Ultralytics à Arm Create 2026 : l’IA visuelle en temps réel à la périphérie

Le 11 septembre 2026, notre chargée de marketing, Ziyue Wang, et notre ingénieur senior en apprentissage automatique, Rick Hou, ont participé à Arm Create, l'événement d'Arm consacré à la création, à l'optimisation et au déploiement de l'IA dans le cloud, en périphérie, sur mobile et dans les systèmes physiques. Notre sujet était le déploiement d'Ultralytics YOLO en périphérie : comment prendre un modèle de vision par ordinateur entraîné et l'exécuter en temps réel sur des appareils basés sur Arm.

L'événement de Shenzhen faisait suite à une première étape à Shanghai. Tous deux ont exploré une question à laquelle chaque développeur en IA est tôt ou tard confronté : comment transformer un modèle performant en logiciel fiable dans des conditions réelles ?

Voici un récapitulatif de notre session, de la table ronde sur les modèles et de la collaboration entre Arm et Ultralytics pour faciliter l'accès à Ultralytics YOLO aux développeurs qui créent des solutions sur Arm.

Déployer Ultralytics YOLO pour l'IA en périphérie en temps réel#

Notre ingénieur senior en apprentissage automatique, Rick Hou, a présenté « Déployer Ultralytics YOLO : l’IA de vision en temps réel à la périphérie », une session pratique sur l’optimisation et le déploiement des modèles Ultralytics YOLO sur des appareils edge. La présentation a parcouru l’ensemble du processus de déploiement et partagé des enseignements tirés de l’utilisation d’Ultralytics YOLO en production dans des applications d’IA edge.

Fig. 1. Rick, d'Ultralytics, présente le déploiement d'Ultralytics YOLO en périphérie à Arm Create.

Exporter les modèles Ultralytics YOLO pour les environnements d'exécution en périphérie#

La première étape du déploiement en périphérie consiste à exporter un modèle entraîné dans un format pris en charge par l'environnement d'exécution cible. Rick a expliqué que le choix du format d'exportation dépend de l'appareil, du moteur d'inférence et des objectifs de performance de l'application.

Quantification des modèles pour accélérer l'inférence sur l'appareil#

La quantification réduit la précision numérique d’un modèle, par exemple de FP32 à FP16 ou INT8, ce qui diminue sa taille et accélère l’inférence, souvent avec une perte de précision minimale. La session a expliqué comment équilibrer vitesse et précision lorsque les budgets de calcul, de mémoire et d’énergie sont limités.

Obtenir des performances de vision par ordinateur en temps réel sur des appareils en périphérie#

La vision par ordinateur en temps réel en périphérie ne dépend pas uniquement du modèle. Le prétraitement, le choix de l'environnement d'exécution et l'accélération matérielle influent tous sur la latence et le débit. Rick a expliqué comment repérer les goulots d'étranglement et optimiser l'ensemble du pipeline d'inférence.

Enseignements tirés des déploiements d'IA en périphérie en production#

Les bancs d'essai constituent un point de départ, mais le véritable test consiste à évaluer les performances du modèle sur l'appareil où il sera déployé, dans des conditions d'utilisation réelles. Valider le modèle sur le matériel cible réel était l'un des principaux enseignements de la session, ainsi qu'un thème récurrent tout au long d'Arm Create.

Table ronde sur les modèles avec Arm, Alibaba Qwen, Tencent et ModelBest#

Rick a également participé à une table ronde sur les modèles avec Arm, Alibaba Qwen, Tencent et ModelBest. Plutôt que de comparer les modèles directement, la discussion s'est concentrée sur leur adéquation aux applications : les besoins d'une charge de travail, l'endroit où elle doit s'exécuter et son comportement après le déploiement.

Fig. 2. Table ronde sur les modèles avec Arm, Alibaba Qwen, Tencent, ModelBest et Ultralytics à Arm Create.

Choisir le bon modèle pour la charge de travail#

Une fonction de réponse rapide dans une application mobile, un agent cloud qui analyse de grands ensembles de documents et un pipeline de vision en périphérie nécessitent des modèles très différents. En tant que spécialiste de l'IA visuelle lors de la table ronde, Rick a apporté le point de vue de l'informatique en périphérie, où la latence, l'efficacité et la fiabilité sur l'appareil comptent souvent davantage que la taille du modèle.

Arm AI Portal : rendre Ultralytics YOLO plus accessible sur Arm#

Arm Create Shenzhen a eu lieu quelques jours seulement après le lancement de l'Arm AI Portal par Arm, une plateforme qui aide les développeurs et les agents IA à découvrir, optimiser et déployer des logiciels d'IA sur la plateforme de calcul Arm. Les développeurs peuvent trouver des modèles préoptimisés adaptés à des tâches précises, accompagnés de données de performance et de précision, comparer la latence, la mémoire et la taille des modèles, et accéder à des exemples de code et à des flux de travail de déploiement.

Modèles Ultralytics YOLO préoptimisés dès le lancement#

Ultralytics YOLO fait partie des modèles préoptimisés disponibles dès le lancement, aux côtés d'Alibaba Qwen et de Google Gemma, Ultralytics soutenant le portail en tant que partenaire de l'écosystème.

Gains de performance d'Ultralytics YOLO26n sur Arm#

Les premiers résultats sont prometteurs. Ultralytics YOLO26n a obtenu une amélioration des performances supérieure à 40 % en exécution monothread dans deux configurations :

• FP16 contre FP32 sur un smartphone vivo X300 avec SME2
• Quantification mixte FP16 et INT8 par rapport à FP32 sur un Raspberry Pi 5 avec NEON

Ce que cela signifie pour les développeurs d’IA en périphérie#

Le portail Arm AI réduit le temps que les développeurs consacrent à rechercher, évaluer et ajuster manuellement les modèles, accélérant ainsi le passage de la sélection du modèle au déploiement sur du matériel Arm. Il soutient notre mission : rendre l’IA de vision de pointe simple et accessible à tous. Découvre Ultralytics YOLO sur le portail Arm AI.

Points clés à retenir#

Merci à l’équipe Arm de nous avoir accueillis, ainsi qu’à toutes les personnes qui sont venues discuter du déploiement en périphérie, de la quantification et de l’IA de vision dans des conditions réelles. Les échanges à Shenzhen ont montré à quelle vitesse l’écosystème de l’IA en périphérie gagne en maturité lorsque les modèles, les outils et le matériel sont conçus pour fonctionner ensemble.

Le prochain Arm Create se tiendra aux États-Unis, et nous avons hâte de poursuivre la conversation. En attendant, consulte la documentation Ultralytics pour commencer à déployer Ultralytics YOLO sur tes propres appareils en périphérie.