RTM réduit de 28 % le coût d’inférence avec Ultralytics YOLO26

RTM est une entreprise d’IA industrielle basée à Séoul. Son unité vision développe des systèmes de surveillance de sécurité basés sur l’IA pour les sites de production : les caméras déjà installées dans les usines sont surveillées en continu par des modèles Ultralytics YOLO26 qui détectent les personnes, les chutes, les intrusions dans les zones dangereuses, ainsi que les incendies ou la fumée, sur n’importe quel PC déjà utilisé par le client, des cartes graphiques intégrées aux GPU dédiés.

Surveiller des caméras que personne ne regarde#

Les accidents industriels ont tendance à se produire dans les zones que personne ne surveille. Les usines sont déjà équipées de caméras sur chaque ligne, mais personne ne peut regarder tous les flux en permanence. RTM a conçu un système pour assurer cette surveillance en continu : chaque canal de caméra exécute deux modèles Ultralytics YOLO26, l’un entraîné à détecter les personnes et l’autre les incendies et la fumée. Ils alimentent une couche événementielle déterministe qui déclenche des alarmes en cas de chute d’un employé ou d’intrusion dans une zone dangereuse.

Au cours des six derniers mois, la solution d’IA de RTM pour la sécurité industrielle a été déployée 24 h/24 et 7 j/7, ou fait l’objet d’une évaluation sur site, dans 21 entreprises manufacturières des secteurs de l’acier, des batteries, de la chimie et des plastiques, de l’agroalimentaire et de la robotique. Connecté aux systèmes de vidéosurveillance existants, le système détecte lorsqu’un employé entre dans une zone dangereuse ou chute, et déclenche des alertes via les systèmes internes ou, grâce à l’intégration d’un automate programmable industriel (PLC), commande directement les équipements connectés de l’usine.

Fig. 1. Flux vidéo en direct de détection de chutes RTM utilisant Ultralytics YOLO (source de l’image : RTM).

S’adapter au matériel que personne ne veut acheter#

La surveillance de la sécurité doit rivaliser avec l’option de ne rien installer. Si un système nécessite du nouveau matériel serveur avant de pouvoir surveiller une seule caméra, l’évaluation s’arrête souvent avant même de commencer. Jusqu’ici, les fabricants devaient choisir entre du matériel dédié coûteux et l’absence totale de surveillance automatisée.

RTM a voulu éliminer ce compromis : une seule solution, capable de fonctionner sur n’importe quel PC déjà présent dans la salle de contrôle, des cartes graphiques intégrées Intel à la NVIDIA RTX 3090, sans déploiement spécifique à chaque site.

Pour y parvenir, RTM exporte les deux modèles YOLO26 au format ONNX avec une forme statique et les exécute avec ONNX Runtime sur cinq fournisseurs d’exécution : TensorRT, CUDA, OpenVINO, DirectML et CPU. Au démarrage, la bibliothèque d’inférence détecte le fabricant du GPU installé et sélectionne automatiquement la chaîne de fournisseurs appropriée. Ainsi, le même fichier de 36 Mo par modèle fonctionne sans modification, que la machine cible soit dépourvue de GPU dédié ou équipée d’une carte haut de gamme. L’application déployée ne dépend ni de Python ni de PyTorch, et il n’est pas nécessaire de maintenir une version pour chaque fabricant.

La tête de détection de bout en bout de YOLO26 a rendu cette approche à artefact unique pratique : comme le modèle produit directement les détections finales, la couche d’inférence C++ de RTM n’a besoin que d’un seuil de confiance et d’une transformation inverse de letterbox ; il n’y a pas de NMS à réimplémenter ni d’écart de parité à déboguer entre le parcours d’entraînement Python et le parcours de déploiement C++, une catégorie de bogues qui apparaît généralement dès qu’un détecteur passe d’un langage à l’autre.

Les avantages d’un GPU, en chiffres#

RTM a évalué les deux modèles YOLO26-small (personne et feu/fumée) avec deux résolutions d’entrée sur un NVIDIA RTX 3090 (ONNX Runtime 1.26.0, fournisseur d’exécution CUDA, FP32, lot de 1, propagation avant uniquement). À 640×640, le modèle de personnes s’exécute en 4,20 ms par image et celui de feu/fumée en 4,34 ms ; à 1280×1280, les deux montent à environ 12,5 ms, et l’utilisation de la mémoire GPU passe de 406 Mo à 1 302 Mo. La résolution 640×640 coûte donc environ 2,9 fois moins par image et utilise 3,2 fois moins de mémoire, tandis que l’entrée plus grande améliore la détection des petits objets éloignés. RTM fournit 640×640 par défaut et conserve l’exportation 1280×1280 pour les sites disposant d’une marge de capacité GPU à consacrer à la détection plutôt qu’au nombre de canaux.

Le passage de CUDA en FP32 à TensorRT en FP16 a réduit le coût combiné par image des deux modèles de 8,68 ms à 6,26 ms, soit une baisse de 28 %, ce qui représente environ 39,9 FPS sur quatre canaux avec un seul GPU, contre 28,8 FPS. RTM a vérifié que la conversion FP16 ne réduisait pas la précision avant de la déployer : le rappel est resté inchangé dans chaque catégorie de taille d’objet et au niveau des événements, pour le feu comme pour la fumée. Dans l’application déployée, une machine aux caractéristiques recommandées (Intel Core i7 à 16 cœurs ou mieux, 32 Go de RAM, RTX 5060 8 Go ou plus) prend en charge 6 canaux simultanés, tandis qu’une machine d’entrée de gamme dotée uniquement d’une carte graphique intégrée en prend encore 1, pour une limite produit de 10 canaux par boîtier.

Pourquoi choisir Ultralytics YOLO26 ?#

RTM entraîne son détecteur de personnes et son détecteur de feu/fumée avec la même base de code d’entraînement Ultralytics, et les deux partagent 352 lignes de code sans aucune branche spécifique à un domaine. La seule différence entre un détecteur de personnes et un détecteur de feu réside dans un fichier de configuration : taille d’entrée, nombre d’époques, taux d’apprentissage et composition du jeu de données. C’est une conséquence directe de la conception d’Ultralytics YOLO. Une architecture cohérente et une API d’entraînement unique pour les tâches de détection permettent d’aborder un nouveau domaine de détection en modifiant la configuration plutôt qu’en créant un nouveau pipeline, ce qui a permis à une petite équipe d’ingénierie de mettre en production deux modèles sans maintenir deux bases de code.

Cette même cohérence a également réduit les risques liés au passage à YOLO26. RTM a adopté YOLO26 quatre jours après le début du projet, en mai 2026, et la migration n’a nécessité aucune modification du code d’entraînement existant : seul le point de contrôle a changé. Comme Ultralytics maintient une interface d’entraînement stable entre les générations de modèles, l’adoption de la nouvelle architecture n’a pas imposé de réécrire un pipeline que RTM avait déjà conçu et testé.

« Même avec le même jeu de données, la taille d’entrée et l’augmentation des données influent sur les performances du modèle. Avec Ultralytics, tout est dans un seul fichier de configuration : on modifie donc quelques valeurs, on lance plusieurs variantes côte à côte et on choisit la meilleure. On ne touche jamais au code, si bien que préparer dix exécutions demande à peu près autant de travail qu’en lancer une seule. » — Ingénieur IA, RTM

Cette stabilité a également amélioré la précision. Le regroupement d’un programme d’entraînement séquentiel en cinq étapes en un seul entraînement conjoint a fait passer le mAP₅₀ de validation de 0,672 à 0,689, sans modifier le seuil de fonctionnement. RTM a ainsi obtenu un gain en réentraînant la même architecture YOLO26, sans devoir repenser le modèle. De plus, comme YOLO26 s’exporte proprement sous la forme d’un artefact ONNX à forme fixe et que les seuils de détection sont fournis dans un fichier annexe plutôt que compilés dans l’application, le déploiement de ce gain de précision sur le terrain a consisté à remplacer un fichier ONNX, sans modifier l’application hôte. Une petite équipe d’ingénierie peut ainsi déployer des mises à jour du modèle sur tous les sites sans version coordonnée, un avantage direct de l’utilisation de YOLO26 plutôt que d’une architecture personnalisée.

Ce qui vient après la détection#

Les alarmes de RTM ne correspondent pas à de simples détections : la présence d’une personne dans l’image ne constitue pas un événement, mais une personne qui est tombée et reste au sol, oui. Une couche événementielle déterministe située au-dessus des deux modèles YOLO26 combine le suivi, l’état de la posture, l’appartenance à une zone et un vote sur fenêtre glissante avant de déclencher une alarme. La séparation de cette logique et du modèle permet au même détecteur de personnes de servir tous les sites, malgré les grandes différences de hauteur et d’angle des caméras et de luminosité d’une usine à l’autre. Elle permet aussi de réutiliser les détections existantes pour de nouveaux comportements de sécurité : RTM développe actuellement la surveillance du respect des règles relatives aux EPI à partir des mêmes résultats de détection des personnes, sans nouveau modèle ni nouveau matériel sur les sites équipés d’un GPU.

L’impact global#

L’impact est particulièrement visible chez les clients de RTM qui intègrent des robots collaboratifs : ils fournissent et installent des robots collaboratifs dans des usines où des employés entraient souvent en collision avec les robots malgré les barrières de sécurité physiques ou laser. Avec le système de RTM, les intrusions dans les zones dangereuses sont détectées et déclenchent immédiatement l’arrêt du robot via une connexion à un automate programmable industriel, sans aucun délai. Ces intégrateurs l’ont depuis adopté comme dispositif de sécurité par défaut, à la place des barrières physiques.

Un client du secteur de la sidérurgie a indiqué que la capacité d’Ultralytics YOLO à adapter les scénarios de détection aux différents sites lui avait permis de réduire de plus de 100 le nombre d’agents de surveillance de la sécurité qui patrouillaient auparavant dans l’usine. Plus généralement, les fabricants décrivent la solution de RTM comme la plus facile à installer et la plus rentable parmi les options de surveillance de la sécurité qu’ils ont évaluées ; la détection des zones dangereuses, des chutes, des incendies et de la fumée couvre leurs principaux besoins.

Étendre les capacités avec les mêmes modèles#

La prochaine étape de RTM est la détection du respect des règles relatives aux EPI, qui s’appuie entièrement sur les résultats existants de la détection des personnes. Aucun nouveau modèle à entraîner et, sur les sites disposant d’une marge de capacité GPU, aucun nouveau matériel à installer. À mesure que le déploiement se poursuit sur de nouveaux sites industriels et différentes catégories de matériel, le même export ONNX unique par modèle continue d’assurer le fonctionnement, du PC à graphiques intégrés le moins puissant au serveur GPU le plus haut de gamme de l’usine.

Tu souhaites créer tes propres solutions d’IA de vision ? Découvre nos modèles Ultralytics YOLO, vois comment ils sont utilisés dans différents secteurs, notamment pour la vision par ordinateur dans l’industrie manufacturière, et consulte les options de licence pour te lancer.