The AI That Learned Not to Cry Wolf
The real challenge of fire detection isn't spotting smoke; it's not crying wolf. FireTracking, a French startup born in New Caledonia, has developed an AI that can detect a fire in under 3 minutes
An interview from ChangeNOW 2026.
🇫🇷 Version française ci-dessous
After fifteen minutes, a wildfire reaches the point of no return. After that, it’s too late to prevent catastrophe; all you can do is contain it.
“It’s not even every second, it’s every millisecond,” sums up Jean-Simon CHAUDIER, co-founder and CEO of FireTracking, echoing the words of a prefect who became a client.
Wildfires account for 5% of global greenhouse gas emissions and cost up to 20,000 euros per hectare burned. Ninety-nine percent of them are caused by humans.
But the problem FireTracking solves isn’t the one you’d expect. Detecting smoke in a video image isn’t that hard in itself. What’s hard is detecting only the right smoke. Before FireTracking came along, existing solutions generated up to 100 alerts per day, 95% of which were false. Firefighting teams were mobilized around the clock to stare at a screen, like searching for a needle in a haystack.
Born from a Client Need
Jean-Simon is an engineer, a graduate of Mines de Nancy. He spent about ten years at Capgemini Invent in strategic consulting and digital transformation, far from forests and smoke. The idea came from an assignment for a local authority in New Caledonia seeking automatic fire detection solutions.
“During that study, we realized that with artificial intelligence, we could potentially deliver a solution that was more effective than what was on the market, and more competitive,” he says.
FireTracking was born in 2022 in response to a need in the field.
And the New Caledonian terrain is unforgiving. The archipelago burns between 15,000 and 20,000 hectares of forest every year, as much as all of mainland France. It’s home to several hundred endemic species, compared to just a few dozen in Europe.
“There’s a major urgency, both to protect populations and to preserve a biodiversity heritage that is truly exceptional,” Jean-Simon emphasizes.
Detect in Three Minutes, Decide in Five
The system relies on cameras installed on existing high points (telecom towers, water towers), powered by solar panels and requiring less than 100 watts. In New Caledonia, where sites are exposed to cyclones and sea air, no maintenance has been needed over the past three years.
The fundamental technical choice is edge computing: a micro-computer installed next to each camera processes the video feed at maximum quality, on-site.
“If we had to run our AI on a third-party server, the network bandwidth would force us to downgrade the resolution and frequency of the images, and we’d lose a tremendous amount of performance,” Jean-Simon explains.
A 4G connection is enough to transmit alerts, but the heavy analysis happens as close to the image as possible.
When a fire breaks out, the AI detects it within 1 to 3 minutes. It automatically activates the ×40 optical zoom on the suspicious area, locates the fire with accuracy under 100 meters at a distance of 20 kilometres, and runs a second analysis to confirm the outbreak before sending an alert. When a firefighter logs in, they have access to real-time, zoomed-in images and are “virtually 100% certain it’s a real fire.” The system then simulates propagation in real time, integrating wind data and local mapping, to identify infrastructure and urban areas at risk in the minutes that follow. When multiple cameras cover the same zone, the system automatically triangulates alarms to confirm the location and provide multiple viewing angles of the same event.
The Harvester and the Thicket
The story that reveals the AI’s true challenge isn’t about a fire that was detected; it’s about a fire that wasn’t. In Indre-et-Loire, after the initial deployment, FireTracking encountered a scenario it had never seen before: harvest season. When a combine harvester passes behind a small thicket, the machine disappears, and only a plume of dust rises above the trees, visually indistinguishable from smoke.
Within three months, the team reduced this volume of false alerts by 75% by deploying nearly 10 new versions of the model, each fed by data from the previous versions.
“We’re in a logic of extremely rapid evolution,” Jean-Simon summarizes.
The training process is industrial: every alarm generated by the system, across all client projects, is manually reprocessed to feed the algorithm’s retraining. In addition, the team uses generative AI to create synthetic data: smoke patterns copied and pasted into panoramas and landscapes under different weather conditions.
False alerts aren’t just an accuracy problem. They’re expensive. You send teams into the field only to find it was mist, a sun reflection, or brush clearing. You mobilize firefighters on non-issues when they should be available for real fire outbreaks.
“You’re potentially putting other people at risk, because you’re deploying resources on the wrong things,” Jean-Simon notes.
The Risk Is Moving North
Climate change isn’t just making wildfires worse; it’s redrawing the risk map. In France, fire season was traditionally concentrated around the Mediterranean coast. Today, departments like Sarthe, Maine-et-Loire, Finistère, and Charente-Maritime are equipping themselves with early detection systems. Vegetation is increasingly drought-stressed, and any fire outbreak can turn into a disaster in territories that aren’t prepared for it.
In New Caledonia, the system has proven itself under the most demanding conditions: sites fully autonomous in energy and telecom, salt air, and cyclones. At some sites, FireTracking detects up to five real fire outbreaks per day. Since deployment, the area of forest burned in the monitored zone has been reduced by 95%. And in an archipelago where the slightest fire can threaten endemic species found nowhere else on Earth, every minute gained carries a weight that hectares alone can’t measure.
The Cost of One Hour of Helicopter Time
FireTracking is a software publisher. The company provides the system architecture, equipment references, and configuration files. Installation and maintenance are handled by local distributors and integrators; in France, Axione and Bouygues Telecom. The software is hardware-agnostic: the team identifies the best equipment on the market and integrates it into an optimal architecture.
The return on investment is nearly immediate. In Indre-et-Loire, 12 cameras operated over 5 years represent a public contract of approximately 1.2 million euros, including the network.
“The cost of a solution at one site for one year is the equivalent of one hour of helicopter time,” Jean-Simon summarizes.
The faster you detect, the fewer resources you deploy. Fewer helicopters, fewer volunteer firefighters exposed to fire for extended periods. For local authorities, the equation is simple.
Detecting Tomorrow’s Crises
FireTracking’s ambition now extends beyond forests. Clients are already requesting new services: detection of flooded areas, car accidents, and vegetation monitoring for power transmission operators. Jean-Simon sees FireTracking becoming “a standard for detecting and preventing tomorrow’s crises”, beyond fires, for all critical events that video can capture.
Expansion into North America and Australia is underway, where FireTracking has already been selected over its main American competitor. The vision also includes European sovereignty: when it comes to territorial video footage, emergency data, and local authority surveillance, technological control cannot be delegated to a third party.
Today, the bottleneck is funding.
“When you’re a startup, and you want to set up teams in Australia and Europe, that’s a significant cost,” Jean-Simon acknowledges. “Either we wait until we have enough clients to fund it, but that will take us several years. Or we raise funds and accelerate much faster.”
Fifteen minutes separate a fire outbreak from the point of no return. For FireTracking, the race is the same: every month gained in deployment is a forest that doesn’t burn.
If you’re working on something meaningful in tech, I’d love to hear from you. Send me a message, maybe your story’s next. 💬
🇫🇷 Version française
L’IA qui a appris à ne pas crier au loup
Le vrai défi de la détection des incendies n’est pas de repérer la fumée; c’est de ne pas crier au loup. FireTracking, startup française née en Nouvelle-Calédonie, a développé une IA qui apprend en continu à distinguer un départ de feu d’un nuage de poussière et à détecter un incendie en moins de trois minutes.
Au bout de quinze minutes, un feu de forêt atteint le point de non-retour. Après, il est trop tard pour éviter la catastrophe; il ne reste plus qu’à la contenir.
« C’est même pas à chaque seconde, c’est à chaque milliseconde », résume Jean-Simon Chaudier, cofondateur et CEO de FireTracking, en reprenant les mots d’un préfet devenu client.
Les incendies de forêt représentent 5 % des émissions mondiales de gaz à effet de serre et coûtent jusqu’à 20 000 euros par hectare brûlé. Quatre-vingt-dix-neuf pour cent d’entre eux sont d’origine humaine.
Mais le problème que FireTracking résout n’est pas celui qu’on imagine. Détecter de la fumée sur une image vidéo, en soi, n’est pas si difficile. Ce qui est difficile, c’est de ne détecter que la bonne fumée. Avant l’arrivée de FireTracking, les solutions existantes généraient jusqu’à 100 alertes par jour, dont 95 % étaient fausses. Des équipes de pompiers étaient mobilisées 24 heures sur 24 pour regarder un écran, comme à la recherche d’une aiguille dans une botte de foin.
Né d’un besoin client
Jean-Simon est ingénieur, diplômé des Mines de Nancy. Il a passé une dizaine d’années chez Capgemini Invent en conseil stratégique et en transformation digitale, loin des forêts et de la fumée. L’idée est venue d’une mission pour une collectivité de Nouvelle-Calédonie qui cherchait des solutions de détection automatique des incendies.
« Dans le cadre de cette étude, on s’est rendu compte qu’avec l’intelligence artificielle, on pouvait apporter une solution potentiellement plus performante que ce qui existait sur le marché et plus compétitive », raconte-t-il. FireTracking est né en 2022, directement d’un besoin sur le terrain.
Et le terrain calédonien ne pardonne pas. L’archipel brûle chaque année entre 15 000 et 20 000 hectares de forêt, autant que l’ensemble du territoire hexagonal. Il abrite plusieurs centaines d’espèces endémiques, contre quelques dizaines en Europe.
« Il y a une grosse urgence, à la fois pour protéger les populations et pour préserver un patrimoine de biodiversité qui est exceptionnel », souligne Jean-Simon.
Détecter en trois minutes, décider en cinq
Le système repose sur des caméras installées sur des points hauts existants (pylônes télécom, châteaux d’eau) et alimentées par des panneaux solaires, nécessitant moins de 100 watts. En Nouvelle-Calédonie, où les sites sont exposés aux cyclones et à l’air marin, aucune opération de maintenance n’a été nécessaire au cours des trois dernières années.
Le choix technique fondamental est celui de l’edge computing : un micro-ordinateur installé à côté de chaque caméra traite le flux vidéo en qualité maximale, sur place.
« Si on devait exécuter notre IA sur un serveur tiers, la bande passante du réseau nous obligerait à dégrader la résolution et la fréquence des images et on perdrait énormément de performances », explique Jean-Simon.
Une connexion 4G suffit pour transmettre les alertes, mais l’analyse lourde s’effectue au plus près de l’image.
Lorsqu’un départ de feu survient, l’IA le détecte dans un délai de 1 à 3 minutes. Elle active automatiquement le zoom optique ×40 sur la zone suspecte, localise le feu avec une précision inférieure à 100 mètres à 20 kilomètres de distance, et mène une seconde analyse pour confirmer le départ de feu avant d’alerter. Quand un pompier se connecte, il a accès à des images en temps réel, zoomées, et il est « quasiment sûr à 100 % que c’est bien un départ de feu ». Le système simule ensuite la propagation en temps réel, en intégrant les données de vent et la cartographie locale, afin d’identifier les infrastructures et les zones urbaines menacées dans les minutes qui suivent. Quand plusieurs caméras couvrent la même zone, le système triangule automatiquement les alarmes pour confirmer la localisation et offrir plusieurs angles de vue du même événement.
La moissonneuse et le bosquet
L’histoire qui révèle le vrai défi de l’IA n’est pas celle d’un feu détecté, mais celle d’un feu qui n’en était pas un. En Indre-et-Loire, après le déploiement initial du système, FireTracking a été confrontée à une configuration qu’elle n’avait jamais rencontrée : la saison des moissons. Quand une moissonneuse passe derrière un petit bosquet, la machine disparaît et seul un panache de poussière dépasse des arbres, visuellement indiscernable de la fumée.
En trois mois, l’équipe a réduit ce volume de fausses alertes de 75 % en déployant près de dix nouvelles versions du modèle, chacune alimentée par les données des précédentes.
« On est dans une logique d’évolution extrêmement rapide », résume Jean-Simon.
Le processus d’entraînement est industriel : chaque alarme générée par le système, sur l’ensemble des projets clients, est retraitée manuellement afin de nourrir le réentraînement de l’algorithme. En complément, l’équipe utilise de l’IA générative pour créer des données synthétiques : des motifs de fumée copiés-collés dans des panoramas et des paysages sous différentes conditions météorologiques.
Les fausses alertes ne sont pas seulement un problème de précision. Elles coûtent cher. On envoie des équipes sur le terrain pour se rendre compte que c’était de la brume, un reflet de soleil ou du débroussaillage. On mobilise des pompiers sur des sujets qui n’en ont pas besoin, alors qu’ils devraient être disponibles pour de vrais départs de feu.
« On met possiblement en danger d’autres personnes, parce qu’on mobilise les ressources sur les mauvais sujets », note Jean-Simon.
Le risque remonte vers le nord
Le changement climatique ne se contente pas d’aggraver les incendies ; il redéfinit la carte du risque. En France, la saison des feux était traditionnellement concentrée sur le pourtour méditerranéen. Aujourd’hui, des départements comme la Sarthe, le Maine-et-Loire, le Finistère et la Charente-Maritime se dotent de systèmes de détection précoce. La sécheresse de la végétation est accrue, et chaque départ de feu peut se transformer en catastrophe dans des territoires qui n’y sont pas préparés.
En Nouvelle-Calédonie, le système a fait ses preuves dans les conditions les plus exigeantes: sites entièrement autonomes en énergie et en télécom, air salin, cyclones. Sur certains sites, FireTracking détecte jusqu’à cinq vrais départs de feu par jour. Depuis le déploiement, la surface de forêt brûlée dans la zone surveillée a été réduite de 95 %. Et dans un archipel où le moindre feu peut menacer des espèces endémiques qu’on ne trouve nulle part ailleurs sur Terre, chaque minute gagnée a un poids que les hectares seuls ne mesurent pas.
Le coût d’une heure d’hélicoptère
FireTracking est éditeur de logiciel. L’entreprise fournit l’architecture du système, les références des équipements et les fichiers de configuration. L’installation et la maintenance sont assurées par des distributeurs et des intégrateurs locaux, en France, Axione et Bouygues Telecom. Le logiciel est agnostique par rapport aux modèles de caméra : l’équipe identifie les meilleurs équipements du marché et les intègre dans une architecture optimale.
Le retour sur investissement est quasi immédiat. En Indre-et-Loire, douze caméras exploitées sur cinq ans représentent un marché public d’environ 1,2 million d’euros, réseau inclus.
« Le coût d’une solution sur un site pour un an, c’est l’équivalent d’une heure d’un hélicoptère », résume Jean-Simon.
Plus on détecte vite, moins on mobilise des moyens. Moins d’hélicoptères, moins de sapeurs-pompiers volontaires exposés longtemps au feu. Pour les collectivités, l’équation est simple.
Détecter les crises de demain
L’ambition de FireTracking dépasse désormais les forêts. Les clients demandent déjà de nouveaux services : détection de zones inondées, d’accidents de voiture, surveillance de la végétation pour les acteurs du transport d’électricité. Jean-Simon voit FireTracking devenir « un standard qui permet de détecter et de prévenir les crises de demain », au-delà des feux, pour l’ensemble des événements critiques que la vidéo peut capturer.
L’expansion vers l’Amérique du Nord et l’Australie est en cours, où FireTracking a déjà été retenu face à son principal concurrent américain. La vision est aussi celle d’une souveraineté européenne : quand il s’agit de vidéos de territoire, de données de secours et de surveillance des collectivités, la maîtrise technologique ne peut pas être déléguée à un tiers.
Aujourd’hui, le frein, c’est le financement.
« Quand on est une startup et qu’on veut mettre en place des équipes en Australie et en Europe, c’est un certain coût », reconnaît Jean-Simon. «Soit on attend d’avoir suffisamment de clients pour les financer, mais ça va nous prendre plusieurs années. Soit on lève des fonds et on accélère beaucoup plus vite.»
Quinze minutes séparent un départ de feu du point de non-retour. Pour FireTracking, la course est la même : chaque mois gagné dans le déploiement, c’est une forêt qui ne brûle pas.
Si vous travaillez sur un projet porteur de sens en tech, j’aimerais beaucoup en entendre parler. Écrivez-moi : votre histoire est peut-être la prochaine à être racontée. 💬