Le rassemblement de la communauté Ultralytics en Chine : le pays où l’intérêt pour l’apprentissage automatique est le plus élevé au monde

À mesure que la technologie de vision par ordinateur évolue, les priorités du secteur changent elles aussi. Auparavant, on s’intéressait davantage au niveau d’avancement des modèles SOTA issus des laboratoires. Aujourd’hui, une question plus importante se pose :

Comment appliquer concrètement ces modèles dans des situations réelles ? Comment faire passer les projets d’IA visuelle des démonstrations aux applications pratiques, poursuivre leur amélioration et créer une réelle valeur ?

C’est avec ces questions à l’esprit qu’Ultralytics s’est rendu à Shenzhen pour organiser son premier Meetup communautaire en présentiel en Chine. À travers cet événement, nous souhaitions rencontrer en personne des développeurs chinois, des partenaires industriels et des passionnés de vision par ordinateur pour discuter de l’état actuel d’Ultralytics YOLO et des prochaines étapes d’Ultralytics.

Fig. 1. Le fondateur et CEO d’Ultralytics, Glenn Jocher, présente le premier événement communautaire organisé par Ultralytics à Shenzhen.

D’Ultralytics YOLO à Ultralytics Platform#

Auparavant, Ultralytics YOLO était surtout connu pour sa rapidité, son côté pratique et sa facilité de déploiement. Pour la détection d’objets, l’inspection industrielle, la surveillance de sécurité ou les tâches de vision en temps réel sur des appareils en périphérie, YOLO est devenu un outil incontournable pour de nombreux développeurs qui démarrent leurs projets de vision par ordinateur.

Aujourd’hui, Ultralytics dépasse le cadre d’un modèle unique pour proposer une plateforme complète de vision par ordinateur, qui couvre la gestion des jeux de données, l’entraînement, le déploiement, la surveillance et une boucle de rétroaction pour une amélioration continue.

Auparavant, on demandait : le modèle est-il précis ? Est-il rapide ?

Aujourd’hui, nous nous concentrons davantage sur une question plus large : comment faire concrètement démarrer un projet d’IA visuelle, l’utiliser dans des situations réelles et continuer à l’améliorer au fil du temps ?

C’est ce que vise Ultralytics Platform : rendre l’annotation des données plus efficace, simplifier l’entraînement des modèles, fluidifier leur déploiement sur plusieurs plateformes et permettre aux développeurs d’améliorer en continu leurs applications d’IA visuelle.

Fig. 2. Premier événement communautaire d’Ultralytics à Shenzhen, en Chine.

Ultralytics Platform : un workflow d’IA visuelle plus complet#

Pendant la session, Glenn a également présenté plusieurs fonctionnalités clés d’Ultralytics Platform, notamment l’annotation automatique, l’entraînement en un clic, le déploiement multiformat et la possibilité d’améliorer en continu les modèles grâce aux données de rétroaction.

Fig. 3. Glenn Jocher, fondateur et CEO d’Ultralytics, présente le premier événement communautaire organisé par Ultralytics à Shenzhen.

Pour de nombreuses équipes, créer un projet d’IA visuelle ne consiste pas seulement à choisir un modèle. La véritable complexité tient souvent à des questions comme la provenance des données, la façon de les annoter, l’entraînement et le déploiement du modèle, ainsi que les moyens de continuer à l’améliorer après son lancement. Lorsque ces étapes sont cloisonnées, il devient difficile de passer réellement un projet en production.

Ultralytics Platform relie ces étapes pour permettre aux développeurs de suivre plus facilement l’ensemble du workflow : des données au modèle, de l’entraînement au déploiement et du lancement aux retours, sans devoir constamment passer d’un outil à l’autre.

À ce jour, plus de 100 millions d’images ont été téléversées sur la plateforme, qui compte plus de 600 millions d’annotations et environ 40 000 à 50 000 jeux de données.

Derrière ces chiffres se dessine un constat clair : la demande en vision par ordinateur est bien réelle et dépasse le cadre de la recherche et de l’expérimentation pour passer au déploiement opérationnel à grande échelle. La plateforme Ultralytics s’adapte à ces besoins variés des utilisateurs, des offres adaptées aux développeurs individuels et aux équipes de recherche jusqu’aux licences d’entreprise destinées aux grandes organisations.

Fig. 4. Glenn Jocher présente les principales tâches de détection prises en charge par Ultralytics YOLO.

La communauté chinoise est une composante essentielle de l’écosystème mondial d’Ultralytics.#

Glenn a indiqué que la Chine occupe une place très importante dans la communauté d’utilisateurs d’Ultralytics et qu’elle pourrait compter parmi les pays où le plus grand nombre de personnes apprennent le machine learning et s’y intéressent.

Pour Ultralytics, la Chine n’est pas seulement une région où la base d’utilisateurs est importante : c’est aussi une communauté très active, avec une forte présence de développeurs, des cas d’utilisation variés et des retours techniques précieux.

Pour qu’un outil soit largement adopté, une technologie performante ne suffit pas. La documentation, la communauté, l’accessibilité, l’expérience de déploiement et l’assistance locale doivent toutes être fluides et fiables.

Constater l’intérêt concret des développeurs pour le déploiement de l’IA visuelle#

Lors de la séance de questions-réponses, les participants ont posé de nombreuses questions pertinentes, nous permettant de mieux comprendre les préoccupations réelles des développeurs chinois lorsqu’il s’agit d’intégrer la vision par ordinateur dans des applications concrètes.

Un participant d’AMD a demandé si la plateforme Ultralytics prenait en charge les environnements d’entraînement privés ou locaux. C’est également une préoccupation majeure pour de nombreuses entreprises et équipes. Lorsque des projets impliquent des données sensibles, propres à un secteur ou internes à l’entreprise, la confidentialité, la sécurité et les capacités de déploiement local deviennent particulièrement importantes.

Glenn a expliqué que l’équipe étudiait activement cette orientation. À mesure que l’IA visuelle s’exécute sur davantage d’appareils et d’environnements de puces, la prise en charge des écosystèmes matériels deviendra un élément essentiel de l’expérience de déploiement des modèles.

Au-delà des applications industrielles, du matériel et du déploiement, certains participants ont également demandé si YOLO pouvait servir à reconnaître des styles artistiques ou prendre en charge la compréhension visuelle en tenant compte de la propriété intellectuelle.

Ces questions étaient stimulantes. Elles montrent que l’imagination autour des applications de YOLO ne se limite plus aux domaines traditionnels de l’inspection industrielle, de la détection d’objets et de la sécurité. Elle s’étend désormais à des domaines plus vastes, comme la création de contenu, la compréhension des médias et la production créative.

En outre, les petits appareils edge, le déploiement hors ligne et l’optimisation par quantification figuraient aussi parmi les sujets les plus abordés. Il est clair que les développeurs s’intéressent non seulement aux performances du modèle, mais aussi à l’expérience pratique globale de l’utilisation de l’IA visuelle.

Ce sont précisément les questions auxquelles la vision par ordinateur doit répondre à mesure qu’elle passe de la recherche aux applications concrètes.

La vision par ordinateur entre dans une nouvelle phase#

Cet événement nous a clairement fait prendre conscience d’une tendance de fond :

La vision par ordinateur dépasse la compétition entre modèles et entre dans une nouvelle phase de développement des plateformes, des produits et des écosystèmes.

Les principaux atouts de YOLO ont toujours été sa rapidité, son aspect pratique et sa facilité de déploiement. Aujourd’hui, Ultralytics souhaite étendre ces atouts à l’ensemble du flux de travail, afin que les développeurs puissent non seulement accéder à des modèles performants, mais aussi gérer les données, entraîner les modèles, déployer des applications et optimiser en continu leurs systèmes d’IA visuelle plus facilement.

La communauté chinoise de l’IA joue également un rôle de plus en plus important dans cette évolution. Elle dispose d’une large base de développeurs, de nombreux cas d’utilisation et d’un fort enthousiasme pour l’apprentissage et la mise en pratique. Pour la suite, nous avons hâte de collaborer avec davantage de développeurs, de partenaires d’entreprise et de membres de la communauté en Chine afin d’intégrer la vision par ordinateur à un éventail plus large d’applications concrètes.

Comme l’a dit Glenn :

« Nous voulons que tout le monde puisse utiliser la vision par ordinateur. »

C’est peut-être la meilleure façon d’expliquer l’évolution d’Ultralytics vers un avenir davantage axé sur les plateformes.