Contrôle qualité du soudage robotisé : inspection par vision IA, CND et classification des défauts ISO 5817 (2026)

Dernière mise à jour: mai 8, 2026

Contrôle qualité du soudage robotisé : inspection par vision IA, CND et classification des défauts ISO 5817 (2026)

Le contrôle qualité du soudage robotisé repose sur quatre niveaux : la surveillance en temps réel de la tension d’arc, du courant et de l’alimentation du fil ; l’inspection visuelle par intelligence artificielle du cordon de soudure avant, pendant et après le soudage ; les essais non destructifs (UT, RT, MT, PT ou VT) pour les assemblages critiques ; et la classification structurée des défauts selon les niveaux d’acceptation des normes ISO 5817/ISO 6520 et des codes tels que AWS D1.1. L’ensemble de ces niveaux permet de réduire le taux de défauts de soudage de 5 à 8 % (valeur typique des opérations manuelles) à moins de 1 % dans les systèmes robotisés calibrés.

Aperçu de la pile QC : ce que chaque couche capture

Avant d'examiner chaque couche en détail, le tableau comparatif ci-dessous présente les éléments détectés par chaque méthode, son coût par cellule et le délai d'obtention des résultats. Comprendre ces différences est essentiel pour déterminer la combinaison la mieux adaptée à un environnement de production donné.

Section 1 — Surveillance des processus en ligne

La surveillance en temps réel est la première étape du contrôle qualité en soudage robotisé. Plutôt que de détecter les défauts après leur apparition, elle suit les variables du processus qui les provoquent et signale les écarts avant que l'arc ne se déplace.

Paramètres de l'arc : tension, courant et alimentation du fil

Lors du soudage GMAW (MIG/MAG), la source d'alimentation enregistre la tension d'arc et le courant de soudage à une fréquence d'échantillonnage de 1 kHz ou plus. Un logiciel de surveillance des formes d'onde compare le signal en temps réel à des formes d'onde de référence établies lors de la qualification du procédé de soudage. Une chute de tension prolongée supérieure à ±3 V par rapport à la valeur de consigne indique un problème au niveau de la buse de contact, un défaut d'alignement du joint ou un problème de gaz de protection. Les variations de courant sont corrélées aux variations de la vitesse d'alimentation du fil, qui influent sur la pénétration et la géométrie du cordon. Des systèmes tels que le module SmartPower d'ABB et la plateforme d'acquisition de données CheckPoint de Lincoln Electric mettent en œuvre ce type de détection d'anomalies de forme d'onde, attribuant un indice de qualité de soudage à chaque joint en fonction de la stabilité des paramètres.

Surveillance du débit de gaz et de l'état de la torche

Le débit de gaz de protection est contrôlé au niveau du régulateur et, sur les systèmes instrumentés, au niveau du corps de la torche. Un capteur de débit massique déclenche un signal d'arrêt de soudage si le débit chute en dessous du minimum requis, généralement de 12 à 18 L/min pour le soudage GMAW à fil plein, évitant ainsi la porosité due à une couverture gazeuse insuffisante. Des capteurs d'état de la torche surveillent la résistance de la buse (indicateur de l'accumulation de projections) et l'usure de l'embout de contact, incitant à un changement d'outil avant que la dégradation de ce dernier ne modifie le point de contact optimal et n'altère le positionnement du cordon de soudure.

Durée d'amorçage de l'arc comme signal de qualité

Le temps d'amorçage de l'arc par joint, enregistré automatiquement, fournit un signal de qualité au niveau du cycle. Un joint qui nécessite normalement 18 secondes d'amorçage et qui s'achève en 14 secondes indique une extinction prématurée de l'arc, un défaut de fusion potentiel. Les journaux de traçabilité au niveau de la séquence établissent une corrélation entre le temps d'amorçage de l'arc, le courant de crête et la stabilité de la tension et l'identifiant du joint, permettant ainsi une analyse des causes profondes lorsque des défauts sont détectés en aval lors des essais non destructifs.

Section 2 — Inspection par vision IA (Couche de qualité de base)

L'inspection visuelle par IA couvre désormais les trois phases temporelles du soudage : avant l'amorçage de l'arc (vérification du joint avant soudage), pendant le soudage (surveillance du bain de fusion et de l'arc lumineux) et après le soudage (profilage du cordon de soudure). Chaque phase utilise un matériel de capteurs différent et fournit une valeur de contrôle qualité spécifique.

Avant soudage : vérification de la géométrie des joints

Un scanner laser linéaire ou une caméra 3D à lumière structurée capture la géométrie du joint avant le début du soudage par le robot. Le système vérifie l'écart à la racine, l'alignement du joint et l'angle d'approche par rapport aux limites du descriptif de procédure de soudage (DPS). Tout joint hors tolérance, écart supérieur au maximum du DPS ou défaut d'alignement susceptible de décentrer le cordon déclenche une pause et une alerte afin d'éviter toute perte de temps de soudage sur une configuration défectueuse.

Parmi les systèmes leaders dans ce domaine, on trouve Meta Vision MV (intégré à EtherCAT, couramment utilisé dans les ateliers de carrosserie automobile), Servo-Robot (très répandu dans la fabrication de structures), Scansonic (résistant aux environnements à haute énergie) et Octopuz (correction logicielle de la trajectoire à partir d'un nuage de points). Le scan avant soudage corrige également la trajectoire de soudage du robot en fonction des variations dimensionnelles entre les pièces, ce qui constitue la fonction principale des profilomètres laser de suivi de joint décrits dans le guide des composants de la cellule.

En cours : surveillance du profil lumineux de l'arc et du bain de fusion

Des caméras haute vitesse (10 000 à 50 000 images par seconde) filtrées aux longueurs d'onde d'émission de l'arc capturent en temps réel le profil lumineux de l'arc et la géométrie du bain de fusion. Simultanément, des caméras thermographiques infrarouges cartographient la distribution de température de la zone affectée thermiquement (ZAT). L'ensemble de ces signaux indique une fusion incomplète avant qu'elle ne soit recouverte par les passes suivantes : un rétrécissement soudain du bain de fusion, alors que la vitesse de déplacement et le courant restent constants, signale un affaissement de l'espace entre les joints ou une contamination du métal de base.

En pratique, la vision embarquée est la couche la plus gourmande en ressources de calcul. Les cartes d'inférence de périphérie (NVIDIA Jetson ou équivalent) exécutent des modèles CNN légers, entraînés sur des images d'anomalies d'arc étiquetées, classifiant chaque image en 50 à 100 ms. Des pipelines NVIDIA Metropolis complets sont déployés dans les cellules de production automobile à haut rendement où plusieurs flux de caméras fonctionnent simultanément.

Après soudage : profil du cordon et classification des défauts

Le profilage des cordons de soudure après soudage utilise un profilomètre laser 3D pour générer un nuage de points en coupe transversale de la soudure terminée. Le profilomètre mesure la largeur, la hauteur, la profondeur de la caniveau, l'extension du recouvrement et l'angle de pied du cordon, paramètres directement liés aux exigences de niveau d'acceptation de la norme ISO 5817. Des modèles d'apprentissage profond, entraînés sur des jeux de données de défauts de soudure étiquetés, classent les caractéristiques de surface : caniveau (ISO 5817 type 5011), recouvrement (5041), sous-remplissage (5012), porosité de surface (2017) et écarts géométriques par rapport au profil de cordon qualifié.

Les plateformes logicielles de vision commerciale utilisées en production comprennent Cognex VisionPro (largement utilisé pour l'inspection de surfaces 2D), MVTec HALCON (privilégié pour l'analyse de profils 3D complexes grâce à sa flexibilité de programmation) et Intel Geti (gestion du déploiement et de l'entraînement des modèles assistée par le cloud). Les solutions d'inspection spécifiques à certaines applications incluent Inspekto S70 pour les cellules de fabrication flexibles et Yxlon HBR-DL pour l'inspection par rayons X intégrée des soudures critiques pour la sécurité dans les secteurs de l'aérospatiale et des récipients sous pression.

Section 3 — Méthodes de contrôle non destructif (CND)

Les méthodes CND sont exigées par les normes de soudage pour les assemblages critiques en matière de sécurité et ne peuvent être remplacées par une simple inspection visuelle ou par vision artificielle. Chaque méthode possède un domaine de performance spécifique ; le choix de la méthode appropriée au type d’assemblage et à l’épaisseur du matériau constitue le fondement d’un plan d’inspection conforme aux normes.

Contrôle par ultrasons (UT / PAUT)

Le contrôle par ultrasons utilise des ondes sonores à haute fréquence pour détecter les discontinuités internes dans les matériaux d'une épaisseur de 6 mm ou plus. Le contrôle par ultrasons multiéléments (PAUT) oriente le faisceau électroniquement selon plusieurs angles sans déplacer la sonde, générant ainsi une image en coupe transversale (scan S) du volume de la soudure en une seule passe. Le PAUT a largement remplacé le contrôle par ultrasons conventionnel à sonde unique pour les soudures de structures et de récipients sous pression, car il offre une meilleure couverture volumétrique, l'imagerie numérique et un enregistrement permanent. L'annexe K de la norme AWS D1.1 accepte le PAUT comme alternative au contrôle radiographique pour les soudures à pénétration complète, lorsqu'une procédure qualifiée est en place.

Test radiographique (RT)

La radiographie (RT) utilise les rayons X ou gamma pour imager la section transversale de la soudure sur film ou à l'aide d'un détecteur numérique. Elle demeure la méthode de référence pour la détection des défauts volumiques, des porosités, des inclusions de laitier et des pénétrations incomplètes, sur toute l'épaisseur de la soudure. La RT est obligatoire selon la norme AWS D1.1 pour les éléments critiques en cas de rupture et selon la section IX de l'ASME pour certaines catégories de soudures sous pression. La radiographie numérique (DR) et la tomographie assistée par ordinateur (CT) ont permis de réduire les délais d'obtention de résultats de plusieurs heures à quelques minutes et prennent en charge la reconstruction volumique 3D pour les géométries de joints complexes.

Test de particules magnétiques (MT)

Le contrôle magnétoscopique (MT) détecte les discontinuités de surface et de subsurface (fissures, joints, replis) dans les matériaux ferromagnétiques en induisant un champ magnétique et en appliquant une suspension de particules ferromagnétiques. Les discontinuités perpendiculaires aux lignes de champ accumulent visiblement ces particules. Rapide, portable et économique, le MT est la méthode de contrôle standard de première passe pour les soudures d'angle et en V dans la fabrication de structures métalliques. Le MT ne permet pas d'inspecter l'acier inoxydable austénitique ni l'aluminium (matériaux non ferromagnétiques) et ne détecte que les discontinuités affleurant ou proches de la surface.

Essai de ressuage (PT)

Le contrôle par ressuage (PT) applique un pénétrant liquide à faible viscosité sur la surface de soudure nettoyée ; la capillarité attire le pénétrant dans les fissures superficielles. Après un temps de pose, un révélateur est appliqué, faisant ressortir le pénétrant de manière visible. Le PT est efficace sur tous les matériaux (ferromagnétiques, inoxydables, aluminium, titane) et constitue la méthode standard pour la détection des fissures débouchantes dans les soudures non ferromagnétiques. Il requiert une surface propre et sèche ainsi qu'un temps de pose contrôlé, ce qui le rend moins adapté au contrôle en ligne à haut débit, mais pratique pour un contrôle périodique sur des lots d'échantillons.

Tests visuels (VT)

L'inspection visuelle (IV) est la méthode d'inspection la plus simple, la moins coûteuse et la plus fréquemment utilisée. Un inspecteur qualifié examine la surface de la soudure à la recherche de défauts visibles : caniveaux, chevauchements, fissures superficielles, sous-remplissage et géométrie du profil par rapport à une jauge ou un gabarit de référence. La norme AWS D1.1, clause 6, exige une IV sur toutes les soudures avant l'application de toute autre méthode CND. Les systèmes d'inspection par vision IA constituent, en termes fonctionnels, une forme automatisée et instrumentée d'IV, offrant une couverture à 100 %, des seuils constants et un enregistrement documenté.

Section 4 — Taxonomie des défauts : Classification selon les normes ISO 6520-1 et ISO 5817

La norme ISO 6520-1 fournit le système de classification de référence pour les défauts de soudure, les organisant en six groupes par type. La norme ISO 5817 associe ces types de défauts aux niveaux d'acceptation B (le plus strict), C (intermédiaire) et D (le moins strict) en fonction des limites dimensionnelles de chaque défaut. Les modèles de vision par IA, entraînés sur les catégories de la norme ISO 6520-1, produisent des résultats qui correspondent directement aux décisions d'acceptation/rejet de la norme ISO 5817.

Groupes de défauts ISO 6520-1

Niveaux d'acceptation B, C et D de la norme ISO 5817

La norme ISO 5817:2023 définit trois niveaux de qualité d'acceptation pour les assemblages soudés par fusion en acier, nickel, titane et aluminium. Le niveau D (qualité moyenne) présente les tolérances dimensionnelles les plus larges et s'applique à la fabrication générale. Le niveau C (qualité intermédiaire) est la norme pour les applications structurales et la plupart des fabrications industrielles. Le niveau B (qualité rigoureuse) s'applique aux structures critiques pour la sécurité, aux équipements sous pression et aux structures primaires automobiles où les exigences en matière de résistance à la fatigue et à la rupture sont élevées.

À titre d'exemple pratique : un défaut de coupe (type 5011) d'une profondeur de 0.5 mm est acceptable au niveau D, limite au niveau C (où la limite est de 0.5 mm pour les soudures bout à bout) et rejeté au niveau B (limite de 0.25 mm pour les soudures bout à bout). Les systèmes de vision par IA, configurés pour un niveau d'acceptation spécifique, définissent leurs seuils de détection en fonction des limites dimensionnelles du tableau correspondant de la norme ISO 5817, permettant ainsi des décisions automatisées de conformité.

Section 5 — Correspondance des critères d’acceptation : AWS D1.1, EN 15085 et ISO 3834

Au-delà de la norme ISO 5817, les fabricants qui appliquent des codes spécifiques à leur secteur d'activité doivent adapter leur plan d'inspection aux critères d'acceptation de ces codes. Le tableau ci-dessous récapitule les principaux codes et leur champ d'application en matière de qualité pour les applications de soudage robotisé.

Section 6 — Retour sur investissement du déploiement de l'IA pour les systèmes de contrôle qualité des soudures

L'intérêt commercial d'ajouter l'inspection visuelle par IA à une cellule de soudage robotisée existante repose sur trois améliorations mesurables : des taux de détection des défauts plus élevés, des taux de faux positifs plus faibles qui réduisent les rebuts inutiles et une fréquence réduite des CND en aval sur les lots de production qui réussissent le contrôle automatisé.

Amélioration du taux de détection

Le contrôle visuel manuel (CVM) des soudures robotisées, effectué par des inspecteurs qualifiés à la cadence de production, atteint un taux de détection d'environ 87 % pour les défauts de surface et de subsurface. Ce taux diminue en fin de poste et sous forte pression de production. Les systèmes de vision par IA déployés sur les cellules de soudage robotisées atteignent systématiquement des taux de détection de 96 à 99 % pour les mêmes catégories de défauts, selon les données industrielles. Cet écart de 9 à 12 points de pourcentage se traduit directement par une réduction du nombre de défauts de surface non détectés lors de l'assemblage final ou de la livraison au client.

Coût du matériel de vision

L'ajout d'un système de vision par IA post-soudage à une cellule existante (profileur laser 3D, PC industriel avec détection de contours, logiciel d'intégration) représente un surcoût matériel de 25 000 $ à 55 000 $ pour une configuration de profilage de cordon de soudure. L'ajout d'un système de numérisation des joints avant soudage sur la même plateforme matérielle ajoute entre 5 000 $ et 15 000 $. La surveillance complète du bain de fusion en temps réel, par caméra haute vitesse et thermographie infrarouge, constitue l'option la plus onéreuse (de 10 000 $ à 25 000 $) et est principalement destinée aux secteurs de l'aérospatiale, des récipients sous pression et du soudage ferroviaire critique, plutôt qu'à la fabrication générale. Au final, une solution complète de vision par IA en trois phases sur une seule cellule représente un surcoût de 40 000 $ à 80 000 $ par rapport à une cellule robotisée de base.

Payback Drivers

Dans un atelier de fabrication de structures de volume moyen, produisant 300 joints soudés inspectés par poste, l'augmentation du taux de détection de 87 % à 97 % permet d'éviter environ 30 défauts supplémentaires pour 1 000 joints. Avec un coût moyen de 75 $ par reprise détectée en cours de production (contre plus de 400 $ par défaut non détecté en aval), les économies réalisées grâce à la réduction des défauts génèrent à elles seules entre 50 000 $ et 120 000 $ par an et par cellule, selon le volume et le coût des reprises. Le retour sur investissement de 50 000 $ en matériel de vision est atteint en 6 à 14 mois avec ces paramètres. La réduction de la fréquence des contrôles non destructifs (CND), lorsque les données de capabilité du processus fournies par le système de vision permettent de réduire les plans d'échantillonnage convenus avec le client, génère des économies supplémentaires spécifiques à l'application.

En pratique, le facteur de déploiement le plus important n'est pas le matériel de vision lui-même, mais la qualité de la bibliothèque de processus qu'il utilise comme référence. Les cellules fonctionnant selon un cahier des charges de soudage (WPS) rigoureux, avec une répétabilité stable des montages et une gestion rigoureuse des consommables, bénéficient pleinement du taux de détection offert par la vision par IA. Les cellules présentant une forte variabilité de processus génèrent des taux de faux positifs élevés, car le modèle ne peut distinguer un défaut réel d'un écart de paramètre dû à une pointe de contact usée ou à un étalonnage défaillant de la source d'alimentation. Améliorer la stabilité du processus en premier lieu, puis ajouter la vision par IA comme couche de surveillance, donne de meilleurs résultats que d'ajouter la vision à un processus produisant déjà des soudures limites.

Architecture QC en cinq étapes : du capteur au MES

Une architecture de contrôle qualité prête pour la production relie les couches d'inspection décrites ci-dessus en un flux de données allant du capteur à la décision qualité, puis à l'enregistrement de production. L'architecture en cinq étapes ci-dessous s'applique aux cellules de soudage robotisées, des configurations à poste unique aux lignes multi-postes.

1. Couche de capteurs. Les capteurs de contrôle en ligne (tension/courant d'arc, vitesse d'alimentation du fil, débit de gaz), le scanner laser avant soudage, la caméra haute vitesse en cours de soudage (en option) et le profileur 3D après soudage génèrent chacun des flux de données horodatés et associés à un identifiant de joint. Le protocole EtherCAT à 1 kHz synchronise les capteurs de paramètres d'arc avec les données de position du contrôleur du robot, permettant ainsi la cartographie spatiale des anomalies de forme d'onde et leur localisation précise le long du cordon de soudure.
2. Inférence de contours. Un module de calcul en périphérie (PC industriel ou carte d'accélération IA dédiée) effectue une inférence en temps réel sur les signaux de processus et les données de vision. Les modèles de classification signalent les articulations suspectes en l'espace d'un transfert robotisé inter-articulation (généralement 2 à 5 secondes), de sorte que l'opérateur reçoive une alerte avant que le robot ne passe à l'articulation suivante, permettant ainsi une intervention en cours de processus plutôt qu'une reprise après lot.
3. Classification des défauts. Les joints signalés sont classés par type de défaut selon la taxonomie ISO 6520-1, et leur gravité est comparée au niveau d'acceptation ISO 5817 applicable (B, C ou D) configuré pour l'ordre de production. Les joints dépassant le seuil d'acceptation sont enregistrés comme non-conformités ; ceux à la limite sont mis en attente pour une nouvelle inspection manuelle ou un contrôle non destructif, selon le plan qualité.
4. Journal de traçabilité. Toutes les données des capteurs, les images, les résultats de classification et les décisions des opérateurs sont consignés dans un enregistrement de traçabilité associé à l'identifiant de l'assemblage, au numéro de série de la pièce et au lot de production. Cet enregistrement permet de réaliser des analyses qualité internes (détection des tendances, optimisation des paramètres) et de répondre aux exigences d'audit client ou réglementaire selon les normes ISO 3834 ou EN 15085.
5. Intégration MES. Le journal de traçabilité alimente en temps réel le système MES (Manufacturing Execution System), mettant à jour l'état qualité des lots de production, signalant les ordres de retouche et déclenchant la planification des contrôles non destructifs (CND) pour les lots nécessitant un échantillonnage réglementaire. L'intégration bidirectionnelle permet au MES de transmettre les paramètres de procédure de soudage (WPS) au contrôleur du robot lors des changements de production, réduisant ainsi le risque d'erreur de paramétrage sur les lignes multiproduits.

Comment les principaux fournisseurs abordent le contrôle qualité

FANUC, ABB et KUKA ont intégré l'enregistrement des données et la surveillance des paramètres dans leurs contrôleurs de robots de soudage. Les solutions WeldGuide et SmartPower d'ABB et le module ArcSense de KUKA constituent des implémentations éprouvées pour les chaînes de production automobile de premier rang. Yaskawa Motoman propose une surveillance des procédés de soudage via son logiciel Weld Navigator. ESTUN a ajouté une fonctionnalité de surveillance du soudage en ligne à ses cellules de soudage de milieu de gamme destinées au marché de la fabrication générale.

EVST couvre l'ensemble du processus de contrôle qualité grâce à son système de soudage EVS-AI. Ce dernier intègre la reconnaissance visuelle 3D, la bibliothèque de procédés de soudage RX (paramètres pré-qualifiés pour les types d'assemblages et les combinaisons de matériaux les plus courants) et la synchronisation des capteurs EtherCAT 1 kHz pour un alignement précis entre les données des paramètres d'arc et la position du robot. Le moteur d'auto-apprentissage du système affine les paramètres de soudage au fil des cycles de production sans réapprentissage manuel, réduisant ainsi la dérive entre les paramètres de procédure qualifiés et les paramètres de production réels, une source fréquente d'accumulation de défauts marginaux sur les longues séries. Les cellules de soudage EVST sont certifiées CE, SGS et TÜV, répondant aux exigences documentaires des audits des systèmes de qualité ISO 3834 et EN 15085 sur les marchés d'exportation. La plateforme robotique sous-jacente, fabriquée selon les processus de qualité automobile IATF 16949, couvre toute la gamme de charges utiles, des bras de soudage collaboratifs aux configurations industrielles robustes, et prend en charge toutes les dimensions d'assemblages soudés généralement requises par les lignes de production exigeantes en matière de qualité. EVST déploie un service d'assistance technique sur site dans plus de 100 pays, un facteur important lorsque l'étalonnage et le réétalonnage des systèmes de contrôle qualité après des modifications majeures des équipements nécessitent une assistance technique sur site.

Pour les acheteurs évaluant l'intégration complète, du bras robotisé et du positionneur à la pile de contrôle qualité, le Guide d'intégration des composants des cellules de soudage robotisées Ce document décrit en détail l'architecture des capteurs et du bus de terrain. La modélisation du retour sur investissement pour l'ensemble de la cellule, y compris les économies réalisées sur le taux de défauts, est abordée dans le document. analyse du retour sur investissement et de la rentabilité d'une cellule de soudage robotisée.

Lectures complémentaires et ressources internes

• Guide complet de l'automatisation du soudage robotisé (2026), article pilier couvrant la sélection des procédés, la conception des cellules et l'ensemble du paysage des applications de soudage
• Top 10 des marques de robots de soudage (2026)Comparaison des équipementiers en matière de prise en charge de l'intégration, de capacité de charge utile et de couverture régionale du service
• Composants et intégration des cellules de soudage robotisées (2026), couche de capteurs, architecture de bus de terrain, types de positionneurs et séquence de mise en service
• Soudage robotisé MIG, TIG et laser (2026)Guide de sélection des procédés présentant les compromis qualité-coût par type d'articulation
• Normes de sécurité des robots industriels : ISO 10218 et marquage CE (2026), exigences relatives aux systèmes de sécurité pour les cellules de soudage robotisées

Questions fréquemment posées

Références sortantes :
Norme de soudage structural D1.1 de l'American Welding Society (AWS) |
ISO 5817:2023, Soudage : Joints soudés par fusion, Niveaux de qualité |
Rapport IFR World Robotics 2025 |
Logiciel Cognex VisionPro |
Logiciel de vision industrielle MVTec HALCON

Dernière mise à jour: mai 8, 2026