Annoter des images : Label Studio ou CVAT ?

Entraîner un modèle de vision, c'est d'abord annoter des images : tracer des boîtes, des contours ou poser des étiquettes. Le temps d'annotation est souvent le poste le plus long d'un projet. Deux outils open source reviennent presque toujours : Label Studio et CVAT. Cette page décrit ce que leurs pages officielles (lues le 15/11/2026) annoncent, ce qu'il faut annoter, et comment éviter de refaire le travail. Elle ne tranche pas à votre place : testez les deux sur 50 images de votre atelier.

Les types d'annotation

Le guide d'Ultralytics distingue :

• Boîtes englobantes : rectangles autour des objets, pour la détection ;
• Polygones : contours plus précis qu'une boîte ;
• Masques : étiquettes au pixel, pour la segmentation ;
• Points clés : pour la pose ;
• Boîtes orientées : rectangles inclinés.

Plus la tâche est fine, plus l'annotation est longue : le choix est décrit dans Classification, détection, segmentation.

Les formats d'export

Les formats courants sont COCO (un seul fichier JSON), Pascal VOC (un XML par image) et YOLO (un .txt par image). En YOLO, chaque ligne décrit un objet : « classe x_centre y_centre largeur hauteur », avec des coordonnées normalisées entre 0 et 1 et des classes numérotées à partir de 0. Pour entraîner un détecteur comme YOLO, c'est le format à viser.

Label Studio

D'après son dépôt GitHub : « un outil open source d'annotation de données », sous licence Apache 2.0. Il gère l'audio, le texte, les images, la vidéo, les séries temporelles et le HTML. Installation :

pip install label-studio
label-studio

(Python 3.10 ou plus ; le serveur démarre sur http://localhost:8080.) Une image Docker est aussi indiquée. Sa documentation liste, à l'export, notamment : COCO, YOLO, Pascal VOC XML, JSON, CSV, et les étiquettes en pinceau vers NumPy et PNG. Son guide mentionne aussi des modèles d'interface prêts à l'emploi et l'intégration de modèles d'apprentissage automatique pour pré-annoter.

CVAT

Sa documentation le présente comme tout ce qu'il faut savoir « de l'annotation de base aux guides d'étiquetage assisté par IA ». La page lue ne mentionne pas la licence : consultez le dépôt cvat-ai/cvat avant de décider. Selon la navigation de la documentation :

• outils manuels : rectangles, polygones (avec création de masques), polylignes, points, ellipses, cuboïdes, squelettes et pinceau ; étiquettes et annotation 3D ;
• formats : COCO, COCO Keypoints, Ultralytics YOLO, YOLO, Pascal VOC, CVAT for image, Datumaro, LabelMe, ImageNet, Cityscapes, KITTI ;
• déploiement : à héberger soi-même (Docker Compose, Kubernetes) via l'édition communautaire, ou en ligne avec « CVAT Online » ; une édition entreprise existe aussi ;
• annotation automatique : une rubrique « Automated Annotation » avec modèles d'IA et Segment Anything 2 Tracker.

Comparaison

Le tableau reflète ce que disent les pages : une case « non indiquée » ne veut pas dire « absent ».

Ce qui fait la qualité d'un jeu annoté

• Cohérence : toutes les instances de toutes les classes de chaque image doivent être étiquetées, d'après Ultralytics. Un objet oublié est appris comme du fond.
• Contrôle : relire un échantillon, faire vérifier par une deuxième personne, mesurer l'accord entre annotateurs.
• Classes utiles : définir des classes en fonction du projet ; des classes fines améliorent la précision mais coûtent du temps et du calcul.
• Variété : images prises dans les conditions réelles (lumière, angles, heures).
• Volume : au moins 1 500 images et 10 000 instances par classe pour un résultat fiable selon Ultralytics ; quelques centaines d'objets annotés par classe pour démarrer.

Une charte écrite des règles d'annotation (que faire d'un objet coupé par le bord, d'un défaut limite) évite la plupart des incohérences. Le budget que représente ce travail est abordé dans Coût d'un projet de vision, et la suite logique est de mesurer le modèle.