Vision par ordinateur en entreprise : mettre en place
La vision par ordinateur en entreprise : contrôle qualité, comptage, lecture d'étiquettes et de codes, inspection, de la caméra au modèle.
La vision par ordinateur, c'est faire analyser des images ou des vidéos par un programme : repérer une pièce mal montée, compter des colis sur un tapis, lire un code-barres ou une étiquette, vérifier qu'une zone est dégagée. En entreprise, le sujet n'est presque jamais « quel modèle choisir ». Il est : quelles images, quel éclairage, quel défaut exact, quelle erreur est acceptable, et où tourne le calcul.
Cercle IA Tech · Vision s'adresse à ceux qui mettent ces projets en place : développeur, responsable informatique, responsable qualité, dirigeant technique de PME. Les faits techniques viennent de la documentation des éditeurs, lue le 15/11/2026 et citée sur chaque page.
Par où commencer
| Votre question | La page |
|---|---|
| De quoi parle-t-on exactement ? | Vision par ordinateur : définition |
| Classer, détecter ou segmenter ? | Les trois tâches de base |
| Faire tourner un détecteur d'objets | Détection d'objets avec YOLO |
| Puis-je utiliser YOLO dans un produit ? | Licence Ultralytics YOLO |
| Repérer des défauts sur une ligne | Méthode de détection de défauts |
| Je n'ai presque pas d'images de défauts | Détection d'anomalies |
| Envoyer une photo à un grand modèle | Envoyer une image à une API |
| Quels modèles ouverts existent ? | Modèles de vision open source |
| Préparer les images d'entraînement | Label Studio ou CVAT |
| Calculer près de la caméra | Vision en edge : Jetson, Raspberry Pi |
| Compter des passages | Compter personnes et véhicules |
| Lire des codes et des étiquettes | Codes-barres et étiquettes |
| Juger un modèle avec des chiffres | Précision, rappel, mAP |
| Une caméra filme des salariés | Vidéosurveillance et IA : la CNIL |
| Budgéter le projet | Coût d'un projet de vision |
Deux familles d'outils
Les projets de vision s'appuient aujourd'hui sur deux familles d'outils qui ne font pas le même travail.
- Les modèles spécialisés (détection, segmentation, classification), comme la famille YOLO d'Ultralytics ou les modèles publiés sur Hugging Face. Ils sont rapides, tournent sur un petit calculateur près de la caméra, et s'entraînent sur vos propres images. Ultralytics liste pour YOLO26 la détection, la segmentation d'instances et sémantique, l'estimation de profondeur, la classification, l'estimation de pose et les boîtes orientées.
- Les grands modèles qui lisent les images, appelés par API (interface de programmation) : Claude, Gemini, Mistral… Ils comprennent une consigne en français et décrivent une scène sans entraînement, mais Anthropic écrit lui-même que les coordonnées renvoyées par Claude sont approximatives et que ses comptages peuvent manquer de précision quand les petits objets sont nombreux.
Le premier se prête au contrôle répétitif sur une ligne ; le second à la lecture ponctuelle, au tri de photos envoyées par des clients ou des techniciens, ou à un premier prototype.
Ce que ce site ne traite pas
La lecture de documents scannés (factures, contrats) relève de l'OCR (reconnaissance optique de caractères) documentaire : voyez le comparatif des API d'OCR de Cercle IA Tech · Documents. La génération d'images non plus. Quand une caméra filme des personnes, les règles de la CNIL s'appliquent avant la technique : par exemple, la CNIL indique que les salariés ne doivent pas être filmés à leur poste de travail, sauf circonstances particulières.
Un projet de vision en cinq étapes
- Écrire la question : « la pièce a-t-elle ses quatre vis ? » plutôt que « contrôler la qualité ».
- Fixer la prise de vue : caméra, distance, éclairage, cadence.
- Constituer et annoter un jeu d'images, avec des cas difficiles.
- Mesurer sur des images que le modèle n'a jamais vues, et choisir un seuil.
- Déployer près de la caméra ou dans le nuage, puis surveiller les erreurs dans la durée.
Chaque étape a sa page sur ce site.
Toutes les pages
Guides
- Classification, détection, segmentation : la différence
Classer une image, repérer des objets avec des boîtes ou découper pixel par pixel : ce que renvoie chaque tâche, et laquelle choisir pour votre besoin.
- Compter des personnes ou des véhicules par caméra
Comptage par vision : détecteur, suivi, ligne virtuelle avec Ultralytics, réglages utiles, causes d'erreur et règles quand des personnes sont filmées.
- Coût d'un projet de vision par ordinateur : postes et calcul
Postes de dépense d'un projet de vision (annotation, matériel, licence, API ou calcul local) et calcul du coût par image avec les prix publiés.
- Détection d'anomalies : images sans exemples de défauts
Repérer ce qui sort de l'ordinaire sans photos de chaque défaut : principe, bibliothèque Anomalib, jeu MVTec AD et limites de l'approche.
- Détection d'objets avec YOLO : premiers pas en Python
Lancer un détecteur YOLO d'Ultralytics sur une image ou un flux caméra : code minimal, sources acceptées, lecture des résultats et points à vérifier.
- Détection de défauts par vision : méthode de projet
Les étapes d'un projet de contrôle visuel de défauts : définir le défaut, fixer la prise de vue, annoter, mesurer, déployer. Sans promesse de taux.
- Envoyer une image à une API de vision (Claude) : guide
Les trois façons d'envoyer une image à l'API Claude, les limites de taille et de nombre, le coût en jetons d'une image et ce que le modèle fait mal.
- Licence YOLO Ultralytics : AGPL ou licence Entreprise ?
Ce que dit Ultralytics sur l'AGPL-3.0 et la licence Entreprise de YOLO, et pourquoi la question se pose avant de livrer un produit ou un service.
- Lire des codes-barres et des étiquettes par caméra
Décoder un code-barres ou un QR code, lire le texte d'une étiquette : ZXing-C++, Tesseract, PaddleOCR et réglages d'image à vérifier.
- Précision, rappel, mAP : juger un modèle de vision
IoU, précision, rappel, F1, AP et mAP expliqués simplement, avec un exemple chiffré, pour savoir si un détecteur est assez bon pour votre usage.
- Vidéosurveillance et IA en entreprise : ce que dit la CNIL
Salariés filmés, information, durée de conservation, caméras « augmentées » : points de la doctrine de la CNIL à connaître avant d'ajouter de l'IA.
- Vision en edge : Jetson, Raspberry Pi, que choisir ?
Faire tourner un détecteur YOLO près de la caméra : NVIDIA Jetson et Raspberry Pi, exports TensorRT et NCNN, temps mesurés par Ultralytics.
Comparatifs
- Annoter des images : Label Studio ou CVAT ?
Annoter des images pour entraîner un modèle : types d'annotation, formats YOLO et COCO, et ce que Label Studio et CVAT proposent d'après leurs pages.
Listes
- Modèles de vision open source : détection, OCR, anomalies
DETR, RT-DETRv2, MMDetection, Detectron2, Anomalib, Tesseract, PaddleOCR : rôle de chaque projet, licence lue sur la page officielle, comment choisir.
Définitions
- Vision par ordinateur : définition et usages en PME
Ce qu'est la vision par ordinateur, les tâches qu'elle couvre (classer, détecter, segmenter, lire) et des exemples d'usage en PME, sans promesse chiffrée.