Ultralytics YOLO27 : Rejoins la liste d'attente.
Licence YOLO
Communiqué de presse

Ultralytics lève 30 M$ pour repousser les limites de la vision par ordinateur

Découvre le dernier tour de financement de série A de 30 M$ d’Ultralytics et les prochaines étapes, de l’accélération de la R&D sur Ultralytics YOLO aux solutions pour les entreprises.

4 min de lecture
Découvre le dernier tour de financement de série A de 30 M$ d’Ultralytics et les prochaines étapes, de l’accélération de la R&D sur Ultralytics YOLO aux solutions pour les entreprises.

Nous sommes ravis d’annoncer qu’Ultralytics a levé 30 millions de dollars lors d’un tour de financement de série A. Le tour a été mené par Elephant, avec la participation de SquareOne.

Grâce à ce nouveau tour de financement, nous sommes prêts à franchir ensemble la prochaine étape de notre parcours dans la vision par ordinateur. Depuis le tout début, la mission d’Ultralytics est de rendre l’IA de vision avancée accessible à tout le monde.

D’un projet open source d’IA de vision à une adoption mondiale#

Ce qui a commencé comme un projet open source est devenu la famille de modèles de vision par ordinateur la plus adoptée au monde, Ultralytics YOLO. Aujourd’hui, les modèles YOLO alimentent des applications dans tous les secteurs, dans plus de 200 pays, et sont utilisés de façon stupéfiante 2 milliards de fois chaque jour.

Cette croissance a été portée par notre incroyable communauté. Ensemble, nous avons dépassé les 115 000 étoiles sur GitHub, accueilli plus de 900 contributeurs et vu notre bibliothèque Python Ultralytics téléchargée plus de 115 millions de fois.

En fait, selon le rapport Octoverse 2024 de GitHub, notre dépôt open source s’est classé au 5e rang mondial parmi tous les projets open source et publics ayant attiré le plus de nouveaux contributeurs. Cette reconnaissance place Ultralytics aux côtés de certains des projets open source les plus influents au monde et souligne la confiance et l’enthousiasme de la communauté mondiale des développeurs envers Ultralytics YOLO. C’est aussi un rappel de notre conviction fondamentale : l’IA s’épanouit lorsqu’elle est ouverte, collaborative et accessible.

Accélérer l’innovation chez Ultralytics#

Pour la suite, ce tour de financement va nous permettre d’avancer plus vite et de stimuler l’innovation. Nous avons hâte d’accélérer la recherche et le développement de la prochaine génération de modèles YOLO afin de les rendre plus légers, plus rapides et plus précis. En parallèle, nous renforçons nos solutions d’entreprise et nos équipes d’assistance pour aider les organisations à déployer les modèles Ultralytics YOLO en toute confiance.

Glenn Jocher, notre fondateur et PDG, a souligné : « Ultralytics redéfinit ce qui est possible avec l’IA en périphérie, en proposant des modèles YOLO plus rapides, plus légers et plus faciles à utiliser que jamais. Cet investissement accélérera notre R&D et élargira notre écosystème de solutions de couche applicative basées sur YOLO, donnant ainsi aux entreprises comme aux étudiants les moyens d’agir. »

Développer l’équipe IA derrière cette vision#

Un élément essentiel de ce nouveau chapitre, c’est notre équipe. Chaque année, plus de 50 000 personnes postulent pour nous rejoindre chez Ultralytics, et nous sommes ravis de continuer à faire grandir notre équipe en accueillant des talents du monde entier. En développant nos équipes de recherche, d’ingénierie et de commercialisation, nous pouvons accélérer l’innovation tout en apportant aux entreprises l’assistance nécessaire pour mettre en production les modèles Ultralytics YOLO.

En route pour Ultralytics YOLO Vision 2025#

Ce mois-ci, il se passe beaucoup de choses chez Ultralytics. En plus d’annoncer notre dernier tour de financement, nous nous préparons aussi à YOLO Vision 2025 (YV25) à Londres, notre événement hybride annuel.

Nous réunirons la communauté de l’IA le 25 septembre au The Pelligon, à Londres, avec une diffusion mondiale en direct sur YouTube et Bilibili. YV25 est placé sous le signe des échanges et des idées.

Des développeurs, des entreprises et des chercheurs du monde entier se réuniront pour découvrir les avancées de la vision par ordinateur, présenter leurs projets et apprendre les uns des autres. Au programme : des conférences intéressantes, des démonstrations en direct et de nombreuses occasions de réseauter.

Rejoins-nous à YV25 pour explorer l’avenir de l’IA de vision et découvrir en avant-première le lancement de notre nouveau produit. Que tu viennes à Londres ou que tu suives l’événement en ligne, YV25 est l’occasion de participer aux échanges mondiaux qui façonnent la vision par ordinateur.

Rejoins notre communauté et consulte notre dépôt GitHub pour en savoir plus sur l’IA. Consulte nos pages de solutions pour découvrir l’IA dans le commerce de détail et la vision par ordinateur dans l’agriculture. Découvre nos options de licence et commence dès aujourd’hui à créer avec la vision par ordinateur !

À la une du blog

AI-generated aerial view of a car park that changes from 3D wireframe to photo, with real Ultralytics YOLO26 car detections at each stage

Best synthetic data tools for computer vision training

Synthetic data tools for computer vision compared by method: 3D simulation, generative models and augmentation, and how to test them with Ultralytics YOLO.
En savoir plus
Ultralytics à l’AMD Embedded AI Working Group à Dublin

Ultralytics à l’AMD Embedded AI Working Group à Dublin

Découvre comment Ultralytics et AMD ont exploré l’IA physique, la robotique et le déploiement de la vision par ordinateur lors de l’AMD Embedded AI Working Group 2026 à Dublin.
En savoir plus
Comment choisir un VLM pour l’annotation automatique en fonction de la précision et du rappel

Comment choisir un VLM pour l’annotation automatique en fonction de la précision et du rappel

Choisis un VLM pour l’annotation automatique en fonction de la précision et du rappel : quels modèles génèrent moins de boîtes superflues, lesquels omettent moins d’objets et comment les tester sur tes propres données.
En savoir plus
AI-generated logistics scene with illustrative detections; the inset shows Ultralytics Platform benchmark latency for YOLO26n on an NVIDIA L4.

ONNX ou TensorRT pour l’inférence en vision par ordinateur : benchmarks et critères de choix

ONNX Runtime ou TensorRT pour l’inférence en vision par ordinateur : mesures de la vitesse et de la précision d’Ultralytics YOLO26 sur 19 GPU NVIDIA, et comment choisir.
En savoir plus
Détection des EPI manquants : entraîne Ultralytics YOLO sur Construction-PPE

Détection des EPI manquants : entraîne Ultralytics YOLO sur Construction-PPE

Découvre comment Construction-PPE annote les casques, gilets et gants manquants, puis entraîne Ultralytics YOLO à détecter les EPI manquants sur les caméras de ton propre site.
En savoir plus
Guide des jeux de données de détection de drones : entraîner Ultralytics YOLO sur de petits UAV

Guide des jeux de données de détection de drones : entraîner Ultralytics YOLO sur de petits UAV

Compare les jeux de données DUT Anti-UAV, Drone-vs-Bird et de détection thermique de drones, puis entraîne Ultralytics YOLO26 pour repérer les petits drones et réduire les fausses alertes.
En savoir plus
IA conforme à HIPAA pour l’imagerie médicale : ce que couvre un BAA et comment entraîner avec des données de patients

IA conforme à HIPAA pour l’imagerie médicale : ce que couvre un BAA et comment entraîner avec des données de patients

Découvre ce qu’exige une IA conforme à HIPAA pour l’imagerie médicale, ce que couvre un BAA d’Ultralytics, et comment annoter, entraîner et déployer avec des données de patients.
En savoir plus
Meilleurs modèles d’estimation de profondeur : comment choisir

Meilleurs modèles d’estimation de profondeur : comment choisir

Compare les modèles de profondeur monoculaire tels que Depth Anything, Depth Pro, Metric3D, UniDepth et Ultralytics YOLO26 pour la profondeur métrique, les appareils en périphérie et la robotique.
En savoir plus
Comment migrer des modèles Ultralytics YOLO de W&B vers Ultralytics Platform

Comment migrer des modèles Ultralytics YOLO de W&B vers Ultralytics Platform

Importe des modèles Ultralytics YOLO depuis Weights & Biases (W&B) dans Ultralytics Platform sans les réentraîner, puis compare les expériences, exporte les modèles et déploie-les.
En savoir plus
GPT-6.1 Terra arrive en tête pour l’annotation automatique et bat les modèles phares d’OpenAI

GPT-6.1 Terra arrive en tête pour l’annotation automatique et bat les modèles phares d’OpenAI

GPT-6.1 Terra pour l’annotation automatique devance 39 modèles dans notre classement VLM : 0.560 mAP50 pour 4,36 $ par tranche de 1 000 images, devant GPT-6.1 Sol et Gemini 4 Argon.
En savoir plus
Annotation automatique avec MiniMax-M3.1-Flash : pourquoi un raisonnement moins poussé a donné de meilleures boîtes

Annotation automatique avec MiniMax-M3.1-Flash : pourquoi un raisonnement moins poussé a donné de meilleures boîtes

Annotation automatique avec MiniMax-M3.1-Flash sur Ultralytics Platform : 0.317 mAP50 à 1,84 $ pour 1 000 images après réglage, avec un score de 0.86 pour la détection de navires SAR.
En savoir plus
Annotation automatique avec Kimi K3.1 Pro : un tiers de mieux que K3, avec un effort élevé

Annotation automatique avec Kimi K3.1 Pro : un tiers de mieux que K3, avec un effort élevé

L’annotation automatique avec Kimi K3.1 Pro atteint 0.444 mAP50 sur UL37, soit un tiers de plus que Kimi K3. Découvre pourquoi nous l’exécutons avec un effort élevé, combien cela coûte et où le modèle se démarque.
En savoir plus
Ultralytics YOLO et NVIDIA Cosmos Data Factory : données synthétiques pour la détection des défauts

Ultralytics YOLO et NVIDIA Cosmos Data Factory : données synthétiques pour la détection des défauts

Les données synthétiques de NVIDIA Cosmos Data Factory et une boucle d’entraînement agentique aident Ultralytics YOLO26 à atteindre une précision de détection des défauts comparable à celle obtenue avec le jeu de données complet, avec moins d’annotations.
En savoir plus
Annotation automatique avec Gemini 4 Argon : les boîtes les plus précises parmi 39 modèles

Annotation automatique avec Gemini 4 Argon : les boîtes les plus précises parmi 39 modèles

Annotation automatique avec Gemini 4 Argon sur Ultralytics Platform : 2e sur 39 modèles, meilleure précision (0.667), premier dans 6 domaines sur 12, à 7,60 $ pour 1 000 images jusqu’au 30 novembre.
En savoir plus
Calcul ouvert, vision ouverte : AMD à Ultralytics YOLO Vision 2026

Calcul ouvert, vision ouverte : AMD à Ultralytics YOLO Vision 2026

Découvre comment AMD a apporté le calcul ouvert à Ultralytics YOLO Vision 2026 avec une présentation sur ROCm, des ateliers pratiques et des démonstrations de YOLO sur des GPU AMD Radeon.
En savoir plus
Meilleurs modèles de classification d’images : comment choisir

Meilleurs modèles de classification d’images : comment choisir

Compare les principaux modèles de classification d’images, de ConvNeXt V2 et DINOv3 à EfficientNetV2, ViT et Ultralytics YOLO26-cls, et découvre comment faire ton choix.
En savoir plus
Segmentation sémantique ou segmentation d’instances : comment choisir la bonne tâche

Segmentation sémantique ou segmentation d’instances : comment choisir la bonne tâche

La segmentation sémantique attribue une classe à chaque pixel ; la segmentation d’instances distingue chaque objet. Découvre laquelle convient à ton projet de vision par ordinateur, et pourquoi.
En savoir plus
Ultralytics à Arm Create 2026 : l’IA visuelle en temps réel à la périphérie

Ultralytics à Arm Create 2026 : l’IA visuelle en temps réel à la périphérie

Retour sur la participation d’Ultralytics à Arm Create 2026 à Shenzhen : déploiement d’Ultralytics YOLO pour l’IA en périphérie en temps réel, table ronde sur les modèles et nouveau portail Arm AI Portal.
En savoir plus
Rencontre Ultralytics : Londres

Rencontre Ultralytics : Londres

Retour sur la rencontre Ultralytics à Londres : premier aperçu de YOLO27, démonstrations d’Ultralytics Platform et table ronde sur l’IA visuelle avec NVIDIA et Arm.
En savoir plus
Suivi Ultralytics Platform : garde le cap sur tes déploiements d’IA visuelle

Suivi Ultralytics Platform : garde le cap sur tes déploiements d’IA visuelle

Surveille les modèles d’IA visuelle déployés avec Ultralytics Platform. Suis l’état des points de terminaison, la latence, les erreurs, les journaux et les statistiques de prédiction en direct.
En savoir plus
Découvrez Ultralytics Agents : créez plus rapidement des workflows d’IA visuelle

Découvrez Ultralytics Agents : créez plus rapidement des workflows d’IA visuelle

Crée des workflows d’IA visuelle avec Ultralytics Agents. Connecte des modèles YOLO, des modèles vision-langage, des conditions, des jeux de données et des alertes Slack sur un même canevas.
En savoir plus
Découvrez Ultralytics AutoTrain : simplifiez l’entraînement des modèles d’IA visuelle

Découvrez Ultralytics AutoTrain : simplifiez l’entraînement des modèles d’IA visuelle

Entraîne, compare et améliore des modèles Ultralytics YOLO avec AutoTrain dans Ultralytics Platform, de la référence initiale au déploiement en production.
En savoir plus
Les temps forts d’Ultralytics YOLO Vision 2026 !

Les temps forts d’Ultralytics YOLO Vision 2026 !

Les moments forts de YOLO Vision 2026, où Ultralytics a dévoilé Ultralytics YOLO27 et présenté AutoTrain, Agents et Monitoring sur Ultralytics Platform.
En savoir plus
Ultralytics YOLO26 prend désormais en charge l’estimation de profondeur monoculaire

Ultralytics YOLO26 prend désormais en charge l’estimation de profondeur monoculaire

Découvre comment la nouvelle tâche d’estimation de profondeur d’Ultralytics YOLO26 prédit une profondeur métrique pour chaque pixel à partir d’une seule image RGB, sans système stéréo ni LiDAR.
En savoir plus
Meilleures plateformes d’annotation d’images pour la vision par ordinateur

Meilleures plateformes d’annotation d’images pour la vision par ordinateur

Compare neuf plateformes d’annotation d’images pour la vision par ordinateur : CVAT, Encord, Label Studio, Labelbox, Roboflow, Scale AI, SuperAnnotate, Ultralytics et V7.
En savoir plus
Détection automatisée des défauts en production : comparatif des plateformes

Détection automatisée des défauts en production : comparatif des plateformes

Compare les plateformes de détection automatisée des défauts : Cognex, Instrumental, Keyence, Landing AI, Overview et Ultralytics, et découvre comment choisir la tâche du modèle en fonction du défaut.
En savoir plus
Combien coûte la vision par ordinateur en entreprise : un cadre d’analyse du TCO

Combien coûte la vision par ordinateur en entreprise : un cadre d’analyse du TCO

Un cadre d’analyse du coût total de la vision par ordinateur en entreprise, couvrant les données, l’annotation, les caméras, le matériel embarqué, l’entraînement, l’inférence, l’intégration et le réentraînement.
En savoir plus
Vérification de l’assemblage et prévention des erreurs par la vision par ordinateur

Vérification de l’assemblage et prévention des erreurs par la vision par ordinateur

Comment la vision par ordinateur vérifie l’exhaustivité, la conformité et l’ordre des étapes d’assemblage : conception du poste d’imagerie, choix de la tâche du modèle, intégration au PLC et validation.
En savoir plus
Inférence en vision par ordinateur à grande échelle : comparatif de sept plateformes

Inférence en vision par ordinateur à grande échelle : comparatif de sept plateformes

Comparatif de sept plateformes d’inférence en vision par ordinateur : Azure ML, KServe, NVIDIA Triton, Roboflow, SageMaker AI, Ultralytics et Vertex AI, selon la latence et l’évolutivité.
En savoir plus
Ultralytics YOLO Vision 2026 : tout ce que tu dois savoir

Ultralytics YOLO Vision 2026 : tout ce que tu dois savoir

Participe à Ultralytics YOLO Vision 2026 le 13 septembre à Shenzhen ou en ligne pour découvrir de nouveaux modèles YOLO, des lancements de produits, des démonstrations en direct et des applications concrètes de l’IA visuelle.
En savoir plus

Construisons ensemble l’avenir de l’IA !

Commence ton parcours vers l’avenir de l’apprentissage automatique