← Retour au blog
AiEnviron 8 min de lecture

102 000 étoiles pour un radar Wi-Fi qui prétend voir à travers les murs

Publié le 7 nov. 2026
102 000 étoiles pour un radar Wi-Fi qui prétend voir à travers les murs

RuView compte 102 000 étoiles GitHub, une description de projet qui ressemble à un argumentaire matériel, et un README d'une franchise inhabituelle sur ses propres limites. Lisez les deux, car le projet enseigne plus que le nombre d'étoiles ne le laisse penser.

L'argumentaire : votre signal Wi-Fi est déjà un radar. Quand quelqu'un marche, respire ou a un pouls, son corps diffuse les ondes radio, et les changements de phase et d'amplitude qui en résultent apparaissent dans les informations d'état de canal (CSI) que les puces Wi-Fi collectent déjà. RuView lit ces données CSI et les transforme en détection de présence, comptage de personnes, fréquence respiratoire, fréquence cardiaque, détection de chute et estimation de pose humaine en 17 points clés, sans caméra ni capteur portable.

La pile technologique est bien réelle. Elle est écrite en Rust, avec un pipeline de bout en bout qui tourne à environ 18,47 microsecondes par image, soit environ 810 fois plus vite que la version Python qu'elle remplace. L'encodeur préentraîné tient dans 8 Ko en quantification 4 bits. Les poids préentraînés sont publiés sur Hugging Face. Le projet publie 21 entités MQTT Home Assistant par nœud et fait le pont avec Matter et Apple Home. Un mécanisme de secours fondé sur la variance de phase détecte la présence sans aucun modèle.

Il existe aussi un mécanisme de secours par variance de phase qui ne nécessite aucun modèle, le genre de détail que l'on ne voit que dans les projets où l'auteur veut vraiment que les gens fassent tourner la chose.

La partie qui fait fonctionner le matériel

La raison pour laquelle deux cartes bon marché peuvent percevoir quoi que ce soit tient à une couche de normalisation. Les puces Wi-Fi grand public rapportent les informations d'état de canal sur différentes sous-porteuses, dans des ordres différents, avec des mises à l'échelle différentes ; ainsi, les données CSI brutes d'un ESP32 et celles d'un Intel 5300 ne constituent pas la même mesure. Le HardwareNormalizer de RuView les convertit toutes dans un format unifié à 56 sous-porteuses grâce à un encodage dans le domaine de Fourier et à un rééchantillonnage dynamique, ce qui signifie qu'un modèle entraîné sur un jeu de puces peut être déployé sur un autre sans réentraînement.

Une carte capteur noir mat sur un bureau en bois clair, avec de faibles anneaux concentriques de lumière bleu canard au-dessus.

Au-dessus se trouve un traitement du signal fondé sur la géométrie des zones de Fresnel et la dynamique de phase CSI, réécrit en Rust. Les modules se compilent en WebAssembly et s'exécutent nativement sur l'ESP32-S3, de sorte que certaines parties du pipeline s'exécutent sur le nœud plutôt que sur un serveur.

Les capteurs sont des produits courants et la normalisation est l'élément réutilisable. Ce qui rend le reste digne de confiance, c'est que l'auteur a documenté les limites de précision de chaque étape au lieu de citer un chiffre accrocheur.

La réalité matérielle

La détection en direct nécessite des cartes ESP32-S3 ou ESP32-C6 flashées avec un firmware CSI. Les nœuds coûtent environ 9 $ chacun. Le projet fonctionne aussi avec des cartes réseau Intel 5300 pour du MIMO de niveau recherche, et le simple signal RSSI d'un ordinateur portable permet de détecter une présence grossière, mais rien de plus.

L'installation repose sur Docker et Compose. Un GPU est facultatif. L'image Docker exécute des données simulées, ce qu'il vaut mieux savoir avant de passer un après-midi à se demander pourquoi vos relevés semblent trop propres.

Ce que le README admet

Le README retire une précédente affirmation de précision, et c'est ce qui rend le projet digne d'une heure de votre temps. Il signale que les chiffres des signes vitaux et la précision synthétique en radiofréquence ne sont pas validés par des parties externes. Il note que le modèle de pose embarqué présent dans le dépôt obtient un score PCK@20 de 3,0 % et que son chemin d'exécution n'est qu'une ébauche.

Trois pour cent de PCK@20 signifie que le modèle de pose embarqué, tel que livré, ne fonctionne pas. Pas « fonctionne imparfaitement ». Il ne fonctionne pas. Le pipeline complet sur du matériel de classe serveur est une autre histoire que le modèle que l'on peut exécuter sur le nœud lui-même, et le README est clair sur ce qui relève de l'un ou de l'autre.

Le projet indique également que la pénétration à travers les murs atteint environ cinq mètres et dépend des conditions de signal, que la surface fonctionnelle est assez vaste pour qu'il soit difficile de distinguer les parties prêtes pour la production, et que le README lui-même est très long. Les affirmations de précision dans ce domaine ont un piètre bilan, alors un projet qui publie ses propres modes de défaillance fait quelque chose de rare.

Pourquoi un projet à 102 000 étoiles mérite encore d'être lu

Le nombre d'étoiles de ce dépôt a augmenté très vite. Le projet a dépassé les 10 000 étoiles en février 2026, les 50 000 en mai et les 100 000 le 27 octobre. Le suivi du dépôt montre environ 1 300 à 1 400 nouvelles étoiles par semaine au cours du dernier mois, avec un record journalier de 710 le 29 octobre. Cinquante contributeurs ont contribué au dépôt.

Une telle croissance signifie généralement un mélange d'adoption réelle et d'autre chose. L'autre chose, ici, est une prémisse séduisante et facile à partager : les caméras sont intrusives, alors remplaçons-les par la radio. Cette prémisse mérite beaucoup d'attention, et elle passe aussi sous silence les difficultés.

Les difficultés sont visibles si l'on regarde. La prise en charge de la CSI dans les puces Wi-Fi grand public est inégale, et toute l'approche dépend d'un firmware que peu de routeurs exposent. Le suivi de plusieurs personnes, l'occlusion et la géométrie d'une pièce modifient tous le signal d'une manière pour laquelle les modèles doivent être réentraînés. La détection de la fréquence cardiaque à travers les murs dans une pièce où tourne un ventilateur est un problème de physique avant d'être un problème d'apprentissage automatique.

Qu'en faire

Avant toute chose, lisez le tableau de précision plutôt que la liste des fonctionnalités. Ce genre de projet accumule des capacités plus vite qu'il n'accumule des preuves, et les deux listes sont conservées à des endroits différents du README. La liste des fonctionnalités est longue et ressemble à une feuille de route. La section sur la précision est courte et ressemble à une confession. Les deux sont vraies, et la seconde est la plus utile.

Si vous développez des outils pour la maison connectée ou la sécurité, RuView est une implémentation de référence sérieuse et une chose raisonnable à faire tourner sur un banc d'essai. Achetez deux cartes ESP32, flashez-les, observez la trace respiratoire. Le coût est dérisoire, et la compréhension que vous en retirez ne l'est pas.

Si vous l'évaluez pour la santé ou la détection de chute, traitez les mises en garde du README comme la spécification. La précision des signes vitaux n'est pas validée, le modèle de pose embarqué n'est qu'une ébauche, et la limite de pénétration des murs est réelle. Il n'y a pas encore de décision d'achat à prendre ici.

Si vous cherchez une alternative de détection respectueuse de la vie privée à une caméra, le résumé honnête est que RuView déplace le problème plutôt qu'il ne le résout. Il supprime l'image, pas les données. Ce que vous obtenez à la place d'une photo de la chambre de quelqu'un, c'est une fréquence respiratoire et une position dans la pièce, ce qui constitue un autre type d'enregistrement et, dans de nombreux contextes, un enregistrement plus sensible. Les questions juridiques et éthiques qui accompagnent la détection sans caméra ne sont réglées nulle part, et ce n'est pas dans un dépôt à 100 000 étoiles qu'elles le seront.

Le meilleur aspect de ce projet est son README. Quelqu'un a construit quelque chose d'ambitieux, puis a écrit exactement jusqu'où cela va réellement. Davantage de projets matériels et d'IA devraient faire de même.

Articles associés