Le système Winnow équipé de sa caméra lutte contre gaspillage alimentaire en cuisine

Globalement, un tiers de la nourriture est gaspillé. Winnow Vision exploite la puissance de l’intelligence artificielle pour révolutionner la gestion des aliments permettant ainsi de réduire les coûts économiques et environnementaux.

Winnow a lancé son nouveau produit, Winnow Vision, basé sur l’IA, pour révolutionner la gestion des aliments dans les cuisines commerciales, au profit des entreprises et des générations futures.

À l’aide d’une balance et d’une caméra intelligente analogue à la technologie automatique embarquée à bord des véhicules autonomes, Winnow Vision apprend à reconnaître différents aliments jetés à la poubelle et calcule le coût financier et environnemental de cet aliment mis au rebut. Les entreprises et les chefs peuvent ensuite ajuster leurs décisions d’achat en conséquence, réduisant ainsi leurs dépenses et s’attaquant à un problème fondamental du gaspillage alimentaire : la surproduction. Ce lancement fait suite à une phase de démonstration du concept lancée en janvier 2018 avec les partenaires IKEA et le groupe Emaar Hospitality, qui ont adopté très tôt, pour tester la technologie de Winnow Vision dans les plus grandes cuisines commerciales du monde. Winnow et ses premiers partenaires utilisent la technologie depuis octobre 2017. Le projet pilote a prouvé de façon catégorique que Winnow Vision surpassait les niveaux de précision humaine et permettait aux chefs de gérer des cuisines plus intelligentes, plus rentables et plus efficaces.

Winnow Vision fait suite au succès du premier appareil de Winnow, composé d’un ensemble d’échelles intelligentes et d’un système d’identification manuelle des aliments. Winnow a aidé les cuisines commerciales à économiser plus de 30 millions de dollars en coûts de nourriture annualisés, ce qui équivaut à éviter que plus de 23 millions de repas ne soient jetés à la poubelle. Le nouveau Winnow Vision à moteur AI est déjà installé dans plus de 75 cuisines et la technologie sera déployée à des centaines d’autres cette année.

Marc Zornes, PDG de Winnow, a déclaré : « Les déchets d’alimentation sont un problème mondial qui préoccupe les cuisines du monde entier. Sans visibilité sur ce qui est gaspillé, les cuisines gaspillent beaucoup plus de nourriture qu’elles ne le pensent. En comprenant et en signalant les coûts très réels des déchets alimentaires, à la fois pour le résultat net et pour l’environnement, Winnow Vision permet aux chefs de prendre des mesures. En utilisant une technologie qui apprend et s’améliore à chaque utilisation, Winnow Vision a la capacité de lutter contre le gaspillage alimentaire à l’échelle mondiale. À l’échelle mondiale, un tiers de la nourriture n’atteint jamais notre fourchette. Si les déchets alimentaires étaient un pays, ce serait le troisième plus grand émetteur de gaz à effet de serre après les États-Unis et la Chine. Le gaspillage alimentaire représente également un gros déficit financier, totalement inutile pour les entreprises, qui coûtent à l’économie mondiale environ 1 billion de dollars en pertes de production, soit environ 1,5% du PIB mondial. Le gaspillage alimentaire coûte aux cuisines commerciales entre 5 et 15% de la totalité des aliments achetés, certaines cuisines gaspillant jusqu’à 20% de toute la nourriture achetée. Le gaspillage alimentaire coûte à lui seul environ 100 milliards de dollars par an au secteur de l’hôtellerie, un chiffre que Winnow Vision veut réduire.

Avec Winnow Vision, les entreprises installent une technologie qui peut déjà reconnaître la plupart des produits alimentaires mais d’autres peuvent y être ajoutés. Au cours des phases de formation et d’automatisation, le système Winnow Vision utilise l’intervention humaine. Mais au fil du temps, le système continue de s’améliorer et reconnaîtra automatiquement les aliments sans interaction humaine. Les chefs peuvent bénéficier de rapports complets dans leurs cuisines, en aidant à réduire le gaspillage alimentaire et à économiser de l’argent avec un effort minimal ou quasiment nul.