L’impact de la conception plus rapide et privilégiant l’edge d’Ultralytics YOLO26

En début de semaine, Ultralytics a officiellement lancé Ultralytics YOLO26, un modèle YOLO plus rapide, plus léger et plus compact, qui vise à redéfinir les performances des systèmes de vision par ordinateur sur l’edge. YOLO26 prend en charge les mêmes tâches fondamentales de vision que les modèles YOLO précédents, notamment la détection d’objets et la segmentation d’instances.

Fig. 1. Exemple d’utilisation d’Ultralytics YOLO26 pour segmenter un objet.

La différence fondamentale entre Ultralytics YOLO26 et les modèles précédents réside dans l’environnement pour lequel il a été conçu. Plutôt que d’optimiser principalement les unités de traitement graphique (GPUs) du cloud ou les performances déterminées par des benchmarks, YOLO26 a été conçu dès le départ pour être déployé dans des conditions réelles sur des appareils edge et du matériel embarqué.

À mesure que la vision par ordinateur passe de la recherche à la production, la réalité des contraintes de performance devient plus évidente. Les environnements edge sont caractérisés par des budgets de latence serrés, des contraintes de mémoire, d’alimentation et de température, ainsi que par la nécessité d’obtenir un comportement prévisible sur des plateformes variées.

Dans ces conditions, les performances globales du système dépendent non seulement de la vitesse brute d’inférence, mais aussi de l’efficacité de fonctionnement de l’ensemble du pipeline. La surcharge du post-traitement, la pression exercée sur la mémoire et les chemins d’exécution propres à chaque plateforme constituent souvent des goulots d’étranglement.

Ultralytics YOLO26 relève ces défis en adoptant une approche plus rapide et axée sur l’edge, qui considère l’ensemble du pipeline d’inférence plutôt que les métriques individuelles du modèle. En mettant l’accent sur l’optimisation pour l’edge, en simplifiant le pipeline d’inférence et en supprimant les étapes de post-traitement inutiles, YOLO26 améliore la vitesse, ce qui se traduit par une latence réduite et un comportement plus fiable en production.

Dans cet article, nous allons voir comment les choix architecturaux d’Ultralytics YOLO26 se traduisent par des améliorations de performances en conditions réelles, et pourquoi être plus rapide sur l’edge change fondamentalement les possibilités des applications de vision par ordinateur de nouvelle génération.

La réalité du déploiement sur l’edge#

Exécuter des modèles de vision par ordinateur sur l’edge est très différent de leur exécution dans le cloud. Dans les environnements cloud, les systèmes disposent généralement de GPUs puissants, de grandes quantités de mémoire et d’un matériel stable. Sur l’edge, ces hypothèses ne s’appliquent pas.

La plupart des déploiements edge s’exécutent sur des architectures matérielles variées, et non sur des GPUs. Les appareils utilisent généralement plusieurs processeurs spécialisés pour différentes tâches, optimisés pour l’efficacité et une faible consommation d’énergie plutôt que pour la capacité de calcul brute des GPUs cloud.

La latence constitue une autre contrainte majeure. Les systèmes edge fonctionnent souvent avec des limites strictes en temps réel, où même de faibles retards peuvent affecter la réactivité ou la sécurité. Dans ces situations, la latence de bout en bout compte davantage que la vitesse brute d’inférence. Un modèle peut être rapide sur le papier, mais rester insuffisant une fois le post-traitement et les transferts de données pris en compte.

La mémoire joue également un rôle important. De nombreux appareils edge disposent d’une mémoire limitée et de caches partagés. De grands tenseurs intermédiaires et une utilisation inefficace de la mémoire peuvent ralentir les systèmes, même lorsque le modèle lui-même est efficace.

Les limites d’alimentation et de température ajoutent d’autres contraintes. Les appareils edge fonctionnent souvent sans refroidissement actif et avec des budgets énergétiques fixes. Les performances doivent être efficaces et durables, et pas seulement rapides sur de courtes périodes.

À cela s’ajoute la nécessité de garantir la cohérence des déploiements edge. Les modèles doivent se comporter de la même manière sur les différents appareils et environnements d’exécution. Le code propre à une plateforme ou les étapes de post-traitement complexes peuvent introduire de subtiles différences, qui rendent les systèmes plus difficiles à déployer et à maintenir.

Fig. 2. Aperçu des contraintes du déploiement sur l’edge. Image réalisée par l’auteur.

Ces contraintes définissent ce que signifient réellement les performances sur l’edge. Autrement dit, les performances sont définies par l’ensemble du pipeline, et non par une seule métrique.

Pourquoi la vision sur l’edge exige un modèle de performance différent#

Alors, quel est le lien entre les contraintes du déploiement sur l’edge et les exigences d’un modèle de vision par ordinateur conçu pour l’edge ? Le lien devient évident lorsque les modèles passent des environnements de recherche aux systèmes réels.

Dans les environnements cloud, les performances sont souvent mesurées à l’aide de benchmarks tels que la vitesse et la précision d’inférence. Sur l’edge, ces métriques ne racontent qu’une partie de l’histoire. Les systèmes de vision s’exécutent généralement sur du matériel hétérogène, où l’inférence des réseaux neuronaux est déléguée à des accélérateurs spécialisés, tandis que les autres parties du pipeline s’exécutent sur des processeurs généralistes.

Dans ce contexte, la vitesse du modèle ne suffit pas. Les performances de l’ensemble du système une fois le modèle déployé sont essentielles. Un modèle peut sembler rapide seul, mais rester insuffisant si le post-traitement, les transferts de données ou les étapes propres à la plateforme ajoutent une surcharge.

C’est pourquoi la vision sur l’edge nécessite un modèle de performance axé sur l’efficacité au niveau du système plutôt que sur des benchmarks isolés. Ultralytics YOLO26 reflète cette évolution en privilégiant l’optimisation pour l’edge, une inférence rationalisée et une exécution de bout en bout conçue pour les déploiements en conditions réelles.

Le fondement de la vitesse : une conception axée sur l’edge#

Sur l’edge, les performances sont définies par la capacité d’un modèle à s’adapter à l’architecture matérielle réelle de l’appareil. Concevoir d’abord pour l’edge garantit que les systèmes de vision fonctionnent de manière fiable sur des plateformes réelles, quelle que soit la combinaison d’unités de traitement disponibles.

Une approche axée sur l’edge donne la priorité à une exécution prévisible et efficace sur du matériel hétérogène, plutôt qu’à l’adaptation ultérieure de modèles optimisés pour les GPUs cloud. En termes simples, cela signifie privilégier les opérations qui se transposent bien sur les accélérateurs de réseaux neuronaux, minimiser le travail non neuronal en dehors du modèle et réduire la complexité inutile susceptible de ralentir l’exécution de bout en bout.

Ultralytics YOLO26 a été conçu en tenant compte de ces contraintes. Son architecture privilégie des performances constantes plutôt qu’un débit maximal dans des conditions idéales. En simplifiant les chemins d’exécution et en éliminant les calculs inutiles, YOLO26 réduit la surcharge sur l’ensemble du pipeline d’inférence et exploite mieux l’accélération et la hiérarchie mémoire disponibles sur l’appareil.

Cette approche améliore également la fiabilité. L’optimisation pour l’edge permet d’obtenir des temps d’exécution plus prévisibles et moins de pics de performance, ce qui est essentiel pour les systèmes en temps réel. Plutôt que de s’appuyer sur du matériel spécialisé ou un post-traitement lourd pour atteindre la vitesse souhaitée, Ultralytics YOLO26 met l’accent sur l’efficacité à chaque étape du pipeline d’inférence.

L’inférence de bout en bout et le coût du post-traitement#

Tu te demandes peut-être ce que signifie la suppression des étapes de post-traitement inutiles. Pour le comprendre, prenons un peu de recul et examinons le fonctionnement des systèmes traditionnels de détection d’objets.

Dans de nombreux pipelines de détection d’objets, l’inférence ne s’arrête pas lorsque le modèle produit ses prédictions. Au contraire, le modèle génère un grand nombre de boîtes englobantes qui se chevauchent et doivent ensuite être filtrées et affinées avant de pouvoir être utilisées. Ce nettoyage est effectué par des étapes de post-traitement qui s’exécutent en dehors du modèle lui-même.

L’une des étapes de post-traitement les plus courantes est la suppression non maximale, ou NMS. La NMS compare les boîtes englobantes qui se chevauchent et ne conserve que les détections les plus fiables, en supprimant les doublons correspondant au même objet. Cette approche est efficace, mais elle ajoute des calculs après la fin de l’inférence.

Fig. 3. Comprendre la NMS. Image réalisée par l’auteur.

Sur l’edge, ce travail supplémentaire a un coût. Les étapes de post-traitement comme la NMS sont mal adaptées aux accélérateurs spécialisés utilisés pour l’inférence des réseaux neuronaux, qui sont optimisés pour les calculs neuronaux denses plutôt que pour les opérations riches en contrôle ou intensives en mémoire.

Par conséquent, la NMS ajoute de la latence et une surcharge mémoire supplémentaires, et son coût augmente avec le nombre de détections. Même lorsque le modèle lui-même est rapide, la NMS peut encore représenter une part importante du temps d’exécution total.

Le post-traitement accroît également la complexité du système. Comme il se trouve en dehors du modèle, il doit être implémenté séparément pour les différents environnements d’exécution et cibles matérielles. Cela entraîne souvent des chemins de code propres à chaque plateforme, un comportement incohérent entre les appareils et des pipelines de déploiement plus fragiles.

Plus important encore, le post-traitement rompt l’idée de véritables performances de bout en bout. Mesurer la vitesse d’inférence du modèle ne reflète pas le comportement du système en production. Ce qui compte finalement, c’est le temps total entre l’entrée et la sortie finale, y compris chaque étape du pipeline.

Dans ces situations, le post-traitement devient un goulot d’étranglement caché sur l’edge. Il ajoute de la latence, consomme des ressources CPU et complique le déploiement, tout en restant extérieur au modèle lui-même.

Comment Ultralytics YOLO26 supprime la NMS et pourquoi cela le rend plus rapide#

YOLO26 supprime la NMS en s’attaquant à la cause première des détections en double au lieu de les nettoyer après l’inférence. Plutôt que de produire de nombreuses prédictions qui se chevauchent et doivent être filtrées, le modèle est entraîné pour générer directement un ensemble plus restreint de détections finales et fiables.

Cela est rendu possible par une modification de la manière dont les détections sont apprises pendant l’entraînement. Ultralytics YOLO26 favorise une relation biunivoque plus claire entre les objets et les prédictions, réduisant ainsi la redondance à sa source. Les détections en double sont donc résolues directement dans le réseau plutôt que par un post-traitement externe.

La suppression de la NMS a un impact immédiat sur les performances sur l’edge. Comme la NMS s’adapte mal aux accélérateurs de réseaux neuronaux, sa suppression réduit les transferts mémoire et évite les coûteuses étapes de traitement non neuronal. Cela diminue la latence de bout en bout et rend les performances plus prévisibles, en particulier sur les appareils edge où le post-traitement peut autrement représenter une part importante du temps d’exécution total.

Elle simplifie également le pipeline d’inférence. Avec moins d’étapes en dehors du modèle, les transferts de données et les relais entre composants sont réduits. La sortie du modèle constitue déjà le résultat final, ce qui rend l’exécution plus prévisible.

Supprimer la DFL pour permettre de véritables performances de bout en bout#

Une autre innovation d’Ultralytics YOLO26 est la suppression de la perte focale de distribution, ou DFL, utilisée dans les modèles YOLO précédents pour la régression des boîtes englobantes. Au lieu de prédire directement une seule coordonnée, les modèles utilisant la DFL apprenaient une distribution de valeurs possibles, puis déduisaient une boîte englobante finale à partir de cette distribution. Cette approche contribuait à améliorer la précision de localisation et constituait une avancée importante pour les générations précédentes.

Au fil du temps, cependant, la DFL a également introduit des compromis. La prédiction de distributions augmente les calculs et ajoute de la complexité à l’architecture du modèle, ce qui peut ralentir l’inférence sur les CPUs et rendre les modèles plus difficiles à exporter vers différents formats de déploiement. La DFL imposait également des plages de régression fixes, susceptibles de limiter la flexibilité lors de la détection d’objets très volumineux.

Ultralytics YOLO26 supprime la DFL dans le cadre de son évolution vers une conception plus simple et de bout en bout. La régression des boîtes englobantes est repensée pour être plus directe, ce qui réduit les calculs inutiles tout en maintenant la précision. Cette modification s’inscrit dans l’approche sans NMS de YOLO26.

D’où vient l’inférence CPU 43 % plus rapide#

Dans les benchmarks basés sur CPU, YOLO26 affiche une nette amélioration des performances par rapport aux modèles YOLO précédents. Par rapport à Ultralytics YOLO11, le modèle nano de YOLO26 offre une inférence CPU jusqu’à 43 % plus rapide, une différence qui a un impact significatif dans les déploiements edge réels.

Fig. 4. Benchmark de la vitesse CPU d’Ultralytics YOLO26.

Ce gain provient de la simplification de l’ensemble du pipeline d’inférence, et non de l’optimisation d’un seul composant. L’exécution de bout en bout élimine la surcharge du post-traitement, une méthode plus directe de régression des boîtes englobantes réduit les calculs, et les choix de conception axés sur le CPU améliorent l’efficacité d’exécution sur les processeurs généralistes.

Ensemble, ces changements réduisent la latence, diminuent la charge du CPU et permettent d’obtenir des performances plus rapides et plus constantes sur le matériel edge utilisé en conditions réelles.

L’impact d’Ultralytics YOLO26 sur les déploiements et les exports edge#

Les gains de performance d’Ultralytics YOLO26 ne se limitent pas à une inférence plus rapide. En simplifiant le modèle et en réduisant la surcharge mémoire, son déploiement devient plus facile et son exécution plus fiable dans les environnements edge.

La conception de bout en bout d’Ultralytics YOLO26 simplifie également l’export. Avec moins de composants auxiliaires et sans étapes de post-traitement externes, les modèles exportés sont entièrement autonomes. Cela réduit les dépendances propres aux plateformes et contribue à garantir un comportement cohérent sur les différents environnements d’exécution et cibles matérielles.

Concrètement, cela signifie qu’Ultralytics YOLO26 peut être déployé plus facilement sur des appareils edge tels que des caméras, des robots et des systèmes embarqués, à l’aide de différents formats d’export. Ce que tu exportes est ce que tu exécutes, avec moins d’étapes d’intégration et moins de risques de divergence lors du déploiement.

Une inférence edge plus rapide permet l’IA de vision pour la robotique et l’industrie#

Jusqu’à présent, nous avons vu comment la conception axée sur l’edge d’Ultralytics YOLO26 améliore les performances au niveau du système. Son véritable impact réside toutefois dans la facilité avec laquelle elle permet d’intégrer l’IA de vision dans des applications réelles.

Par exemple, dans la robotique et les environnements industriels, les systèmes de vision fonctionnent souvent avec des contraintes strictes de temps réel. Les décisions doivent être prises rapidement et de manière cohérente, avec des ressources de calcul limitées et sans dépendre d’une connexion au cloud. Avec Ultralytics YOLO26, il devient concret de répondre à ces exigences.

Des applications comme la navigation des robots et la manipulation d’objets bénéficient d’une latence réduite et d’une inférence plus prévisible, ce qui permet aux robots de réagir fluidement aux changements de leur environnement. De même, dans les environnements industriels, les modèles de vision peuvent s’exécuter directement sur les lignes de production pour détecter les défauts, suivre les composants et surveiller les processus sans introduire de retards ni de complexité supplémentaire.

En permettant une inférence rapide et fiable sur le matériel edge, Ultralytics YOLO26 contribue à faire de l’IA de vision un élément naturel des systèmes robotiques et industriels, plutôt qu’un défi en matière de déploiement et de maintenance.

Points clés à retenir#

Ultralytics YOLO26 a été conçu pour l’edge, où les contraintes réelles telles que la latence, la mémoire et la fiabilité définissent les possibilités. En concevant le modèle autour d’une exécution axée sur le CPU, d’une inférence de bout en bout et d’un déploiement simplifié, YOLO26 rend l’IA de vision facile à intégrer dans des systèmes réels. Cette approche axée sur l’edge permet un large éventail d’applications, de la robotique et de la vision industrielle à l’IA embarquée et exécutée sur l’appareil, là où les performances et la prévisibilité sont essentielles.

Rejoins notre communauté grandissante et explore notre dépôt GitHub pour accéder à des ressources pratiques sur l’IA. Pour développer dès aujourd’hui avec l’IA de vision, découvre nos options de licence. Découvre comment l’IA dans l’agriculture transforme les pratiques agricoles et comment l’IA de vision dans le secteur de la santé façonne l’avenir en consultant nos pages consacrées aux solutions.