YOLO12 expliqué : applications concrètes et cas d’usage

La vision par ordinateur est une branche de l’intelligence artificielle (AI) qui aide les machines à comprendre les images et les vidéos. C’est un domaine qui progresse à une vitesse incroyable, car les chercheurs et les développeurs en IA repoussent constamment les limites. La communauté de l’IA cherche toujours à rendre les modèles plus rapides, plus intelligents et plus efficaces. L’une des dernières avancées est YOLO12, le dernier-né de la série de modèles YOLO (Tu ne regardes qu’une seule fois), sorti le 18 février 2025.

YOLO12 a été développé par des chercheurs de l’University at Buffalo, SUNY (State University of New York), et de l’University of Chinese Academy of Sciences. Dans une nouvelle approche unique, YOLO12 introduit des mécanismes d’attention qui permettent au modèle de se concentrer sur les parties les plus essentielles d’une image plutôt que de tout traiter de manière équivalente.

Il intègre également FlashAttention, une technique qui accélère le traitement tout en utilisant moins de mémoire, ainsi qu’un mécanisme d’attention par zone conçu pour reproduire la manière dont les humains se concentrent naturellement sur les objets centraux.

Ces améliorations rendent YOLO12n 2,1 % plus précis que YOLOv10n et YOLO12m 1,0 % plus précis que YOLO11m. Cela implique toutefois un compromis : YOLO12n est 9 % plus lent que YOLOv10n, et YOLO12m est 3 % plus lent que YOLO11m.

Fig. 1. Exemple d’utilisation de YOLO12 pour détecter des objets.

Dans cet article, nous allons découvrir ce qui différencie YOLO12, le comparer aux versions précédentes et examiner ses domaines d’application.

Le chemin vers la sortie de YOLO12#

La série de modèles YOLO est un ensemble de modèles de vision par ordinateur conçus pour la détection d’objets en temps réel, ce qui signifie qu’ils peuvent identifier et localiser rapidement des objets dans des images et des vidéos. Au fil du temps, chaque version a progressé en matière de vitesse, de précision et d’efficacité.

Par exemple, Ultralytics YOLOv5, sorti en 2020, est devenu très utilisé, car il était rapide et facile à entraîner sur des données personnalisées et à déployer. Plus tard, Ultralytics YOLOv8 a amélioré ces capacités en prenant notamment en charge des tâches de vision par ordinateur comme la segmentation d’instances et le suivi d’objets.

Plus récemment, Ultralytics YOLO11 s’est concentré sur l’amélioration du traitement en temps réel tout en maintenant un équilibre entre vitesse et précision. Par exemple, YOLO11m comptait 22 % de paramètres en moins que YOLOv8m, tout en offrant de meilleures performances de détection sur le jeu de données COCO, une référence largement utilisée pour évaluer les modèles de détection d’objets.

En s’appuyant sur ces avancées, YOLO12 modifie la manière dont il traite les informations visuelles. Plutôt que de traiter toutes les parties d’une image de la même manière, il donne la priorité aux zones les plus pertinentes, ce qui améliore la précision de la détection. En bref, YOLO12 s’appuie sur les améliorations précédentes tout en visant une plus grande précision.

Fonctionnalités clés de YOLO12#

YOLO12 introduit plusieurs améliorations qui renforcent les tâches de vision par ordinateur tout en conservant des vitesses de traitement en temps réel. Voici un aperçu de ses principales fonctionnalités :

• Architecture centrée sur l’attention : au lieu de traiter chaque partie d’une image de manière équivalente, YOLO12 se concentre sur les zones les plus importantes. Cela améliore la précision et réduit les traitements inutiles, rendant la détection plus nette et plus efficace, même dans les images encombrées.
• FlashAttention : YOLO12 accélère l’analyse des images tout en utilisant moins de mémoire. Avec FlashAttention (un algorithme économe en mémoire), il optimise la gestion des données, réduit la charge matérielle et rend les tâches en temps réel plus fluides et plus fiables.
• Réseaux résiduels d’agrégation efficace des couches (R-ELAN) : YOLO12 organise ses couches plus efficacement grâce à R-ELAN, ce qui améliore le traitement et l’apprentissage des données par le modèle. La formation devient ainsi plus stable, la reconnaissance des objets plus précise et les besoins en calcul plus faibles, ce qui lui permet de fonctionner efficacement dans différents environnements.

Pour comprendre le fonctionnement de ces fonctionnalités dans la vie réelle, prenons l’exemple d’un centre commercial. YOLO12 peut aider à suivre les clients, à identifier les éléments de décoration des magasins comme les plantes en pot ou les panneaux promotionnels, ainsi qu’à repérer les objets mal placés ou abandonnés.

Son architecture centrée sur l’attention l’aide à se concentrer sur les détails les plus importants, tandis que FlashAttention lui permet de tout traiter rapidement sans surcharger le système. Les gestionnaires du centre commercial peuvent ainsi plus facilement renforcer la sécurité, organiser l’agencement des magasins et améliorer l’expérience d’achat globale.

Fig. 2. Détection d’objets dans un centre commercial avec YOLO12.

Cependant, YOLO12 présente également certaines limites à prendre en compte :

• Temps d’entraînement plus longs : en raison de son architecture, YOLO12 nécessite davantage de temps d’entraînement qu’Ultralytics YOLO11.
• Difficultés d’exportation : certains utilisateurs peuvent rencontrer des difficultés lors de l’exportation des modèles YOLO12, notamment lors de leur intégration dans des environnements de déploiement spécifiques.

Comprendre les performances de YOLO12 grâce aux benchmarks#

YOLO12 est disponible en plusieurs variantes, chacune optimisée pour des besoins différents. Les versions plus petites (nano et small) privilégient la vitesse et l’efficacité, ce qui les rend idéales pour les appareils mobiles et l’informatique en périphérie. Les versions medium et large offrent un équilibre entre vitesse et précision, tandis que YOLO12x (extra large) est conçu pour les applications de haute précision, comme l’automatisation industrielle, l’imagerie médicale et les systèmes de surveillance avancés.

Grâce à ces variantes, YOLO12 offre différents niveaux de performance selon la taille du modèle. Les tests de référence montrent que certaines variantes de YOLO12 surpassent YOLOv10 et Ultralytics YOLO11 en précision, en atteignant une précision moyenne moyenne (mAP) supérieure.

Cependant, certains modèles, comme YOLO12m, YOLO12l et YOLO12x, traitent les images plus lentement que YOLO11, ce qui illustre le compromis entre précision de la détection et vitesse. Malgré cela, YOLO12 reste efficace et nécessite moins de paramètres que de nombreux autres modèles, même s’il en utilise encore davantage que YOLO11. Cela en fait un excellent choix pour les applications où la précision est plus importante que la vitesse brute.

Fig. 3. Comparaison entre Ultralytics YOLO11 et YOLO12.

Utiliser YOLO12 avec le package Python Ultralytics#

YOLO12 est pris en charge par le package Python Ultralytics et est facile à utiliser, ce qui le rend accessible aussi bien aux débutants qu’aux professionnels. Avec seulement quelques lignes de code, tu peux charger des modèles préentraînés, exécuter différentes tâches de vision par ordinateur sur des images et des vidéos, et entraîner YOLO12 sur des jeux de données personnalisés. Le package Python Ultralytics simplifie le processus et évite les étapes de configuration complexes.

Voici, par exemple, les étapes à suivre pour utiliser YOLO12 afin de détecter des objets :

• Installer le package Ultralytics : commence par installer le package Python Ultralytics, qui fournit les outils nécessaires pour exécuter efficacement YOLO12. Cela garantit que toutes les dépendances sont correctement configurées.
• Charger un modèle YOLO12 préentraîné : choisis la variante YOLO12 appropriée (nano, small, medium, large ou extra large) en fonction du niveau de précision et de vitesse requis pour ta tâche.
• Fournir une image ou une vidéo : saisis un fichier image ou vidéo que tu souhaites analyser. YOLO12 peut également traiter des flux vidéo en direct pour effectuer des détections en temps réel.
• Lancer le processus de détection : le modèle analyse les données visuelles, identifie les objets et place des cadres englobants autour d’eux. Il attribue à chaque objet détecté sa classe prédite et un score de confiance.
• Ajuster les paramètres de détection : tu peux également modifier des paramètres comme les seuils de confiance afin d’affiner la précision et les performances de la détection.
• Enregistrer ou utiliser le résultat : l’image ou la vidéo traitée, qui contient désormais les objets détectés, peut être enregistrée ou intégrée à une application pour poursuivre l’analyse, automatiser des processus ou prendre des décisions.

Ces étapes rendent YOLO12 facile à utiliser pour de nombreuses applications, de la surveillance et du suivi dans le commerce de détail à l’imagerie médicale et aux véhicules autonomes.

Applications pratiques de YOLO12#

YOLO12 peut être utilisé dans de nombreuses applications du monde réel grâce à sa prise en charge de la détection d’objets, de la segmentation d’instances, de la classification d’images, de l’estimation de pose et de la détection d’objets orientés (OBB).

Fig. 4. YOLO12 prend en charge des tâches comme la détection d’objets et la segmentation d’instances.

Cependant, comme nous l’avons vu précédemment, les modèles YOLO12 privilégient la précision à la vitesse, ce qui signifie qu’ils mettent légèrement plus de temps à traiter les images que les versions précédentes. Ce compromis rend YOLO12 idéal pour les applications où la précision est plus importante que la vitesse en temps réel, comme :

• Imagerie médicale : YOLO12 peut être entraîné sur des données personnalisées pour détecter avec précision des tumeurs ou des anomalies sur des radiographies et des IRM, ce qui en fait un outil utile pour les médecins et les radiologues qui ont besoin d’une analyse précise des images pour établir un diagnostic.
• Contrôle qualité dans l’industrie manufacturière : il peut aider à identifier les défauts des produits au cours du processus de production, afin de garantir que seuls des articles de haute qualité arrivent sur le marché, tout en réduisant les déchets et en améliorant l’efficacité.
• Analyse criminalistique : les services chargés de l’application de la loi peuvent affiner YOLO12 pour analyser des images de vidéosurveillance et recueillir des preuves. Dans les enquêtes criminelles, la précision est essentielle pour identifier les détails importants.
• Agriculture de précision : les agriculteurs peuvent utiliser YOLO12 pour analyser l’état des cultures, détecter les maladies ou les infestations de nuisibles et surveiller les conditions du sol. Des évaluations précises aident à optimiser les stratégies agricoles, ce qui améliore les rendements et la gestion des ressources.

Premiers pas avec YOLO12#

Avant d’exécuter YOLO12, il est important de vérifier que ton système répond aux exigences nécessaires.

Techniquement, YOLO12 peut fonctionner sur n’importe quel GPU (processeur graphique) dédié. Par défaut, il ne nécessite pas FlashAttention et peut donc fonctionner sur la plupart des systèmes équipés d’un GPU sans cette fonctionnalité. Cependant, l’activation de FlashAttention peut être particulièrement utile avec de grands jeux de données ou des images haute résolution, car elle contribue à éviter les ralentissements, à réduire l’utilisation de la mémoire et à améliorer l’efficacité du traitement.

Pour utiliser FlashAttention, tu auras besoin d’un GPU NVIDIA appartenant à l’une des séries suivantes : Turing (T4, Quadro RTX), Ampere (série RTX 30, A30, A40, A100), Ada Lovelace (série RTX 40) ou Hopper (H100, H200).

Pour des raisons d’ergonomie et d’accessibilité, le package Python Ultralytics ne prend pas encore en charge l’inférence avec FlashAttention, car son installation peut être assez complexe sur le plan technique. Pour en savoir plus sur les premiers pas avec YOLO12 et l’optimisation de ses performances, consulte la documentation officielle d’Ultralytics.

Points clés à retenir#

À mesure que la vision par ordinateur progresse, les modèles deviennent plus précis et plus efficaces. YOLO12 améliore des tâches de vision par ordinateur comme la détection d’objets, la segmentation d’instances et la classification d’images grâce à un traitement centré sur l’attention et à FlashAttention, ce qui renforce la précision tout en optimisant l’utilisation de la mémoire.

Parallèlement, la vision par ordinateur est plus accessible que jamais. YOLO12 est facile à utiliser avec le package Python Ultralytics et, grâce à sa priorité donnée à la précision plutôt qu’à la vitesse, il convient parfaitement à l’imagerie médicale, aux inspections industrielles et à la robotique, des applications où la précision est essentielle.

Tu t’intéresses à l’IA ? Consulte notre dépôt GitHub et participe à notre communauté. Découvre les innovations dans des secteurs comme l’IA appliquée aux voitures autonomes et la vision par ordinateur dans l’agriculture sur nos pages de solutions. Consulte nos options de licence et donne vie à tes projets d’IA pour la vision. 🚀