Détection d'objets avec YOLO : premiers pas en Python

YOLO (« You Only Look Once ») est une famille de détecteurs d'objets publiée par Ultralytics. Un détecteur reçoit une image et renvoie, pour chaque objet trouvé, une boîte, une classe et un score de confiance. Avec la bibliothèque Python ultralytics, une première détection tient en quatre lignes. Cette page montre ces quatre lignes, ce que contient la réponse, puis ce qu'il faut régler avant de s'en servir sur une vraie ligne de production.

Le code minimal

Voici l'exemple de la documentation Ultralytics (page « Predict », lue le 15/11/2026), avec le modèle YOLO26n, le plus petit de la gamme :

from ultralytics import YOLO

model = YOLO("yolo26n.pt")           # modèle pré-entraîné
results = model("chemin/vers/image.jpg")

for r in results:
    print(r.boxes.xyxy)   # boîtes en pixels, forme (N, 4)
    print(r.boxes.conf)   # scores de confiance, forme (N,)
    print(r.boxes.cls)    # numéros de classe

Les numéros de classe sont des flottants qu'il faut convertir en entiers pour retrouver le nom dans r.names. Chaque résultat contient aussi l'image d'origine, sa taille, le chemin et les temps de traitement.

Ce que le modèle accepte en entrée

La documentation liste, entre autres : un chemin de fichier, une adresse d'image, une image PIL ou OpenCV, un dossier, un motif de fichiers (*.jpg), un fichier vidéo, un flux réseau (RTSP, RTMP) et l'index d'une webcam (0). Autrement dit, la même ligne de code sert pour une photo posée sur un bureau et pour une caméra IP. Le flux RTSP est le format courant des caméras de surveillance ; si elles filment des personnes, lisez d'abord Vidéosurveillance et IA : la CNIL.

Tailles de modèle et vitesse

YOLO26 existe en cinq tailles : n, s, m, l, x. Ultralytics indique, sur le jeu COCO, une précision de 40,9 à 57,5 mAP et une latence de 1,7 à 11,8 ms sur un GPU T4 avec TensorRT. Pour YOLO26n, la page donne 38,9 ms sur processeur en ONNX, contre 525,8 ms pour YOLO26x. Ces chiffres sont mesurés par l'éditeur sur son matériel : ils indiquent des ordres de grandeur, pas votre débit. Ce que signifie « mAP » est expliqué dans Précision, rappel, mAP.

La même page cite les tâches prises en charge : détection, segmentation d'instances et sémantique, estimation de profondeur, classification, pose et boîtes orientées. Les différences entre elles sont dans Classification, détection, segmentation.

Du modèle pré-entraîné au vôtre

Un modèle pré-entraîné reconnaît les classes de son jeu d'entraînement, pas votre référence de pièce. Pour apprendre vos objets, il faut des images annotées. Le guide Ultralytics d'entraînement recommande au moins 1 500 images et 10 000 instances annotées par classe, une partie d'images sans objet (jusqu'à 10 % du jeu) et toutes les instances étiquetées dans chaque image. Il conseille aussi de varier les conditions : heure, lumière, angle. C'est une recommandation de l'éditeur pour un résultat fiable, pas un minimum technique : pour des essais, la documentation sur la collecte de données parle de quelques centaines d'objets annotés par classe.

Points à vérifier avant de passer en production

1. Le seuil de confiance. Un seuil bas détecte plus d'objets mais ajoute de fausses alertes ; un seuil haut en manque. Choisissez-le sur des images que le modèle n'a pas vues pendant l'entraînement.
2. La prise de vue réelle. Testez avec la caméra et l'éclairage définitifs, pas avec des photos propres.
3. La licence. Le code et les modèles sont proposés sous AGPL-3.0 ou sous une licence Entreprise payante. Cela change ce que vous pouvez livrer à un client : voyez la licence Ultralytics YOLO.
4. Le lieu de calcul. Sur un petit calculateur près de la caméra, voir Vision en edge.

Si vous ne voulez pas entraîner

D'autres détecteurs sont publiés avec des licences différentes ; la page Modèles de vision open source en liste plusieurs, avec leur licence lue sur la fiche officielle.