# Collecte séparée des textiles obligatoire dans l’UE à partir de 2025

_Publié le 11 novembre 2026 — https://ip73.fr/2026/11/11/collecte-separee-des-textiles-obligatoire-dans-l-ue-a-partir-de-2025/_

Selon eea.europa.eu, les États membres de l'Union européenne devront mettre en place des systèmes de collecte séparés pour les textiles à partir de 2025. Cette directive vise à favoriser la circularité des textiles, mais elle soulève des défis importants pour le secteur.

En 2020, l'UE a produit près de 6,95 millions de tonnes de déchets textiles, soit une moyenne de 16 kg par habitant. Seulement 4,4 kg par personne ont été collectés spécifiquement pour le réemploi ou le recyclage ; les 11,6 kg restants ont été jetés avec les ordures ménagères mixtes. Il est important de souligner que 82 % de ces déchets sont d'origine post-consommation, c'est-à-dire issus de la consommation.

Actuellement, la collecte se fait majoritairement via des points de dépôt en ville. Ces dispositifs permettent de rassembler de gros volumes, mais ils présentent un risque de contamination plus élevé que les collectes en intérieur. Un textile humide, par exemple, peut être rendu inutilisable pour les recycleurs à cause de la moisissure, surtout lorsque les marges bénéficiaires sont faibles.

Le problème ne s'arrête pas à la collecte. Si les capacités européennes de tri et de recyclage ne sont pas augmentées, il y a un risque que les textiles collectés finissent à l'incinérateur ou à l'enfouissement, ou qu'ils soient exportés hors de l'UE. Pour que la filière fonctionne, il faut harmoniser les définitions et instaurer un reporting obligatoire sur la gestion de ces déchets.

## L'apport de l'intelligence artificielle au tri

Face à cette complexité logistique, l'automatisation est une piste sérieuse. Des startups montrent déjà comment l'intelligence artificielle peut transformer le tri. Elles utilisent la vision par ordinateur pour analyser en temps réel les matériaux qui passent sur des convoyeurs rapides. Cela permet d'identifier chaque objet par type et marque, même dans des conditions difficiles, comme des poussières ou un éclairage faible.

Des systèmes, comme ceux utilisant des modules NVIDIA Jetson Orin NX, permettent d'exécuter l'inférence sur ces lignes de tri. Cette précision est vitale pour le recyclage en boucle fermée, où le matériau doit être trié finement pour redevenir, par exemple, une bouteille de même type. Des entreprises comme AIRECO, basée à Taïwan, affirment que le tri fin permet de rendre les matériaux plus commercialement utiles.

## Optimisation de l'inférence en production

Cette automatisation repose sur des performances informatiques très élevées. Pour que ces systèmes fonctionnent sur des lignes de production, il faut que l'inférence des modèles d'IA soit ultra-rapide. NVIDIA, par exemple, propose son écosystème TensorRT pour optimiser l'exécution des modèles de *deep learning*. Cet ensemble d'outils permet d'accélérer le traitement, parfois jusqu'à 36 fois par rapport à une plateforme utilisant uniquement un processeur central (CPU).

Des outils comme NVIDIA Model Optimizer aident à compresser les modèles, notamment via la quantification (INT8 ou FP8), ce qui réduit la latence et la consommation de mémoire. Cette optimisation est nécessaire que ce soit sur les centres de données, mais aussi sur les appareils périphériques (*edge devices*) où se trouvent ces systèmes de tri. Au-delà du textile, cette capacité à optimiser l'IA s'applique à d'autres secteurs ; on observe par exemple que des chercheurs utilisent l'IA pour concevoir des alliages métalliques plus performants à partir de ferraille, rendant la production plus verte et plus économique.

## Sources

- [Management of used and waste textiles in Europe’s circular economy](https://www.eea.europa.eu/en/analysis/publications/management-of-used-and-waste-textiles-in-europes-circular-economy), eea.europa.eu
- [NVIDIA TensorRT](https://developer.nvidia.com/tensorrt), developer.nvidia.com
- [How AI Helps Recyclers Turn Mixed Waste Into Reusable Material](https://blogs.nvidia.com/blog/ai-recycling-startups/), NVIDIA, 11 novembre 2026
- [Forscher setzen KI zur Erzeugung von Legierungen aus Metallschrott ein](https://www.heise.de/news/Forscher-setzen-KI-zur-Erzeugung-von-Legierungen-aus-Metallschrott-ein-11512695.html?wt_mc=rss.red.ho.ho.atom.beitrag.beitrag), Heise, 5 novembre 2026

## Crédits photo

- Image en une : [Metal scrap in Aomi](https://commons.wikimedia.org/wiki/File:Metal_scrap_in_Aomi.jpg), par Syced, [CC0](http://creativecommons.org/publicdomain/zero/1.0/deed.en), via Wikimedia Commons (recadrée)