Découvre Ultralytics YOLO26 : un modèle YOLO meilleur, plus rapide et plus compact

Le 25 septembre, lors de notre événement hybride annuel YOLO Vision 2025 (YV25) à Londres, Glenn Jocher, notre fondateur et PDG, a officiellement annoncé le nouveau modèle de la série Ultralytics YOLO, Ultralytics YOLO26. Notre nouveau modèle de vision par ordinateur, YOLO26, peut analyser et interpréter des images et des vidéos grâce à une architecture épurée qui équilibre vitesse, précision et facilité de déploiement.

Bien qu’Ultralytics YOLO26 simplifie certains aspects de la conception du modèle et apporte de nouvelles améliorations, il continue aussi de proposer les fonctionnalités familières que les utilisateurs attendent des modèles Ultralytics YOLO. Par exemple, Ultralytics YOLO26 est facile à utiliser, prend en charge diverses tâches de vision par ordinateur et offre des options flexibles d’intégration et de déploiement.

Le passage à Ultralytics YOLO26 se fait ainsi sans difficulté, et nous avons hâte que les utilisateurs puissent le découvrir par eux-mêmes. YOLO26 a été rendu public le 14 janvier 2026 et est désormais disponible via le package Python Ultralytics et Ultralytics Platform.

Fig. 1. Exemple d’utilisation d’Ultralytics YOLO26 pour détecter des objets dans une image.

En bref, Ultralytics YOLO26 est un modèle d’IA visuelle meilleur, plus rapide et plus petit. Dans cet article, nous allons découvrir les principales fonctionnalités d’Ultralytics YOLO26 et ce qu’il apporte.

Repousser les limites de l’IA pour la vision avec Ultralytics YOLO26#

Avant d’examiner les principales fonctionnalités d’Ultralytics YOLO26 et les applications qu’il rend possibles, découvrons l’inspiration et les motivations qui ont guidé son développement.

Chez Ultralytics, nous avons toujours cru au pouvoir de l’innovation. Depuis le tout début, notre mission a deux volets. D’une part, nous voulons rendre l’IA visuelle accessible à tous, sans obstacle. D’autre part, nous nous engageons tout autant à rester à la pointe de la technologie et à repousser les limites de ce que les modèles de vision par ordinateur peuvent accomplir.

Un facteur clé de cette mission est l’évolution constante du secteur de l’IA. Par exemple, l’IA en périphérie, qui consiste à exécuter les modèles d’IA directement sur les appareils plutôt que de s’appuyer sur le cloud, est adoptée rapidement dans tous les secteurs.

Des caméras intelligentes aux systèmes autonomes, les appareils en périphérie doivent désormais traiter les informations en temps réel. Cette évolution nécessite des modèles plus légers et plus rapides, tout en conservant le même niveau élevé de précision.

C’est pourquoi nos modèles Ultralytics YOLO doivent constamment s’améliorer. Comme le dit Glenn Jocher : « L’un des plus grands défis était de veiller à ce que les utilisateurs tirent le meilleur parti de YOLO26 tout en offrant des performances de premier ordre. »

Présentation d’Ultralytics YOLO26#

YOLO26 est disponible prêt à l’emploi en cinq variantes de modèles différentes, ce qui te permet d’exploiter ses capacités dans des applications de toute envergure. Toutes ces variantes prennent en charge plusieurs tâches de vision par ordinateur, comme les modèles Ultralytics YOLO précédents. Ainsi, quelle que soit la taille choisie, tu peux compter sur YOLO26 pour offrir un large éventail de capacités, à l’instar d’Ultralytics YOLO11.

Voici un aperçu des tâches de vision par ordinateur prises en charge par Ultralytics YOLO26 :

• Détection d’objets : Ultralytics YOLO26 peut identifier et localiser plusieurs objets dans une image ou une séquence vidéo.
• Segmentation d’instances : En allant au-delà de la détection, Ultralytics YOLO26 peut générer des contours précis au pixel près autour de chaque objet identifié.
• Classification d’images : Le modèle peut analyser une image entière et lui attribuer une catégorie ou une étiquette précise.
• Estimation de pose : Ultralytics YOLO26 peut détecter des points clés et estimer les poses des humains ainsi que d’autres objets.
• Boîtes englobantes orientées (OBB) : Le modèle peut détecter des objets sous n’importe quel angle, ce qui est particulièrement utile pour les images aériennes, prises par drone ou satellite, où des éléments comme des bâtiments, des véhicules ou des cultures peuvent ne pas être alignés sur le cadre de l’image.
• Suivi d’objets : Ultralytics YOLO26 peut servir à suivre des objets d’une image vidéo à l’autre ou dans des flux en temps réel.

Fig. 2. Détection d’objets dans une image avec Ultralytics YOLO26.

Découverte de l’architecture d’Ultralytics YOLO26#

Maintenant que nous comprenons mieux les capacités d’Ultralytics YOLO26, examinons quelques-unes des innovations de son architecture.

La conception du modèle a été rationalisée en supprimant le module de perte focale de distribution (DFL), qui ralentissait auparavant l’inférence et limitait la régression des boîtes englobantes.

Le processus de prédiction a également été simplifié grâce à une option d’inférence de bout en bout (E2E), qui permet au modèle d’ignorer l’étape traditionnelle de suppression des non-maxima (NMS). Cette amélioration réduit la complexité et permet au modèle de produire des résultats plus rapidement, ce qui facilite son déploiement dans des applications réelles.

D’autres améliorations rendent le modèle plus intelligent et plus fiable. L’équilibrage progressif de la fonction de perte (ProgLoss) contribue à stabiliser l’entraînement et à améliorer la précision, tandis que l’attribution d’étiquettes tenant compte des petites cibles (STAL) permet au modèle de détecter plus efficacement les petits objets. De plus, un nouvel optimiseur MuSGD améliore la convergence de l’entraînement et augmente les performances globales.

En fait, la plus petite version d’Ultralytics YOLO26, le modèle nano, fonctionne désormais jusqu’à 43 % plus rapidement que YOLO11n sur des CPU standard. Elle est donc particulièrement adaptée aux applications mobiles, aux caméras intelligentes et aux autres appareils en périphérie, où la vitesse et l’efficacité sont essentielles. Voici un bref récapitulatif des fonctionnalités de YOLO26 et de ce que les utilisateurs peuvent attendre :

• Suppression du DFL : Nous avons supprimé le module de perte focale de distribution de l’architecture du modèle. Quels que soient les formats des objets dans une image, Ultralytics YOLO26 peut placer des boîtes englobantes adaptées tout en fonctionnant plus efficacement.
• Inférence de bout en bout sans NMS : Ultralytics YOLO26 ajoute un mode facultatif qui ne nécessite pas la suppression non maximale (NMS), une étape généralement utilisée pour éliminer les prédictions en double, ce qui simplifie et accélère le déploiement en temps réel.
• ProgLoss et STAL : Ces améliorations stabilisent l’entraînement et augmentent considérablement la précision, en particulier pour détecter de petits objets dans des scènes complexes.
• Optimiseur MuSGD : Ultralytics YOLO26 utilise un nouvel optimiseur qui associe les atouts de deux optimiseurs d’entraînement (Muon et SGD), aidant le modèle à apprendre plus vite et à atteindre une meilleure précision.

Fig. 3. Évaluation comparative d’Ultralytics YOLO26.

Simplifier le déploiement avec Ultralytics YOLO26#

Que tu travailles sur des applications mobiles, des caméras intelligentes ou des systèmes d’entreprise, le déploiement de YOLO26 est simple et flexible. Le package Python Ultralytics prend en charge un nombre toujours croissant de formats d’exportation, ce qui facilite l’intégration de YOLO26 dans les flux de travail existants et le rend compatible avec presque toutes les plateformes.

Parmi les options d’exportation figurent TensorRT pour une accélération maximale sur GPU, ONNX pour une large compatibilité, CoreML pour les applications iOS natives, TFLite pour Android et les appareils en périphérie, et OpenVINO pour des performances optimisées sur le matériel Intel. Cette flexibilité facilite le passage d’Ultralytics YOLO26 du développement à la production, sans obstacle supplémentaire.

Un autre aspect essentiel du déploiement consiste à garantir le fonctionnement efficace des modèles sur des appareils aux ressources limitées. C’est là qu’intervient la quantification. Grâce à son architecture simplifiée, Ultralytics YOLO26 la prend bien en charge. Le modèle est compatible avec le déploiement INT8 (qui utilise une compression sur 8 bits pour réduire la taille et améliorer la vitesse avec une perte de précision minime) ainsi qu’avec la précision mixte (FP16), qui accélère l’inférence sur le matériel compatible.

Surtout, Ultralytics YOLO26 offre des performances constantes à ces différents niveaux de quantification. Tu peux donc compter sur lui, qu’il s’exécute sur un serveur puissant ou sur un appareil compact en périphérie.

De la robotique à l’industrie manufacturière : cas d’utilisation d’Ultralytics YOLO26#

Ultralytics YOLO26 peut être utilisé dans une grande variété d’applications de vision par ordinateur, dans de nombreux secteurs et contextes. De la robotique à l’industrie manufacturière, il peut avoir un impact significatif en améliorant les flux de travail et en permettant de prendre des décisions plus rapidement et avec plus de précision.

Par exemple, en robotique, Ultralytics YOLO26 peut aider les robots à interpréter leur environnement en temps réel. La navigation devient plus fluide et la manipulation des objets plus précise. Cela permet aussi une collaboration plus sûre avec les personnes.

Un autre exemple est l’industrie manufacturière, où le modèle peut servir à détecter les défauts. Il peut repérer automatiquement les défauts sur les chaînes de production, plus rapidement et avec plus de précision qu’une inspection manuelle.

Fig. 4. Détection de bouteilles dans une usine avec Ultralytics YOLO26.

En général, parce qu’Ultralytics YOLO26 est plus performant, plus rapide et plus léger, il s’adapte facilement à un large éventail d’environnements, des appareils légers en périphérie aux grands systèmes d’entreprise. C’est donc un choix pratique pour les secteurs qui cherchent à améliorer leur efficacité, leur précision et leur fiabilité.

Points clés à retenir#

Ultralytics YOLO26 est un modèle de vision par ordinateur meilleur, plus rapide et plus léger, tout en restant facile à utiliser et en offrant de solides performances. Il fonctionne sur un large éventail de tâches et de plateformes et est accessible à tous depuis sa sortie en janvier 2026. Nous avons hâte de découvrir comment la communauté l’utilisera pour créer de nouvelles solutions et repousser les limites de la vision par ordinateur.

Rejoins notre communauté en pleine croissance ! Consulte notre dépôt GitHub pour en savoir plus sur l’IA. Découvre des innovations comme la vision par ordinateur dans le commerce de détail et l’IA dans l’industrie automobile sur nos pages consacrées aux solutions. Pour commencer dès aujourd’hui à développer avec la vision par ordinateur, consulte nos options de licence.