Meetup de la communauté Ultralytics en Chine : le pays qui s’intéresse le plus au machine learning dans le monde

À mesure que la technologie de vision par ordinateur continue d’évoluer, les priorités du secteur évoluent elles aussi. Auparavant, on s’intéressait surtout à la question de savoir si les modèles SOTA issus des laboratoires étaient suffisamment avancés. Aujourd’hui, une question plus importante s’impose toutefois :

Comment ces modèles peuvent-ils réellement être appliqués dans des situations concrètes ? Comment les projets d’IA de vision peuvent-ils passer des démonstrations aux applications pratiques, continuer à évoluer et créer une réelle valeur ?

C’est avec ces questions à l’esprit qu’Ultralytics s’est rendue à Shenzhen pour organiser sa première rencontre communautaire en présentiel en Chine. À travers cet événement, nous souhaitions échanger en personne avec des développeurs chinois, des partenaires industriels et des passionnés de vision par ordinateur, afin de discuter de la situation actuelle d’Ultralytics YOLO et de la prochaine étape pour Ultralytics.

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

D’Ultralytics YOLO à Ultralytics Platform#

Auparavant, Ultralytics YOLO était surtout connu pour sa rapidité, son aspect pratique et sa facilité de déploiement. Que ce soit pour la détection d’objets, l’inspection industrielle, la vidéosurveillance ou les tâches de vision en temps réel sur des appareils edge, YOLO est devenu l’un des outils de prédilection de nombreux développeurs qui commencent leurs projets de vision par ordinateur.

Aujourd’hui, Ultralytics va au-delà d’un modèle unique pour proposer une plateforme complète de vision par ordinateur couvrant la gestion des jeux de données, l’entraînement, le déploiement, la supervision et une boucle de rétroaction pour une amélioration continue.

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

Désormais, nous nous concentrons davantage sur une question plus vaste : comment faire concrètement fonctionner un projet d’IA de vision, l’utiliser dans des situations réelles et continuer à l’améliorer au fil du temps ?

C’est ce que cherche à accomplir Ultralytics Platform : rendre l’annotation des données plus efficace, simplifier l’entraînement des modèles, fluidifier le déploiement multiplateforme et permettre aux développeurs de faire évoluer en continu leurs applications d’IA de vision.

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

Ultralytics Platform : rendre le workflow d’IA de vision 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 continuellement les modèles grâce aux données de rétroaction.

Fig. 3. Le fondateur et CEO d’Ultralytics, Glenn Jocher, présente notre premier événement communautaire à Shenzhen.

Pour de nombreuses équipes, créer un projet d’IA de vision ne consiste pas seulement à choisir un modèle. La véritable complexité réside souvent dans des questions telles que l’origine des données, la manière de les annoter, la façon d’entraîner et de déployer le modèle, ainsi que sa capacité à continuer de s’améliorer après sa mise en production. Si ces étapes sont déconnectées, il devient difficile pour un projet d’entrer véritablement en production.

Ultralytics Platform relie ces étapes, permettant aux développeurs de mener plus fluidement 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 un autre.

Aujourd’hui, la plateforme compte déjà plus de 100 millions d’images importées, plus de 600 millions d’annotations et environ 40 000 à 50 000 jeux de données.

Derrière ces chiffres se cache un signal clair : la demande en vision par ordinateur est bien réelle et dépasse désormais la recherche et l’expérimentation pour s’étendre au déploiement pratique à grande échelle. Ultralytics Platform s’adapte à ces besoins variés, des formules destinées aux développeurs individuels et aux équipes de recherche jusqu’aux licences d’entreprise pour les 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 constitue une part très importante de la communauté d’utilisateurs d’Ultralytics et pourrait être l’un des pays comptant le plus grand nombre de personnes qui apprennent le machine learning et s’y intéressent.

Pour Ultralytics, la Chine n’est pas seulement une région disposant d’une large base d’utilisateurs, mais aussi une communauté très active, caractérisée par une forte présence de développeurs, des scénarios d’application 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.

Voir ce qui intéresse réellement les développeurs dans le déploiement de l’IA de vision#

Pendant la session de questions-réponses, les participants ont posé de nombreuses questions pertinentes, nous donnant une vision plus claire de ce qui préoccupe réellement les développeurs chinois lorsqu’il s’agit d’intégrer la vision par ordinateur dans des applications concrètes.

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

Glenn a expliqué qu’il s’agissait d’une orientation activement étudiée par l’équipe. À mesure que l’IA de vision s’exécute sur davantage d’appareils et d’environnements matériels, la prise en charge de l’écosystème matériel deviendra un élément essentiel de l’expérience de déploiement des modèles.

Au-delà des cas d’usage industriels, du matériel et du déploiement, certains participants ont également demandé si YOLO pouvait être utilisé pour reconnaître des styles artistiques ou prendre en charge la compréhension visuelle avec une conscience de la propriété intellectuelle.

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

Par ailleurs, les petits appareils edge, le déploiement hors ligne et l’optimisation par quantification figuraient également parmi les principaux centres d’intérêt. Il est clair que les développeurs ne se préoccupent pas uniquement des performances du modèle, mais aussi de l’expérience pratique globale liée à l’utilisation de l’IA de vision.

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

La vision par ordinateur entre dans une nouvelle phase#

Cet événement nous a clairement permis de prendre conscience d’une tendance forte :

La vision par ordinateur dépasse la compétition entre modèles et entre dans une nouvelle phase de développement des plateformes, de mise sur le marché des produits et de développement de l’écosystème.

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 workflow, afin que les développeurs puissent non seulement accéder à des modèles performants, mais aussi gérer les données, entraîner les modèles, déployer les applications et optimiser continuellement leurs systèmes d’IA de vision plus facilement.

La communauté chinoise de l’IA devient elle aussi une composante de plus en plus importante de cette aventure. Elle dispose d’une vaste communauté de développeurs, de scénarios d’application riches et d’une forte passion pour l’apprentissage et la pratique. À l’avenir, nous sommes impatients de collaborer avec davantage de développeurs chinois, de partenaires d’entreprise et de membres de la communauté afin d’intégrer la vision par ordinateur dans un éventail plus large d’applications concrètes.

Comme l’a déclaré Glenn :

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

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