur des éléments de taille réelle, jusqu’au moment où les hypothèses de tracking et de cartographie commencent à céder.
Voilà un résultat qu’on peut réellement discuter.
Le principal mode de panne est la pièce qui devient plus difficile à voir
Le bois long expose la fragilité fondamentale du tracking « inside-out ».
Une cellule robotisée peut entourer son espace de références fixes et de capteurs extérieurs. Augmented Carpentry veut que le capteur voyage avec l’outil, car c’est ce qui rend le système portable. Le prix à payer est que la petite caméra locale doit reconstruire assez de la pièce pour rester orientée.
L’article décrit plusieurs problèmes. Les poutres plus longues rendent la cartographie moins robuste. La poussière et les copeaux ajoutent du bruit visuel. Les vibrations perturbent la caméra. La géométrie de l’objet change à mesure que les joints sont taillés. Une caméra proche de la surface ne voit qu’une portion limitée de la poutre et l’optique grand-angle ajoute ses propres déformations.1
Il y a une inversion assez comique dans cette situation.
Le logiciel connaît le modèle CAO avec une précision mathématique parfaite, mais il doit quand même reconnaître un vrai morceau de bois à travers une caméra fixée sur une scie qui vibre.
C’est là que « logiciel et matière » cesse d’être une jolie formule. La matière produit de la poussière. Elle bouge. Elle reçoit une entaille qui modifie la silhouette que le système connaissait cinq minutes plus tôt.
Le projet absorbe une partie de cette complexité avec des tags et une cartographie explicite. Il ne la supprime pas.
Pour les poutres qui dépassent environ trois mètres dans la campagne publiée, l’erreur de mapping devient assez importante pour dégrader nettement la localisation des joints.1 C’est une limite sérieuse, car la charpente a la mauvaise habitude de fabriquer des choses plus grandes qu’un écran d’ordinateur.
Un système déployable devrait donc améliorer la cartographie, ajouter d’autres stratégies pour les longues pièces, employer des capteurs complémentaires ou apprendre à reconnaître quand sa confiance de localisation tombe sous un seuil acceptable.
Un indicateur vert n’est utile que si la machine sait aussi avouer quand elle ne sait plus où le vert devrait se trouver.
Un ancien prototype de perceuse montre pourquoi le projet a pris plusieurs années
Le framework final n’est pas apparu d’un bloc.
Un travail publié en 2022 testait une version beaucoup plus étroite : une perceuse électrique ordinaire intégrée à une chaîne AR pour guider des perçages inclinés dans le bois.4 Cette étape isolait déjà les problèmes de pose de l’outil, d’enregistrement de la pièce et de guidage avant d’étendre le système à plusieurs machines.
En 2024, TTool s’est concentré sur une brique encore plus spécifique : détecter dans l’image la pose à six degrés de liberté des têtes d’outils. Le système final d’Augmented Carpentry intègre ce détecteur pour calibrer la relation entre la caméra et la lame, le foret ou la chaîne suivie.1 5
Ces résultats intermédiaires comptent parce qu’ils ne sont pas l’erreur finale d’une pièce fabriquée.
On peut localiser correctement une lame et quand même rater le joint parce que la carte de la poutre est fausse. L’overlay peut être juste et le geste humain imparfait. Chaque joint peut être acceptable puis les tolérances s’accumuler au moment d’assembler une structure.
L’article final mesure donc la chaîne complète.
Cette progression, prototype de perceuse, détecteur de tête d’outil, puis campagne complète sur des structures, explique pourquoi le sujet mérite un format long. Elle rend visibles toutes les couches qui séparent « nous savons suivre une machine » de « nous savons fabriquer de manière répétable un composant de bâtiment ».
Beaucoup de démos de recherche meurent discrètement dans cet espace.
Augmented Carpentry y entre volontairement.
La fonction la plus étrange est peut-être le journal de fabrication
Une autre brique passe facilement inaperçue car elle n’aide pas directement à réussir la coupe.
Augmented Carpentry peut enregistrer l’état 3D des opérations. Le système conserve les positions d’outil et les choix effectués, puis peut rejouer la séquence dans un environnement numérique.1
Le workflow devient alors plus qu’une règle augmentée.
Un fichier CAO décrit ce que la pièce devait devenir. Un scan décrit ce qu’elle est devenue. Un journal d’exécution peut décrire comment elle y est arrivée.
Le papier présente cela comme une piste vers l’inspection, la traçabilité et, à terme, des formes de certification numérique. Cette dernière étape reste une proposition, pas un résultat démontré par la campagne. Mais la capacité sous-jacente est réelle : une déviation peut être reliée à une séquence de gestes au lieu d’être découverte uniquement sur la géométrie finale.1
Pour un métier artisanal, cette idée possède deux faces.
La documentation peut transmettre un processus. Elle peut aider à comprendre à quel moment une tolérance commence à dériver. Elle peut permettre à quelqu’un de rejouer une opération au lieu de recevoir seulement l’objet final et un modèle CAO parfaitement propre.
Elle peut aussi transformer le travail manuel en une suite d’événements de plus en plus mesurables.
Le projet ne tranche pas ce qu’il faudrait enregistrer, qui devrait posséder ces données ni si le journal devient un outil pédagogique ou un outil de management. Il rend seulement la question techniquement possible.
C’est déjà beaucoup plus intéressant qu’une promesse vague de « digital twin ».
La précision numérique ne supprime pas le savoir-faire, elle déplace certains repères
La tentation serait de raconter Augmented Carpentry comme un outil destiné aux personnes qui ne savent pas travailler le bois.
La campagne inclut effectivement un stagiaire inexpérimenté. Mais le papier ne compare pas proprement novice, professionnel, travail avec assistance et travail sans assistance. Il serait donc faux d’en conclure qu’un écran compense une compétence artisanale.1
Le système retire surtout certaines traductions cognitives de la chaîne.
Avec une méthode traditionnelle, un modèle numérique doit souvent devenir un plan, puis des cotes, puis des traits, puis un gabarit ou une vérification au mètre. Chaque transformation demande un savoir-faire et peut introduire une erreur. Augmented Carpentry tente de conserver davantage longtemps le modèle sous forme numérique et de repousser sa traduction jusqu’au moment du geste.
Cela ne signifie pas que le geste devient trivial.
L’outil peut indiquer un angle. Il ne choisit pas forcément la meilleure manière de tenir la pièce. Il ne ressent pas la fibre. Il ne décide pas spontanément qu’un nœud impose de changer l’ordre de coupe. Il ne sait pas, dans l’état publié, convertir toute la connaissance tacite du charpentier en contraintes numériques.
La compétence qui disparaît partiellement est plus précise : reporter, marquer et maintenir certains repères géométriques entre le modèle et la matière.
D’autres compétences deviennent au contraire plus importantes. Il faut calibrer le système. Comprendre ce que l’overlay mesure. Savoir détecter quand le tracking devient douteux. Garder assez de jugement pour ne pas suivre aveuglément une interface qui possède elle aussi des tolérances.
L’utilisateur n’est pas remplacé par la machine.
Il devient le dernier étage d’un instrument de mesure beaucoup plus complexe.
Le projet attaque aussi un problème économique, mais ne le résout pas encore
Les auteurs inscrivent leur travail dans un contexte industriel précis. Ils opposent les cellules automatisées coûteuses et centralisées aux petites entreprises de construction qui disposent déjà d’outillage et de main-d’œuvre qualifiée.1
Le retrofit promet alors une voie intermédiaire : garder des machines existantes, ajouter des capteurs et du calcul, et obtenir une partie des bénéfices du flux numérique sans installer une cellule robotique complète.
L’intuition est crédible. La démonstration de coût, elle, reste incomplète.
Les sources ouvertes consultées détaillent les composants mais ne donnent pas un coût total stabilisé du kit, encore moins un coût complet de déploiement en atelier avec calibration, maintenance, formation et temps perdu lorsqu’un mapping échoue.
Il ne faut donc pas écrire que le système est « moins cher qu’une CNC » comme s’il existait déjà un devis industriel comparable.
Ce que l’on peut dire est plus sobre : l’architecture réutilise des outils électroportatifs existants et concentre la nouvelle complexité dans une couche de capteurs, de supports et de calcul.1
C’est une proposition de distribution différente de l’investissement, pas encore une preuve comptable.
Cette nuance est aussi ce qui rapproche le projet de plusieurs thèmes centraux d’IRZ : réparer plutôt que remplacer, augmenter une infrastructure plutôt que la jeter, conserver une part du travail humain quand l’automatisation totale n’est ni nécessaire ni forcément souhaitable.
Le vrai concurrent n’est peut-être pas le robot
Au premier regard, Augmented Carpentry semble opposer l’artisan au robot industriel.
La comparaison la plus intéressante est peut-être ailleurs.
Le système est en compétition avec un crayon, un mètre, un gabarit, une fiche de débit et toutes les petites procédures qui ont déjà rendu le travail manuel fiable bien avant l’arrivée d’une caméra sur une scie.
Ces outils analogiques possèdent des qualités redoutables : ils démarrent instantanément, ne perdent pas leur localisation, fonctionnent dans la poussière et ne demandent pas de firmware. Ils sont également très bons pour transmettre une logique de travail parce que leur fonctionnement reste visible.
Augmented Carpentry n’a donc d’intérêt que s’il fait mieux que cette pile de techniques sur des cas où la géométrie devient assez complexe pour que la traduction manuelle coûte cher en temps, en erreurs ou en gabarits spécifiques.
C’est exactement ce que montrent les mock-ups paramétriques de l’équipe : façades courbes, assemblages irréguliers, séries d’opérations dont le modèle numérique peut varier d’une pièce à l’autre.1
Le gain potentiel ne vient pas d’un remplacement spectaculaire de l’humain.
Il vient du fait qu’un modèle calculé peut changer sans exiger qu’un nouveau gabarit physique soit fabriqué pour chaque variation.
Le logiciel devient intéressant au moment où la répétition cesse d’être parfaitement répétitive.
Une fabrication numérique peut rester portable
La contribution d’Augmented Carpentry est moins « futuriste » qu’elle ne semble.
Le projet ne découvre pas que la vision par ordinateur existe. Il ne découvre pas la réalité augmentée. Il ne découvre pas que l’on peut afficher une cote sur un écran.
Il assemble ces briques autour d’une décision de conception très particulière : la machine principale reste dans les mains de l’opérateur.
Cette contrainte oblige à résoudre des problèmes que la robotique évite en contrôlant tout l’environnement. Elle produit une précision plus faible qu’une cellule industrielle bien réglée. Elle conserve aussi quelque chose que la cellule perd : la portabilité, l’adaptation immédiate et la possibilité de travailler avec une famille d’outils déjà connue.
Les résultats 1:1 montrent que ce compromis peut atteindre une précision intéressante sur des éléments de taille réelle. Les mêmes résultats montrent où il casse : longues poutres, mapping fragile, accumulation de bruit visuel, confiance dans le tracking.1
Ces limites rendent le projet crédible.
Un prototype qui affirme pouvoir remplacer le marquage, les gabarits, la CNC et l’expérience d’un charpentier serait facile à raconter et difficile à croire.
Augmented Carpentry raconte autre chose.
Il demande si la fabrication numérique peut devenir un accessoire de l’outil manuel plutôt qu’un endroit où l’on doit envoyer la pièce.
Et il accepte que la réponse, pour l’instant, soit : oui, sur certaines opérations, à certaines tailles, avec quelques millimètres d’erreur et beaucoup plus de travail de perception qu’on ne l’imagine en regardant une jolie surimpression verte.