YOLO12 expliqué : applications concrètes et cas d’usage

La vision par ordinateur est une branche de l’intelligence artificielle (IA) qui aide les machines à comprendre les images et les vidéos. Ce domaine progresse à un rythme incroyable, car les chercheurs et les développeurs en IA repoussent constamment les limites. La communauté de l’IA cherche sans cesse 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), lancé le 18 février 2025. Depuis, Ultralytics YOLO26 est devenu le modèle recommandé pour la plupart des charges de travail en production.

YOLO12 a été développé par des chercheurs de l’University at Buffalo, SUNY (Université d’État de New York), et de l’Université de l’Académie chinoise des sciences. Grâce à une nouvelle approche originale, YOLO12 introduit des mécanismes d’attention qui permettent au modèle de se concentrer sur les parties les plus importantes d’une image au lieu de tout traiter de la même façon.

Il intègre également FlashAttention, une technique qui accélère le traitement tout en consommant moins de mémoire, ainsi qu’un mécanisme d’attention par zones, conçu pour imiter la façon 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. Toutefois, cela implique 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 examiner ce qui distingue YOLO12, le comparer aux versions précédentes et découvrir ses applications possibles.

Le chemin vers la sortie de YOLO12#

La série de modèles YOLO regroupe des modèles de vision par ordinateur conçus pour la détection d’objets en temps réel, c’est-à-dire capables d’identifier et de localiser rapidement des objets dans des images et des vidéos. Au fil du temps, chaque version a gagné en vitesse, en précision et en efficacité.

Par exemple, Ultralytics YOLOv5, lancé en 2020, est devenu très populaire parce qu’il était rapide et facile à entraîner sur des données personnalisées et à déployer. Plus tard, Ultralytics YOLOv8 a apporté des améliorations en prenant notamment en charge des tâches de vision par ordinateur supplémentaires, 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 avait 22 % de paramètres en moins que YOLOv8m, tout en offrant de meilleures performances de détection sur le jeu de données COCO, un référentiel largement utilisé pour évaluer les modèles de détection d’objets.

Dans la continuité de ces avancées, YOLO12 modifie la façon dont il traite les informations visuelles. Au lieu de traiter toutes les parties d’une image de la même manière, il privilégie les zones les plus pertinentes, ce qui améliore la précision de détection. En bref, YOLO12 s’appuie sur les améliorations précédentes tout en cherchant à gagner en précision.

Principales caractéristiques de YOLO12#

YOLO12 apporte plusieurs améliorations qui renforcent les tâches de vision par ordinateur tout en préservant les vitesses de traitement en temps réel. Voici un aperçu de ses principales caractéristiques :

• Architecture centrée sur l’attention : Au lieu de traiter toutes les parties d’une image de la même manière, YOLO12 se concentre sur les zones les plus importantes. Cela améliore la précision et réduit les traitements inutiles, pour une détection plus fine et plus efficace, même dans des 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 de couches efficaces (R-ELAN) : YOLO12 organise ses couches plus efficacement grâce à R-ELAN, qui améliore le traitement et l’apprentissage des données par le modèle. L’entraînement est ainsi plus stable, la reconnaissance des objets plus précise et les besoins en calcul réduits, ce qui lui permet de fonctionner efficacement dans différents environnements.

Pour comprendre le fonctionnement de ces caractéristiques dans la vie réelle, prenons l’exemple d’un centre commercial. YOLO12 peut aider à suivre les clients, à identifier les décorations des magasins, comme les plantes en pot ou les panneaux promotionnels, et à repérer les objets égarés 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 responsables 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 aussi certaines limites à prendre en compte :

• Entraînement plus lent : 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 de modèles YOLO12, notamment lors de leur intégration dans des environnements de déploiement spécifiques.

Comprendre les performances de YOLO12 dans les tests de référence#

YOLO12 existe en plusieurs variantes, chacune optimisée pour des besoins différents. Les versions les 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 exigeant une grande 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, avec une précision moyenne moyenne (mAP) plus élevée.

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

Fig. 3 Comparaison d’Ultralytics YOLO11 et de 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 aux débutants comme aux professionnels. En quelques lignes de code seulement, les utilisateurs peuvent charger des modèles préentraînés, exécuter différentes tâches de vision par ordinateur sur des images et des vidéos, ainsi qu’entraîner YOLO12 sur des jeux de données personnalisés. Le package Python Ultralytics simplifie le processus et évite les étapes de configuration complexes.

Par exemple, voici les étapes à suivre pour utiliser YOLO12 pour la détection d’objets :

• Installer le package Ultralytics : Commence par installer le package Python Ultralytics, qui fournit les outils nécessaires pour exécuter YOLO12 efficacement. Tu t’assures ainsi 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 les encadre avec des boîtes englobantes. Il attribue à chaque objet détecté sa classe prédite et un score de confiance.
• Ajuster les paramètres de détection : Tu peux aussi modifier des paramètres, comme les seuils de confiance, pour 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 approfondir l’analyse, automatiser des tâches ou prendre des décisions.

Ces étapes rendent YOLO12 facile à utiliser dans diverses 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 diverses applications concrètes 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), même si les poids préentraînés ne sont actuellement disponibles que pour la détection.

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

Cependant, comme nous l’avons vu plus tôt, les modèles YOLO12 privilégient la précision à la vitesse : le traitement des images prend donc un peu plus de temps que dans les versions précédentes. Ce compromis rend YOLO12 idéal pour les applications où la précision compte davantage que la vitesse en temps réel, par exemple :

• Imagerie médicale : YOLO12 peut être entraîné sur mesure pour détecter des tumeurs ou des anomalies sur des radiographies et des IRM avec une grande précision, ce qui en fait un outil utile pour les médecins et les radiologues qui ont besoin d’une analyse précise des images à des fins diagnostiques.
• Contrôle qualité dans l’industrie manufacturière : il peut aider à repérer les défauts des produits pendant la production, afin que seuls les articles de haute qualité arrivent sur le marché, tout en réduisant les déchets et en améliorant l’efficacité.
• Analyse criminalistique : Les forces de l’ordre peuvent affiner YOLO12 pour analyser des vidéos de surveillance 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 la santé des cultures, détecter les maladies ou les infestations de nuisibles et surveiller l’état des sols. Des évaluations précises aident à optimiser les stratégies agricoles, pour de meilleurs rendements et une meilleure gestion des ressources.

Premiers pas avec YOLO12#

Avant d’exécuter YOLO12, vérifie que ton système répond aux exigences nécessaires.

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

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

Dans un souci de facilité d’utilisation et d’accessibilité, FlashAttention est facultatif dans le package Python Ultralytics et doit être compilé séparément, 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#

Avec les progrès de la vision par ordinateur, les modèles gagnent en précision et en efficacité. 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, qui renforcent la précision tout en optimisant l’utilisation de la mémoire.

Dans le même temps, la vision par ordinateur est plus accessible que jamais. YOLO12 est facile à utiliser avec le package Python Ultralytics et, puisqu’il privilégie la précision à la vitesse, 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 échange avec notre communauté. Découvre les innovations dans des secteurs comme l’IA pour les voitures autonomes et la vision par ordinateur dans l’agriculture sur nos pages consacrées aux solutions. Consulte nos options de licence et concrétise tes projets d’IA visuelle.