Lorsqu’il est réalisé au plus près de la machine, sur toutes les pièces manufacturées, le Contrôle Qualité permet de mesurer les performances de la machine et de détecter les dérives qualité. De plus, qualifier les pièces dès la sortie de la machine permet de réduire les rebus finaux qui sont causés par l’étape d’injection-moulage. Cela élimine les coûts perdus issus de l’ajout de valeur à des pièces initialement mauvaises, pendant les étapes suivantes de finition de la pièce. Dans le cas de l’injection plastique, aucun système ne répond actuellement aux contraintes du procédé. Nous avons identifié trois verrous au déploiement massif du Contrôle Qualité à cent pourcent dès la sortie de la machine : économique, technologique et humain. Nous présentons les méthodes et moyens retenus pour lever ces verrous au travers des essais expérimentaux réalisés avec un prototype de dispositif de mesure. Les résultats obtenus sont très encourageants. Les avancées en Machine Learning, dont les réseaux de neurones profonds (Deep Learning), permettent de déployer un dispositif de mesure qui intègre un modèle de la notion de Qualité créé à partir de l’Expert Qualité humain par apprentissage supervisé. L’apprentissage supervisé est réalisé au fur et à mesure de la production de manière transparente.