Plan de l’article
Pour de nombreuses marques, le suivi du parcours de leurs produits s’arrête à la sortie du magasin. Une fois consommés, qu’advient-il de leurs emballages ? Sont-ils réellement recyclés, et avec quelle efficacité ? Où se perdent-ils dans la chaîne post-consommation ? Trop souvent, les réponses à ces questions reposent sur des modèles théoriques ou des tests effectués en laboratoire, loin des réalités du terrain.
Cette absence de données tangibles sur le comportement en fin de vie de nos emballages constitue le frein essentiel à l’optimisation de la recyclabilité et de la circularité des produits de grande consommation. En effet, comment informer les choix de conception produit sans retours concrets ?
Deepnest : rendre visible l’invisible (grâce à l’IA)
C’est pour combler ce vide que Greyparrot a lancé Deepnest, la première plateforme d’intelligence artificielle dédiée à l’analyse en temps réel des déchets d’emballages dans les centres de tri.
Alimentée par plus de 150 systèmes d’analyse déployés dans 20 pays, cette technologie analyse annuellement plus de 40 milliards d’objets distincts destinés au recyclage. Grâce à des caméras intelligentes et des algorithmes de vision par ordinateur, Deepnest identifie les matériaux, classifie les emballages, et mesure leur recyclabilité réelle en centre de tri.
Résultat : pour la première fois, marques et concepteurs d’emballages peuvent accéder à des données objectives sur la manière dont leurs emballages sont récupérés, recyclés ou perdus, selon les régions, les matériaux ou les gammes de produits.
Une opportunité stratégique pour les marques
Cette avancée technique ne relève pas seulement d’un enjeu environnemental – elle est aussi stratégique. Deepnest permet aux marques :
- D’optimiser la conception de leurs emballages en amont, en tenant compte des contraintes du tri réel (labels mal placés, matériaux non compatibles, etc.).
- D’appuyer leur démarche RSE avec des données indépendantes, à l’heure où le “Greenwashing” n’est plus accepté.
- D’anticiper les obligations réglementaires, notamment en matière de responsabilité élargie du producteur (REP) ou des nouvelles normes européennes (PPWR).
- D’accroître directement la part de matières recyclées de qualité, en s’alignant sur les capacités effectives de la filière.
Comme le souligne Dr Liz Smith (Unilever), « ces outils permettent d’intégrer la recyclabilité à grande échelle dès la conception, avec un ancrage dans la réalité des infrastructures de traitement ».
Vers un écosystème plus transparent et collaboratif
Le lancement de Deepnest marque une rupture culturelle dans la gestion des déchets. Il permet d’établir un langage commun entre marques, recycleurs, collectivités et législateurs, en s’appuyant sur des faits et non des projections.
Des acteurs comme Amcor, PepsiCo ou Asahi l’ont déjà bien compris : les données issues de Deepnest ne servent pas seulement à constater, mais à co-construire des solutions circulaires efficaces pour l’avenir proche;
Comme l’explique Amy Hooper (Biffa), « ces conversations basées sur la donnée sont une formidable opportunité : lorsqu’une marque dit “je veux un emballage recyclable”, on peut désormais lui montrer concrètement ce qui fonctionne ou non ».
En somme, Deepnest et Greyparrot opèrent aujourd’hui un véritable saut qualitatif dans la compréhension et la gestion des flux d’emballages, avec à la clé une circularité rendue enfin mesurable, actionnable, et donc crédible.
Pour aller plus loin
NextWaste. Recyclabilité : les données des centres de tri au cœur de la conception des emballages. Entre l’augmentation des réglementations européennes, les attentes sociétales et la nécessité de préserver les ressources, les emballages doivent être pensés autrement. Aujourd’hui, une chose est claire : la recyclabilité ne se décrète plus, elle se mesure. Et cette mesure commence dans un lieu souvent négligé : les centres de tri.
Les médias en parlent
Usine Nouvelle. Grâce à l’IA, Deepnest renseigne sur la recyclabilité des emballages. Greyparrot, le spécialiste de l’analyse des déchets par intelligence artificielle, lance une plate-forme qui peut fournir des données de terrain sur le devenir réel de leurs produits.
