Pourquoi les scieries se tournent vers les scanners et l’IA
Une scierie décide d’une grande partie de la valeur d’une grume dès les premiers traits de scie. Tournez la grume de quelques degrés, ouvrez-la quelques centimètres plus haut, et le même nœud se retrouve au milieu d’une planche de valeur ou dans une dosse. Jusqu’à récemment, cette décision se prenait de l’extérieur : écorce, forme, faces d’about et expérience du scieur. Sur les scies à ruban pour gros bois, le scieur doit décider en quelques secondes où placer le trait suivant, principalement d’après la surface de la grume et les faces déjà sciées.10
Le scannage apporte des données à cette décision en trois points de la chaîne : sur le parc à grumes, où les scanners mesurent la forme et, avec les rayons X, l’intérieur ; à la scie de tête, où un optimiseur tourne la grume et choisit le plan de débit ; et sur les sciages secs, où des scanners à caméras et à rayons X classent les planches et alimentent les tronçonneuses optimisantes. Ici, « IA » désigne surtout des modèles d’apprentissage profond, en général des réseaux de neurones convolutifs, qui ont appris à reconnaître les nœuds, les fentes ou la pourriture à partir de milliers d’images annotées.1
Cet article expose ce que disent les données publiées pour les feuillus, avec une réserve constante : la plupart des recherches sur le CT portent sur les résineux, et la plupart des recherches sur le classement des feuillus sont américaines. Nous indiquons chaque fois à quelle essence et à quelle comparaison se rapporte un chiffre. Où se perd le volume entre la grume et la pièce, et comment le débit en long d’abord et l’aboutage le récupèrent, c’est ce que traite notre article sur le rendement matière de la grume à la pièce de meuble.
Trois niveaux de scannage des grumes : 3D, rayons X et CT
Tous les « scanners de grumes » ne voient pas la même chose. Les scanners optiques et laser mesurent la forme extérieure : diamètre, décroissance, courbure, ovalisation et, à haute résolution, les bosses en surface. Les scanners à rayons X discrets, utilisés dans les scieries de pointe depuis les années 1990, envoient des rayons X à travers la grume dans une à quatre directions et estiment des propriétés comme la proportion de duramen, la densité, la taille des nœuds, l’espacement des verticilles et la largeur des cernes. La tomographie (CT) va plus loin : elle combine des projections X prises tout autour de la grume pour obtenir une carte de densité complète en trois dimensions, tranche par tranche.6,2
Les méthodes laser, optiques et acoustiques restent les outils de base. Une étude slovaque de 2022 les a trouvées dans toutes les grandes scieries automatisées d’Europe et, de plus en plus, dans les scieries moyennes, alors que les tomographes industriels restaient rares en raison de leur prix.6
Ce qu’un scan laser peut dire d’une grume de feuillus
Les seules données de surface en disent long sur les grumes de feuillus, dont le classement dépend fortement des défauts de surface. Un système de l’US Forest Service qui analyse des scans laser 3D haute résolution de grumes non écorcées localise les défauts d’au moins 13 mm de haut et 76 mm de large. Sur 14 grumes choisies au hasard, il a trouvé 53 des 64 défauts graves, signalé à tort neuf zones saines et localisé 90,2 % de la surface des défauts.11 Cela aide à classer une grume, mais ce n’est pas une vue de l’intérieur : un nœud recouvert depuis des décennies peut ne laisser qu’une faible trace sur l’écorce.
Comment fonctionne un tomographe à grumes à la cadence d’une scierie
Le tomographe industriel utilisé dans les études ci-dessous est le CT Log, développé par le fabricant italien de scanners Microtec à partir de 2008. Ses concepteurs décrivent un portique doté d’une source de rayons X et d’une couronne de capteurs tournant à 240 tr/min autour d’un convoyeur, qui reconstruit la grume en continu pendant son passage. Selon la spécification publiée, il scanne à 60–160 m/min, offre un champ de vision de 90 cm, accepte des grumes jusqu’à 70 cm de diamètre selon la densité du bois, et atteint une résolution de 1 mm dans le sens transversal et de 10 mm dans le sens de la longueur.1
La vitesse est la difficulté principale. Une scierie traite une dizaine de grumes par minute, bien trop pour qu’on lise les images CT à la main. Dans le système publié, une grume de 6 m est analysée en 2,3 secondes environ par une grappe d’ordinateurs, puis l’optimiseur teste quelque 10 000 planches virtuelles par grume en une seconde pour choisir le plan de débit le plus rentable. Toute la chaîne tient entre le scanner et une scie située 16,1 m en aval.1
La détection des nœuds de ce système fait déjà appel à l’IA : un réseau de neurones convolutif entraîné sur plus de 5 000 nœuds annotés à la main par des experts dans des images CT. Les développeurs signalent aussi une limite valable pour toutes les essences : dans l’aubier externe, les nœuds et le bois sain ont une densité très proche, de sorte que les nœuds y sont détectés surtout par leur texture et mesurés avec moins de précision.1,3
Les développeurs comptaient cinq lignes en service début 2018, une sixième étant sur le point de démarrer en Suède. Une étude slovaque en dénombrait 14 dans le monde en 2023, surtout dans des scieries de résineux.1,2,7 L’une d’elles, au Centre forestier national de Zvolen, a été installée pour la recherche et non pour la production, ce qui explique qu’une grande partie des données européennes récentes sur les feuillus vienne de Slovaquie.2
Quelle valeur le CT apporte-t-il ? Ce que les études ont comparé
Chaque gain de valeur publié répond à une question légèrement différente. Certaines études comparent la meilleure rotation de chaque grume à une position standard, d’autres à la moyenne de toutes les positions, et l’une à ce que la scierie a réellement produit. Certaines supposent un équipement de rotation des grumes parfait ; d’autres ajoutent des erreurs réalistes. Le tableau présente les principales études.
| Étude | Essences et échantillon | Comparé à | Gain de valeur |
|---|---|---|---|
| Chang & Gazo 2009 (États-Unis) | Chêne rouge, chêne blanc, cerisier tardif, érable dur, tulipier ; 29 grumes, tomographe médical | Sciage réel des mêmes grumes par la scierie | +46 % en moyenne (chêne rouge +24 %, chêne blanc +60 %) |
| Stängle et al. 2015 (Allemagne, Finlande) | Hêtre européen ; 33 grumes | Moyenne de 12 angles de rotation | Jusqu’à +24 % (meilleur angle) |
| Berglund et al. 2013 (Suède), d’après Rais et al. | Pin sylvestre, épicéa commun | Position classique de la grume | Environ +13 % en moyenne |
| Rais et al. 2017 (Microtec) | Douglas ; 36 grumes, tomographe industriel à 120 m/min | Position cornes en haut, avec erreurs de rotation et de mesure des nœuds | +4 %, +8 % ou +20 % selon l’écart de prix entre choix |
| Belley et al. 2019 (Canada) | Épicéa blanc, pin gris ; 53 arbres | Sciage classique courbure en haut | +15 % (épicéa), +23 % (pin) |
| Gejdoš et al. 2025 (Slovaquie) | Chêne pédonculé et chêne sessile ; 125 grumes | Classement visuel des grumes (classement, pas sciage) | Même classe pour 47 % des grumes ; valeur catalogue inférieure de 30 €/m³ |
Les références de comparaison diffèrent : les gains ne sont donc pas directement comparables. Seules les deux premières lignes sont des études de sciage de feuillus. Source: Chang & Gazo (2009) ; Stängle et al. (2015) ; Rais et al. (2017), qui rapportent aussi Berglund et al. (2013) ; Belley et al. (2019) ; Gejdoš et al. (2025). Références complètes ci-dessous.
Trois points ressortent. D’abord, les gains portent surtout sur la valeur, pas sur le volume. Tourner une grume pour que les nœuds tombent en rive des planches, ou dans les planches destinées de toute façon aux choix inférieurs, modifie la répartition des choix bien plus que le nombre de mètres cubes. La différence entre rendement en volume et rendement en valeur est expliquée dans notre article sur les plans de débit et le sciage sur quartier.
Ensuite, l’écart de prix entre les choix détermine le résultat. Dans l’étude industrielle sur le douglas, les mêmes grumes et les mêmes données CT ont donné un gain moyen de 4 %, 8 % ou 20 %, selon le seul écart de valeur des choix supérieurs.3 Dans les feuillus, où les meilleurs choix d’aspect se vendent à un multiple des choix courants, cela joue dans les deux sens : des gains possibles plus élevés, et des pertes plus lourdes en cas d’erreur d’appréciation d’une grume.
Enfin, les données sur les feuillus sont minces, alors que les résultats sur les résineux sont plus larges : une étude canadienne sur 53 épicéas blancs et pins gris a trouvé 15 % et 23 % de valeur de sciages en plus avec un sciage optimisé selon les nœuds qu’avec un sciage classique.12 L’étude européenne sur le hêtre portait sur 33 grumes et a trouvé que le meilleur de 12 angles de rotation donnait jusqu’à 24 % de volume et de valeur en plus que l’angle moyen.4 L’étude américaine sur cinq essences feuillues portait sur 29 grumes scannées dans un tomographe médical. Son gain moyen de 46 % compare une simulation optimisée à la manière dont la scierie a réellement scié les mêmes grumes : une partie du gain vient donc de l’optimisation elle-même, pas seulement de la vue par rayons X. Les gains allaient de 27 % sur les grumes de choix 1 à 97 % sur celles de choix 3.5
Un scanner ne vaut que ce que vaut le tourne-grume
Un optimiseur CT peut calculer le meilleur angle au degré près, mais c’est le tourne-grume qui doit l’appliquer. La simulation sur le douglas a ajouté une erreur de rotation aléatoire d’un écart type de 5° et une erreur réaliste de mesure des nœuds, et a malgré tout trouvé les gains ci-dessus. Le même article cite une estimation finlandaise selon laquelle les erreurs de rotation doivent rester sous un écart type d’environ 2° pour ne pas perdre de valeur, situe les tourne-grumes courants à environ 4°, et rapporte une étude suédoise sur l’épicéa dans laquelle une erreur de 6° ramenait le gain moyen de 11 % à 6 %.3 Un meilleur scannage ne paie que si la mécanique en aval suit.
Chêne et hêtre : pourquoi les feuillus sont plus difficiles pour le CT
Le CT voit la densité, pas la couleur. Dans l’épicéa, un nœud est nettement plus dense que le bois de cœur qui l’entoure et ressort sur l’image. Dans le chêne et le hêtre, le contraste est plus faible. Une équipe slovaque qui a scanné des grumes de chêne, de hêtre et d’épicéa sur un tomographe industriel a constaté que la structure interne des deux feuillus se superposait à leurs défauts, qui apparaissaient comme des zones connexes aux formes indéfinies plutôt que comme des éléments distincts.6
Une étude complémentaire a débité une grume de hêtre de 4 m et une partie d’une grume de chêne en tranches de 20 mm et comparé chaque défaut à l’image CT. La localisation était précise sur les deux, à 0,90 % près sur le hêtre et 1,21 % sur le chêne. Les dimensions étaient moins fiables : sur le hêtre, les dimensions CT différaient de 3,5 % en moyenne, mais sur le chêne elles étaient nettement surestimées, une poche d’écorce de plus de trois fois. Le scanner a aussi manqué une zone de faux cœur dans la grume de hêtre et un nœud dans le chêne. Les auteurs concluent que la technologie a été développée principalement pour les résineux et que son logiciel n’est pas encore adapté à certains feuillus.2
Deux limites pratiques comptent pour les grosses grumes de feuillus. La même équipe a observé des artefacts d’image en forme d’anneaux sur les grumes de plus de 650 mm environ, et son étude de 2025 note que le bruit d’image augmente au-delà de 750 mm de diamètre, même si les défauts restaient identifiables.2,7 Les grosses grumes de pied de chêne et de hêtre se situent précisément dans cette plage.
Le classement CT de 125 grumes de chêne
L’étude la plus utile pour les acheteurs de feuillus est une comparaison slovaque de 2025 portant sur 125 grumes de chêne pédonculé et de chêne sessile, achetées pour des usages à forte valeur comme le merrain. Chaque grume a été classée deux fois selon la norme slovaque de classement des grumes feuillues : à l’œil, comme dans la pratique forestière courante, et à partir des images CT et des modèles 3D.7
Les deux méthodes ont concordé pour 47,2 % des grumes. Le CT en a placé 42,4 % dans une classe inférieure et 10,4 % dans une classe supérieure. La répartition des critères déterminants selon les auteurs : pour 60 % des grumes, les critères étaient visibles à l’œil mais mesurés différemment sur les images CT ; les nœuds recouverts ont décidé du classement de 16,8 % des grumes, la cadranure de 10,4 % et la courbure dans plus d’un plan de 9,6 %. Aux prix catalogue slovaques du deuxième trimestre 2024, la valeur moyenne est tombée de 157,32 € à 127,16 € par mètre cube.7
Cette baisse n’est pas une perte causée par le CT. C’est une valeur que le classement visuel avait surestimée. Pour une scierie qui achète des grumes, l’apprendre avant le sciage est tout l’intérêt ; pour un propriétaire forestier qui les vend, c’est moins bienvenu. La leçon plus générale est que les classes de grumes selon l’EN 1316-1 et ses déclinaisons nationales ne sont fiables qu’à la mesure de la mesure qui les fonde, un point que notre guide du classement des sciages feuillus fait aussi pour le bois scié.
La détection des défauts par IA sur les planches : ce que signifient les chiffres de précision
La plupart des applications de l’IA dans la transformation des feuillus portent aujourd’hui sur les planches plutôt que sur les grumes : dans les lignes de classement en fin de scierie, et dans les scanners qui alimentent les tronçonneuses optimisantes et les déligneuses. Ces systèmes combinent des caméras couleur, des lasers qui lisent le profil de surface et parfois des rayons X, avec un logiciel qui classe chaque défaut puis applique une règle de classement ou une liste de débit.8
La « précision » peut désigner trois choses différentes : si un défaut a été trouvé, s’il a été correctement classé, ou si le choix ou la coupe finale étaient justes. Les publications rapportent les trois, si bien que les chiffres ne sont comparables qu’au sein d’une même étude.
Lignes de classement : les machines face aux classeurs humains
La référence n’est pas la perfection, mais le classeur humain. En 2003, un prototype multicapteur de Virginia Tech a classé correctement 89 planches de chêne rouge dans 63 % des cas, contre 48 % pour les classeurs de la ligne de production. Il a estimé la valeur des sciages à 6 % près de celle d’un inspecteur certifié NHLA, alors que les classeurs de la ligne la surévaluaient de près de 20 %.13 Quinze ans plus tard, un scanner commercial équipé de caméras couleur, de lasers et d’un capteur à rayons X a classé plus de 9 000 planches brutes séchées en séchoir de neuf feuillus américains dans une scierie du Midwest. Il a atteint 92,22 % de précision sur le choix et 99,50 % sur la valeur, contre des minimums de 80 % et 96 % dans le code de vente de la NHLA. Les auteurs citent des études qui situent les inspecteurs humains entre 48 et 75 %.8
Un détail compte pour les acheteurs de chêne : le chêne blanc a exigé une solution de classement adaptée à cause des taches de fer, que le scanner aurait sinon interprétées comme des défauts.8
Tronçonneuses optimisantes et tri des lamelles
Les données européennes sont plus rares, mais plus proches de la fabrication de composants. Une étude croate a comparé le logiciel d’apprentissage profond d’un scanner couleur industriel à un logiciel développé dans un projet de recherche, sur 40 lamelles de chêne issues d’une production de portes. Aucun n’était meilleur sur toute la ligne. Le scanner industriel trouvait l’aubier à chaque fois, mais les larges rayons du chêne scié sur quartier, sa maillure, dans 27 % des cas seulement ; le logiciel du projet trouvait les rayons dans 82 % des cas, mais ne reconnaissait les piqûres de scolytes xylomycétophages qu’une fois sur cinq. En moyenne sur les six types de défauts, les deux détectaient environ 60 % et 62 %.14
Une étude de 2025 a entraîné un réseau Mask R-CNN sur 2 972 images de lamelles de hêtre destinées à des panneaux lamellés-collés et les a triées en trois classes d’aspect plus les pièces fendues, avec une précision globale de 90,90 %.15 Une équipe de Purdue a montré qu’un réseau de neurones peut distinguer 11 feuillus commerciaux à partir d’images de planches avec 98,2 % de précision, ce qui permettrait à un scanner de changer de paramètres au changement d’essence au lieu d’attendre un opérateur.16
Aucun de ces chiffres n’est une garantie pour une ligne donnée. La précision dépend de l’essence, de l’éclairage, de l’état de surface, de la définition des défauts et du nombre d’exemples annotés que le modèle a vus. Pour un acheteur, le chiffre qui compte est le taux de rebut sur ses propres pièces.
Ce que coûte le scannage, et quelles scieries peuvent le justifier
Les prix publiés des tomographes à grumes sont rares. Un article slovaque de 2023 situe l’investissement de l’ordre de plusieurs millions d’euros et indique que cela ne l’a rendu rentable que pour les grandes scieries.2 L’économie de la question n’a guère changé depuis des décennies. Une étude américaine de 1990 sur le CT dans les scieries de feuillus supposait un investissement de 1,5 million de dollars, le haut de la fourchette des tomographes médicaux rapides de l’époque, plus environ 175 000 dollars par an de maintenance. Avec un rendement exigé de 15 %, le scanner était rentable dans une grande scierie dès un gain de valeur de 8,5 % ; une petite scierie avait besoin de plus de 30 %.17
Les tailles de scierie sont de 25, 10 et 5 millions de pieds-planche par an, convertis à 2,36 m³ par millier de pieds-planche (notre conversion). Une simulation autrichienne de 2019 portant sur une scierie européenne de résineux de taille moyenne, sciant environ 100 000 m³ par an d’épicéa et de mélèze et centrée sur sa scie à ruban pour gros bois, a calculé un taux de rentabilité interne de 5 % à 42 % sur dix ans, selon la mesure dans laquelle le CT était censé déplacer la production vers des produits à plus forte valeur. Les auteurs notent que les applications industrielles réussies restaient rares et que les données réelles sur les gains du CT dans les scieries à ruban faisaient défaut.10
Les scanners de planches coûtent moins cher. En 2002, les scanners de sciages à vision industrielle coûtaient moins d’un million de dollars, et les auteurs d’une étude américaine sur les ateliers de débit estimaient qu’un système divisant par deux les pièces rebutées serait amorti en moins d’un an dans un atelier de débit américain moyen.18
Les fabricants publient leurs propres chiffres. La page feuillus de Microtec affirme que le CT Log peut augmenter le chiffre d’affaires d’une scierie de 15 à 20 %, et son étude de cas d’une scierie nord-américaine sciant de l’aulne, du frêne et de l’érable cite l’exploitant selon lequel il sciait « dans les délais d’amortissement annoncés » au bout de quatre mois, sans en divulguer les chiffres.19,20 Ce sont des affirmations, pas des mesures indépendantes. Pour les structures plus petites, les chercheurs slovaques suggèrent une autre voie : louer de la capacité sur une ligne CT existante, par exemple pour certifier des grumes de valeur avant une vente aux enchères ou pour des produits à forte valeur comme les tonneaux et les instruments de musique.2,7
Ce que les petites et moyennes scieries peuvent faire sans CT
Les mêmes recherches montrent où se trouvent les gains les moins coûteux, car les étapes humaines autour de la scie sont souvent le maillon le plus faible.
Marquer les défauts plus précisément
De nombreux ateliers de débit marquent encore les défauts à la main à la craie fluorescente, et une tronçonneuse optimisante coupe ensuite selon les marques. Une étude américaine sur un atelier de débit a évalué un opérateur expérimenté selon des critères stricts : 78 % des marques s’écartaient de la position idéale. 43 % des défauts n’avaient pas été marqués, 33 % étaient marqués à l’intérieur du défaut et 2 % des marques signalaient du bois sain. Le rendement avant rebut était de 63,5 % ; après élimination des pièces présentant des défauts indésirables, il tombait à 47,4 %, avec 22 % de pièces rebutées. Un test antérieur portant sur six employés expérimentés d’ateliers de débit leur avait attribué 68 % en moyenne.18
Voir les données
| Précision du marquage | Rendement utile |
|---|---|
| Erreurs de marquage habituelles | 39,1 % |
| 25 % d’erreurs en moins | 44,4 % |
| 50 % d’erreurs en moins | 45,7 % |
Rendement exprimé en surface de pièces sortantes rapportée à la surface de planches entrantes. Mesuré dans un atelier de débit américain avec débit en long d’abord, puis simulé. Source: Buehlmann & Thomas (2003), Impact of board-marker accuracy on lumber yield, FAIM 2003. Répartition des choix d’après Buehlmann & Thomas (2002).
Une simulation complémentaire a chiffré l’intérêt de la formation : avec 25 % d’erreurs de marquage en moins, le rendement utile passait de 39,1 % à 44,4 % ; avec 50 % en moins, à 45,7 %.9 Les auteurs recommandent de marquer quelques millimètres dans le bois sain au-delà de chaque défaut, un meilleur éclairage et des spécifications de défauts plus claires et écrites.18
Classer et mesurer les grumes avec soin
Dans l’étude sur le chêne, la plupart des écarts venaient de critères visibles mais difficiles à mesurer sur le parc : une courbure appréciée sur une grume posée sur un appui irrégulier, des nœuds recouverts qui ne se devinent que faiblement sur l’écorce, et des surfaces souillées de poussière et de boue ou mouillées par la pluie.7 Nettoyer les abouts, mesurer la courbure sur un appui plan et noter la classe de chaque grume face à ce qu’elle rend réellement coûte peu et constitue les données dont tout futur scanner aurait besoin.
Tourner la grume à bon escient
L’étude CT sur le hêtre a trouvé jusqu’à 24 % d’écart de valeur entre le meilleur angle de rotation et l’angle moyen.4 Sans vue de l’intérieur, un scieur peut toujours exploiter ce que montre la surface, et le scannage laser des grumes de feuillus trouve automatiquement la plupart des défauts de surface graves.11 Tourner chaque grume pour que les défauts visibles finissent dans les délignures, ou dans le moins de planches possible, est la version manuelle de ce que fait un optimiseur CT.
Comment nous optimisons chez SARAL
Ce qu’il faut demander à votre fournisseur sur le scannage et l’optimisation
- Comment les défauts sont-ils repérés avant la tronçonneuse optimisante ? Par des marques d’opérateur, par un scanner à caméras, ou les deux. Chaque méthode a ses propres types d’erreurs.
- Quels défauts sont purgés, et avec quelle marge ? Demandez les règles de défauts écrites : taille des nœuds, fentes, aubier, taches, maillure, et si les marques ou les réglages du scanner laissent une marge de sécurité dans le bois sain.
- Quelle règle de classement suit un classement automatisé ? L’EN 975-1, la NHLA ou une règle maison. Une machine applique une règle de façon constante, mais seulement la règle qu’on lui a donnée.
- Comment les critères de couleur sont-ils traités ? L’aubier, le cœur rouge du hêtre, les taches de fer du chêne et la maillure sont des critères de couleur ou de texture. Le CT, qui lit la densité, peut ne pas les voir ; les caméras les voient, avec un succès variable.
- Le scanner est-il réglé pour votre essence et votre état de surface ? Les essais publiés ont nécessité un étalonnage propre à l’essence, et les planches brutes sont plus difficiles à lire que les planches rabotées.
- Quels sont les taux de rendement et de rebut sur des pièces comme les vôtres ? Demandez des chiffres sur votre propre liste de débit, pas une moyenne de brochure.
- Considérez les chiffres des fabricants comme des affirmations tant qu’ils n’ont pas été démontrés sur votre propre bois.
Questions fréquentes
Qu’est-ce qu’un tomographe à grumes ?
Un scanner à tomographie conçu pour les scieries. Il radiographie chaque grume sous tous les angles pendant son passage sur un convoyeur et reconstruit l’intérieur en 3D jusqu’à 160 m/min, si bien qu’un optimiseur peut choisir la rotation et le plan de débit avant le premier trait de scie.1
De combien le scannage CT augmente-t-il le rendement en valeur d’une scierie ?
Dans les simulations publiées, généralement de 4 à 24 % en valeur par rapport à une position standard de la grume ou à la position moyenne, selon l’essence, l’écart de prix entre les choix et la précision du tourne-grume. Les études sur les feuillus sont peu nombreuses et portent sur de petits échantillons.3,4,5
L’IA détecte-t-elle les défauts du bois mieux que l’humain ?
Pour le classement, les essais publiés répondent oui : un scanner commercial a atteint 92,22 % de bon choix sur neuf feuillus américains, contre 48 à 75 % rapportés pour les classeurs humains. La détection des différents types de défauts varie fortement, de moins de 30 % à 100 % selon les critères dans une étude sur le chêne.8,14
Un tomographe vaut-il la peine pour une petite scierie ?
Rarement à lui seul. Une analyse américaine a montré que les petites scieries de feuillus auraient besoin de gains de valeur de plus de 30 % pour rentabiliser un tomographe, contre 8,5 % pour les grandes. La location de capacité de scannage, un meilleur marquage des défauts et un classement soigneux des grumes sont des premières étapes moins coûteuses.17,2,9
