Plusieurs analyses indiquent qu’environ 70 % des photons peuvent être perdus dans ces architectures traditionnelles.
Les fabricants ont tenté de compenser cette inefficacité avec des capteurs plus grands, des optiques améliorées ou des algorithmes avancés de photographie computationnelle. Mais la perte optique liée au filtrage reste une limite fondamentale.
La technologie NCOS® remplace les filtres absorbants par des structures nanophotoniques capables de séparer la lumière selon sa longueur d’onde.
Au lieu d’éliminer les photons indésirables, ces structures redirigent chaque composante de couleur vers le pixel approprié. La lumière est donc redistribuée au lieu d’être bloquée.
D’après les informations publiées par l’entreprise et reprises par plusieurs médias spécialisés, cette approche pourrait offrir jusqu’à trois fois plus de sensibilité à la lumière que les capteurs classiques basés sur des filtres.
Dans la pratique, une meilleure efficacité photonique peut apporter plusieurs avantages :
Comme l’amélioration intervient directement au niveau matériel du capteur, elle peut bénéficier aussi bien aux caméras destinées aux humains qu’aux systèmes de vision artificielle utilisés dans l’industrie ou la robotique.
eyeo cible plusieurs marchés où la capture de lumière est un facteur clé de performance.
Les téléphones doivent composer avec des capteurs très compacts et des modules optiques minces. Une sensibilité accrue pourrait améliorer la photographie de nuit, réduire la dépendance aux traitements logiciels ou permettre des caméras plus fines.
Dans les usines et les systèmes d’inspection automatisée, les caméras doivent souvent fonctionner avec un éclairage limité ou variable. Des capteurs plus sensibles peuvent améliorer la détection d’objets et la fiabilité des contrôles qualité.
Les dispositifs de réalité augmentée ou mixte utilisent des caméras pour la cartographie spatiale, le suivi des yeux ou la reconnaissance des gestes. Des capteurs plus efficaces pourraient permettre des systèmes de caméra plus compacts et moins gourmands en énergie, un facteur crucial pour les appareils portables.
Les réseaux de caméras urbaines — surveillance du trafic, inspection d’infrastructures ou sécurité publique — doivent fonctionner de jour comme de nuit. Une meilleure sensibilité pourrait améliorer ces systèmes sans augmenter la consommation électrique.
Robots, drones et autres systèmes autonomes s’appuient fortement sur la vision par ordinateur. Des capteurs plus performants peuvent améliorer la perception visuelle en faible luminosité tout en respectant des contraintes d’énergie strictes.
Le tour de financement a été mené par Innovation Industries, avec la participation d’investisseurs existants tels que imec.xpand, Invest‑NL Deep Tech Fund, QBIC, High‑Tech Gründerfonds et la Brabant Development Agency (BOM).
L’objectif est désormais de transformer la technologie NCOS® en produits commercialement viables.
Les priorités incluent :
Cette étape est cruciale : beaucoup d’innovations en imagerie démontrent leur potentiel en laboratoire mais rencontrent des difficultés lors de la production industrielle, notamment en matière de rendement, de coût ou de compatibilité avec les procédés des fonderies de semi‑conducteurs.
Si eyeo parvient à industrialiser sa solution, elle pourrait corriger une inefficacité fondamentale présente dans la conception des capteurs numériques depuis près de cinquante ans. Certaines analyses décrivent déjà cette architecture comme une alternative matérielle au modèle de filtres couleur qui domine les capteurs CMOS actuels.
La science derrière la séparation nanophotonique des couleurs est étudiée depuis longtemps. Mais son adoption commerciale dépendra de plusieurs facteurs : la fabrication à grande échelle, la compatibilité avec les processus industriels existants et la constance des gains de performance dans les produits finis.
Si ces défis sont relevés, des capteurs capables de capturer beaucoup plus de lumière pourraient influencer toute une chaîne d’industries — de la photographie mobile aux systèmes de vision artificielle et aux machines autonomes.