Définition
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.
Mis à jour le
La vision par ordinateur (en anglais computer vision) désigne l'ensemble des techniques qui permettent à un programme d'extraire une information utile d'une image ou d'une vidéo : ce qu'elle contient, où se trouve chaque objet, combien il y en a, ce qui est écrit dessus. Les modèles courants apprennent à partir de grands jeux d'images annotées : le détecteur DETR de Meta publié sur Hugging Face, par exemple, a été entraîné sur le jeu COCO 2017.
Les tâches de base
Les plateformes de modèles découpent le domaine en tâches précises. Hugging Face et Ultralytics les décrivent ainsi :
| Tâche | Ce que le modèle renvoie |
|---|---|
| Classification | Une étiquette pour l'image entière (« conforme », « rayée ») |
| Détection d'objets | Des boîtes autour de chaque objet, avec une classe et un score |
| Segmentation | Pour chaque pixel, l'objet ou la classe auquel il appartient |
| Estimation de pose | Des points clés, par exemple les articulations d'une personne |
| Boîtes orientées | Des boîtes qui suivent l'angle d'un objet incliné |
S'y ajoutent la lecture de texte et de codes (OCR, codes-barres), le suivi d'objets d'une image à l'autre dans une vidéo, et la description libre d'une scène par un grand modèle de langage capable de lire les images. Le détail des trois premières tâches est sur la page classification, détection, segmentation.
Exemples d'usage en PME
Ces exemples sont illustratifs ; ils ne décrivent pas un client réel.
- Atelier de mécanique : une caméra au-dessus du poste vérifie qu'une pièce porte bien ses inserts avant l'emballage.
- Entrepôt : un détecteur compte les colis qui franchissent une ligne virtuelle sur le convoyeur. Ultralytics cite ce comptage de colis parmi les usages de sa fonction de comptage.
- Négoce : un poste de réception lit les codes-barres et les étiquettes des palettes.
- Maintenance : des techniciens photographient un compteur ou une plaque signalétique, et un grand modèle en extrait les valeurs.
Ce que la vision ne fait pas seule
Un modèle de vision ne « voit » que ce que la caméra capte : un reflet, une poussière ou un éclairage qui change suffisent à créer des erreurs. Les grands modèles généralistes ont leurs propres limites : la documentation d'Anthropic indique par exemple que Claude peut se tromper sur des images de faible qualité, tournées ou très petites (moins de 200 pixels), et que ses comptages sont approximatifs quand les petits objets sont nombreux. D'où l'importance de mesurer sur vos propres images avant de décider (voir précision, rappel, mAP).
Questions fréquentes
Vision par ordinateur et vision industrielle, est-ce la même chose ?
La vision industrielle est l'application de la vision par ordinateur à la production : inspection, contrôle, comptage, guidage. Elle ajoute des contraintes de cadence, d'éclairage et de fiabilité.
Faut-il forcément entraîner un modèle ?
Non. Un modèle pré-entraîné ou un grand modèle qui lit les images peut suffire pour un prototype. Pour un défaut propre à vos pièces, il faut en général des images annotées de vos propres produits.
Sources
Pages consultées pour écrire cet article :
- https://huggingface.co/tasks/image-classification
- https://huggingface.co/tasks/object-detection
- https://huggingface.co/tasks/image-segmentation
- https://huggingface.co/facebook/detr-resnet-50
- https://docs.ultralytics.com/tasks/
- https://docs.ultralytics.com/guides/object-counting/
- https://platform.claude.com/docs/en/build-with-claude/vision