Les moments clés d’Ultralytics à YOLO Vision 2025 Shenzhen !

Le 26 octobre, YOLO Vision 2025 (YV25) a fait ses débuts en Chine dans le bâtiment B10 de l’OCT Creative Culture Park à Shenzhen. L’événement hybride d’Ultralytics consacré à l’IA visuelle a réuni plus de 200 participants en présentiel, tandis que bien d’autres ont suivi l’événement en ligne via YouTube et Bilibili.

Le livestream de YV25 Shenzhen a déjà dépassé les 3 500 vues sur YouTube et continue d’attirer l’attention tandis que les temps forts de l’événement sont partagés au sein de la communauté. Cette journée a été riche en idées, en échanges et en découvertes pratiques sur l’avenir de l’IA visuelle.

La journée a commencé par un accueil chaleureux de notre animatrice, Huang Xueying, qui a invité tout le monde à échanger, à apprendre et à participer aux discussions tout au long de l’événement. Elle a expliqué qu’il s’agissait du deuxième YOLO Vision de l’année, après l’édition de Londres en septembre, et a partagé son enthousiasme à l’idée de réunir à nouveau la communauté de l’IA visuelle, cette fois à Shenzhen.

Dans cet article, nous reviendrons sur les temps forts de la journée, notamment les mises à jour des modèles, les interventions des conférenciers, les démonstrations en direct et les moments qui ont rassemblé la communauté. C’est parti !

Le parcours des modèles Ultralytics YOLO jusqu’à présent#

La première keynote de la journée a été présentée par le fondateur et CEO d’Ultralytics, Glenn Jocher, qui a expliqué comment les modèles Ultralytics YOLO sont passés d’une avancée de la recherche à certains des modèles d’IA visuelle les plus utilisés au monde. Glenn a expliqué que ses premiers travaux visaient à rendre YOLO plus facile à utiliser.

Il a porté les modèles vers PyTorch, amélioré la documentation et tout partagé ouvertement afin que les développeurs du monde entier puissent s’appuyer dessus. Comme il l’a rappelé : « J’ai plongé tête la première en 2018. J’ai décidé que c’était là que se trouvait mon avenir. » Ce qui avait commencé comme un projet personnel est rapidement devenu un mouvement open source mondial.

Fig. 1. Glenn Jocher s’exprimant sur scène à YOLO Vision 2025 Shenzhen.

Aujourd’hui, les modèles Ultralytics YOLO alimentent des milliards d’inférences chaque jour, et Glenn a souligné que cette échelle n’aurait été possible sans les personnes qui ont contribué à leur développement. Des chercheurs, des ingénieurs, des étudiants, des passionnés et des contributeurs open source du monde entier ont façonné YOLO pour en faire ce qu’il est aujourd’hui.

Comme l’a dit Glenn : « Il y en a presque un millier [contributeurs] et nous leur en sommes extrêmement reconnaissants. Nous ne serions pas là où nous en sommes aujourd’hui sans ces personnes. »

Les mises à jour d’Ultralytics YOLO26#

Un premier aperçu d’Ultralytics YOLO26 avait été présenté plus tôt cette année lors de l’événement YOLO Vision 2025 London, où le modèle avait été présenté comme la prochaine avancée majeure de la famille de modèles Ultralytics YOLO. À YV25 Shenzhen, Glenn a fait le point sur les progrès réalisés depuis cette annonce et a permis à la communauté de l’IA de découvrir plus en détail l’évolution du modèle.

Ultralytics YOLO26 est conçu pour être plus petit, plus rapide et plus précis, tout en restant adapté aux usages réels. Glenn a expliqué que l’équipe avait consacré l’année passée à affiner l’architecture, à évaluer les performances sur différents appareils et à intégrer les enseignements de la recherche ainsi que les retours de la communauté. L’objectif est d’offrir des performances de pointe sans rendre les modèles plus difficiles à déployer.

À quoi s’attendre avec Ultralytics YOLO26#

L’une des principales mises à jour soulignées par Glenn est qu’Ultralytics YOLO26 est associé à une campagne dédiée d’optimisation des hyperparamètres, délaissant l’entraînement entièrement à partir de zéro au profit du fine-tuning sur des jeux de données plus volumineux. Il a précisé que cette approche correspond bien mieux aux cas d’usage réels.

Voici quelques-unes des autres améliorations majeures présentées lors de l’événement :

• Architecture simplifiée : la couche Distribution Focal Loss (DFL) a été supprimée. Les modèles sont ainsi plus simples et plus rapides à exécuter, tout en conservant le même niveau de précision.
• Prise en charge de l’inférence de bout en bout : Ultralytics YOLO26 est nativement de bout en bout, ce qui signifie qu’il peut fonctionner sans couche NMS distincte. Cela facilite grandement l’exportation vers des formats comme ONNX et TensorRT ainsi que le déploiement sur du matériel edge.
• Meilleures performances sur les petits objets : les stratégies de fonction de perte mises à jour aident le modèle à détecter les objets minuscules de manière plus fiable, un défi de longue date en vision par ordinateur.
• Un nouvel optimiseur hybride : YOLO26 intègre un nouvel optimiseur inspiré des recherches récentes sur l’entraînement des grands modèles de langage. Celui-ci améliore la précision du modèle et est désormais intégré directement au package Ultralytics Python.

Ultralytics YOLO26 : la prochaine étape pour une IA visuelle pratique#

Ensemble, ces mises à jour produisent des modèles jusqu’à 43 % plus rapides sur CPU et également plus précis que Ultralytics YOLO11, ce qui rend YOLO26 particulièrement intéressant pour les appareils embarqués, la robotique et les systèmes edge.

Ultralytics YOLO26 prendra en charge toutes les mêmes tâches et tailles de modèles actuellement disponibles dans YOLO11, ce qui donnera 25 variantes de modèles au sein de la famille. Cela comprend des modèles de détection, de segmentation, d’estimation de pose, de boîtes englobantes orientées et de classification, du format nano au format extra large.

L’équipe travaille également sur cinq variantes pilotables par prompt. Ces modèles peuvent recevoir un prompt textuel et renvoyer directement des boîtes englobantes, sans nécessiter d’entraînement.

Il s’agit d’une première étape vers des workflows de vision plus flexibles et fondés sur des instructions, plus faciles à adapter à différents cas d’usage. Les modèles Ultralytics YOLO26 sont encore en cours de développement actif, mais les premiers résultats de performance sont prometteurs et l’équipe travaille à leur sortie prochaine.

Présentation de la plateforme Ultralytics#

Après la mise à jour de YOLO26, Glenn a invité Prateek Bhatnagar, notre responsable de l’ingénierie produit, à présenter une démonstration en direct de la plateforme Ultralytics. Cette plateforme est conçue pour réunir les principales étapes du workflow de vision par ordinateur, notamment l’exploration des jeux de données, l’annotation des images, l’entraînement des modèles et la comparaison des résultats.

Fig. 2. Prateek Bhatnagar présentant la plateforme Ultralytics.

Prateek a souligné que la plateforme reste fidèle aux racines open source d’Ultralytics, avec deux espaces communautaires : une communauté de jeux de données et une communauté de projets. Les développeurs peuvent y contribuer, réutiliser et améliorer le travail des autres. Pendant la démonstration, il a présenté l’annotation assistée par l’IA, l’entraînement facile dans le cloud et la possibilité d’effectuer le fine-tuning des modèles directement depuis la communauté, sans avoir besoin de ressources GPU locales.

La plateforme est actuellement en cours de développement. Prateek a encouragé le public à rester attentif aux annonces et a indiqué que l’équipe se développait en Chine pour accompagner son lancement.

Les voix derrière YOLO : le panel des auteurs#

Alors que la dynamique s’intensifiait, l’événement s’est poursuivi avec une table ronde réunissant plusieurs chercheurs à l’origine de différents modèles YOLO. Le panel comptait Glenn Jocher, ainsi que Jing Qiu, notre ingénieure senior en machine learning ; Chen Hui, ingénieur en machine learning chez Meta et l’un des auteurs de YOLOv10 ; et Bo Zhang, stratège algorithmique chez Meituan et l’un des auteurs de YOLOv6.

Fig. 3. Un panel consacré au développement des modèles YOLO, avec Huang Xueying, Chen Hui, Bo Zhang, Jing Qiu et Glenn Jocher.

La discussion portait sur l’évolution continue de YOLO grâce aux usages réels. Les intervenants ont expliqué que les progrès sont souvent stimulés par les difficultés pratiques du déploiement, comme l’exécution efficace sur des appareils edge, l’amélioration de la détection des petits objets et la simplification de l’exportation des modèles.

Plutôt que de rechercher uniquement la précision, les membres du panel ont souligné l’importance d’équilibrer rapidité, facilité d’utilisation et fiabilité dans les environnements de production. Un autre enseignement commun était la valeur de l’itération et des retours de la communauté.

Voici quelques autres enseignements intéressants de cette conversation :

• La détection à vocabulaire ouvert gagne du terrain dans l’écosystème YOLO : les modèles plus récents montrent comment l’alignement vision-langage et les workflows fondés sur des prompts peuvent détecter des objets au-delà de catégories fixes.
• L’attention légère progresse : le panel a expliqué que l’utilisation de mécanismes d’attention efficaces, plutôt qu’une attention complète partout, peut améliorer la précision tout en conservant une inférence suffisamment légère pour les appareils edge.
• Itère tôt et souvent avec la communauté : les intervenants ont réaffirmé l’importance d’une approche construire–tester–améliorer, dans laquelle publier les modèles plus tôt et tirer des enseignements des utilisateurs produit de meilleurs résultats que de longs cycles de développement en interne.

Les leaders d’opinion qui façonnent l’avenir de l’IA et de la vision#

Examinons maintenant de plus près certaines keynotes de YV25 Shenzhen, durant lesquelles des leaders de la communauté de l’IA ont expliqué comment l’IA visuelle évolue, des humains numériques et de la robotique au raisonnement multimodal et au déploiement edge efficace.

Apprendre à l’IA à comprendre l’expérience humaine#

Lors d’une session particulièrement intéressante, le Dr Peng Zhang, d’Alibaba Qwen Lab, a expliqué comment son équipe développe de grands modèles vidéo capables de générer des humains numériques expressifs, avec des mouvements et un contrôle plus naturels. Il a présenté Wan S2V et Wan Animate, qui utilisent des références audio ou de mouvement pour produire des paroles, des gestes et des animations réalistes, tout en répondant aux limites de la génération fondée uniquement sur le texte.

Fig. 4. Peng Zhang explique comment de grands modèles vidéo peuvent alimenter des humains numériques.

Le Dr Zhang a également parlé des progrès vers des avatars interactifs en temps réel, notamment le clonage zero-shot de l’apparence et des mouvements, ainsi que des modèles légers capables d’animer directement un visage à partir d’un flux de caméra en direct. Les humains numériques réalistes sont ainsi plus près de fonctionner fluidement sur les appareils du quotidien.

De la perception à l’action : l’ère de l’intelligence incarnée#

L’un des thèmes majeurs de YV25 Shenzhen était le passage de modèles de vision qui se contentent de voir le monde à des systèmes capables d’y agir. Autrement dit, la perception n’est plus la fin du pipeline ; elle devient le point de départ de l’action.

Par exemple, lors de sa keynote, Hu Chunxu, de D-Robotics, a expliqué comment leurs kits de développement et leurs solutions SoC (système sur puce) intègrent la détection, le contrôle des mouvements en temps réel et la prise de décision sur une pile matérielle et logicielle unifiée. En considérant la perception et l’action comme une boucle de rétroaction continue plutôt que comme des étapes distinctes, leur approche permet à des robots de se déplacer, de s’adapter et d’interagir de manière plus fiable dans des environnements réels.

Fig. 5. Démonstration de D-Robotics à YOLO Vision 2025 à Shenzhen, en Chine.

Alex Zhang, de Baidu Paddle, a repris cette idée dans son intervention en expliquant comment YOLO et PaddleOCR fonctionnent ensemble pour détecter les objets, puis interpréter le texte et la structure qui les entourent. Cela permet aux systèmes de convertir des images et des documents en informations exploitables et structurées pour des tâches telles que la logistique, les inspections et le traitement automatisé.

L’intelligence à la périphérie : une IA efficace pour chaque appareil#

Un autre sujet intéressant de YV25 Shenzhen était la façon dont l’IA visuelle devient plus efficace et plus performante sur les appareils edge.

Paul Jung, de DEEPX, a parlé du déploiement direct de modèles YOLO sur du matériel embarqué, réduisant ainsi la dépendance au cloud. En se concentrant sur une faible consommation d’énergie, une inférence optimisée et un réglage des modèles tenant compte du matériel, DEEPX permet une perception en temps réel pour les drones, les robots mobiles et les systèmes industriels fonctionnant dans des environnements dynamiques.

De même, Liu Lingfei, de Moore Threads, a expliqué comment la plateforme Moore Threads E300 combine les capacités de calcul de l’unité centrale de traitement (CPU), de l’unité de traitement graphique (GPU) et de l’unité de traitement neuronal (NPU) pour fournir une inférence visuelle à grande vitesse sur des appareils compacts.

La plateforme peut exécuter plusieurs flux YOLO à des fréquences d’images élevées, et sa toolchain simplifie des étapes comme la quantification, la compilation statique et l’optimisation des performances. Moore Threads a également publié en open source un vaste ensemble de modèles de vision par ordinateur et d’exemples de déploiement afin de faciliter l’accès aux développeurs.

Fusionner vision et langage pour des systèmes d’IA plus intelligents#

Jusqu’à récemment, créer un modèle unique capable à la fois de comprendre les images et d’interpréter le langage nécessitait de grandes architectures transformer, coûteuses à exécuter. À YV25 Shenzhen, Yue Ziyin, de Yuanshi Intelligence, a présenté RWKV, une architecture qui associe les capacités de raisonnement à long contexte des Transformer à l’efficacité des modèles récurrents.

Il a expliqué comment Vision-RWKV applique cette conception à la vision par ordinateur en traitant les images d’une manière qui évolue linéairement avec la résolution. Cela la rend adaptée aux entrées haute résolution et aux appareils edge où les capacités de calcul sont limitées.

Yue a également montré comment RWKV est utilisé dans des systèmes vision-langage, où les caractéristiques des images sont associées à la compréhension du texte afin d’aller au-delà de la détection d’objets et d’interpréter des scènes, des documents et le contexte du monde réel.

Fig. 6. Yue Ziyin parle des applications de RWKV.

Des stands et des démonstrations en direct qui donnent vie à l’IA visuelle#

Alors que les interventions sur scène se projetaient vers l’avenir de l’IA visuelle, les stands montraient comment elle est déjà utilisée aujourd’hui. Les participants ont pu voir des modèles fonctionner en direct, comparer les options matérielles et échanger directement avec les équipes qui développent ces systèmes.

Voici un aperçu des technologies présentées :

• Plateformes de développement et de prototypage : Seeed, M5Stack et Infermove ont présenté des cartes de développement compactes et des kits de démarrage qui facilitent l’expérimentation avec des applications basées sur YOLO et permettent de passer rapidement des idées à des démonstrations fonctionnelles.
• Matériel edge hautes performances : Hailo, DEEPX, Intel et Moore Threads ont présenté des puces et des modules conçus pour une inférence rapide et efficace.
• Workflows vision-langage : Baidu Paddle et RWKV ont mis en avant des piles logicielles capables de détecter des objets, mais aussi de lire, d’interpréter et de raisonner sur ce qui apparaît dans une image ou un document.
• Outils open source et communautaires : Ultralytics et Datawhale ont échangé avec les développeurs autour de démonstrations de modèles en direct, de conseils d’entraînement et d’une aide pratique, soulignant que le partage des connaissances accélère l’innovation.

Fig. 7. Un aperçu du stand de M5Stack à YV25 Shenzhen.

Échanger avec la communauté de l’IA visuelle#

En plus de toutes ces technologies passionnantes, l’un des meilleurs aspects de YV25 Shenzhen a été de réunir à nouveau en personne la communauté de la vision par ordinateur et l’équipe Ultralytics. Tout au long de la journée, les participants se sont retrouvés autour des démonstrations, ont partagé leurs idées pendant les pauses-café et ont poursuivi les discussions longtemps après la fin des interventions.

Des chercheurs, des ingénieurs, des étudiants et des créateurs ont comparé leurs expériences, posé des questions et partagé leurs retours concrets, du déploiement à l’entraînement des modèles. Et grâce à Cinco Jotas de Grupo Osborne, nous avons même apporté une touche de culture espagnole à l’événement avec du jambon fraîchement tranché, créant un chaleureux moment de partage. Un lieu magnifique, un public enthousiaste et un élan commun ont rendu cette journée vraiment spéciale.

Points clés à retenir#

Des keynotes inspirantes aux démonstrations pratiques, YOLO Vision 2025 Shenzhen a incarné l’esprit d’innovation qui définit la communauté Ultralytics. Tout au long de la journée, les conférenciers et les participants ont échangé des idées, exploré de nouvelles technologies et partagé une même vision de l’avenir de l’IA. Ensemble, ils sont repartis pleins d’énergie et prêts à découvrir la suite avec Ultralytics YOLO.

Repense les possibilités offertes par l’IA et la vision par ordinateur. Rejoins notre communauté et notre dépôt GitHub pour en découvrir davantage. Découvre des applications comme la vision par ordinateur dans l’agriculture et l’IA dans le commerce de détail. Explore nos options de licence et lance-toi dès aujourd’hui dans la vision par ordinateur !