Ultralytics redéfinit l'IA visuelle de pointe avec YOLO26

Aujourd'hui, nous lançons officiellement Ultralytics YOLO26, notre nouveau modèle qui établit une nouvelle référence en matière de performances de pointe. Présenté pour la première fois par notre fondateur et CEO, Glenn Jocher, lors du YOLO Vision 2025 (YV25) à Londres, c'est notre modèle le plus avancé et le plus déployable à ce jour.

Conçu pour être léger, compact et rapide, YOLO26 est pensé pour les environnements où les applications d'IA de vision en temps réel fonctionnent réellement. Grâce à l'inférence native de bout en bout intégrée directement au modèle, YOLO26 simplifie le déploiement, réduit la complexité du système et offre des performances fiables sur les appareils en périphérie (edge) et dans les environnements de production à grande échelle.

En fait, la plus petite version de YOLO26, le modèle nano, est jusqu'à 43 % plus rapide sur les CPU standard, permettant des solutions d'IA de vision en temps réel efficaces sur les applications mobiles, les caméras intelligentes et d'autres appareils en périphérie. Construit sur la vision d'Ultralytics consistant à rendre les capacités d'IA de vision percutantes accessibles à tous, YOLO26 allie performances de pointe et simplicité, le rendant facile à utiliser et à déployer.

Link to this sectionConçu pour la prochaine ère de la vision par ordinateur#

La vision par ordinateur dépasse rapidement le cadre du cloud. Les applications du monde réel exigent de plus en plus une inférence en temps réel, une faible latence, une flexibilité matérielle et des performances prévisibles sur des appareils tels que les drones, les caméras, les systèmes mobiles et les plateformes embarquées.

YOLO26 a été construit explicitement pour ce changement. En repensant le pipeline de détection d'objets de fond en comble, Ultralytics a créé une architecture de modèle qui élimine la complexité inutile tout en offrant une précision et une vitesse de pointe.

Par exemple, les modèles de détection d'objets traditionnels d'Ultralytics reposent sur une étape de post-traitement supplémentaire appelée Non-Maximum Suppression pour filtrer les prédictions superposées après l'inférence. YOLO26 élimine cette étape supplémentaire en permettant une inférence native de bout en bout, ce qui permet au modèle de produire des détections finales directement. Cela débloque un déploiement réel plus rapide, plus prévisible et plus fiable.

YOLO26 n'est pas une mise à jour incrémentale. Il représente un saut structurel dans la manière dont l'IA de vision de qualité industrielle est entraînée, déployée et mise à l'échelle.

Fig 1. Benchmark d'Ultralytics YOLO26

Link to this sectionCe que YOLO26 rend possible#

L'un des aspects clés de YOLO26 est la façon dont il s'appuie sur les forces des modèles précédents comme Ultralytics YOLO11 tout en élargissant les possibilités de la vision par ordinateur. Prêt à l'emploi, YOLO26 prend en charge les mêmes tâches de vision par ordinateur principales que YOLO11, notamment la détection d'objets, la segmentation d'instances et la classification d'images.

Fig 2. Un exemple d'utilisation de YOLO26 pour détecter des objets dans une image.

Il continue également à prendre en charge l'estimation de pose, la détection d'objets avec des boîtes englobantes orientées pour l'imagerie aérienne et satellite, ainsi que le suivi d'objets sur des flux vidéo. Comme YOLO11, YOLO26 est disponible en cinq variantes de modèles, Nano (n), Small (s), Medium (m), Large (l) et Extra large (x), offrant aux utilisateurs des options qui équilibrent vitesse, taille et précision.

Link to this sectionCaractéristiques clés d'Ultralytics YOLO26#

Ultralytics YOLO26 comprend une gamme d'avancées conçues pour améliorer les performances, la fiabilité et la convivialité dans le monde réel. Voici un aperçu des caractéristiques clés de YOLO26 :

• Suppression de Distribution Focal Loss : YOLO26 supprime la Distribution Focal Loss (DFL), réduisant la complexité du modèle et favorisant un déploiement plus simple et plus compatible sur le matériel en périphérie et à faible consommation.
• Inférence de bout en bout sans NMS : YOLO26 élimine nativement le besoin de Non-Maximum Suppression (NMS), une étape normalement utilisée pour supprimer les prédictions en double, rendant le déploiement plus simple et plus rapide pour une utilisation en temps réel.
• Progressive Loss Balancing + STAL : Le Progressive Loss Balancing (ProgLoss) et le Small Target Aware Label Assignment (STAL) ajustent la façon dont le modèle apprend pendant l'entraînement, permettant une détection plus fiable des objets petits et distants dans des scènes complexes.
• Optimiseur MuSGD : YOLO26 introduit l'optimiseur MuSGD, un hybride de Stochastic Gradient Descent (SGD) et de techniques inspirées de Muon, qui améliore la stabilité de l'entraînement et permet une convergence plus rapide et plus cohérente.
• Inférence CPU jusqu'à 43 % plus rapide : Le modèle YOLO26 nano offre une inférence jusqu'à 43 % plus rapide sur les CPU standard, permettant une IA de vision en temps réel efficace sur les appareils mobiles, les caméras intelligentes et d'autres systèmes en périphérie.

Link to this sectionDerrière le code : Le parcours vers Ultralytics YOLO26#

Le développement de YOLO26 a été un effort collectif façonné par les recherches de notre équipe et les retours que nous avons reçus de la communauté, de nos partenaires et de nos clients. Nous avons cherché à simplifier l'architecture, à améliorer l'efficacité et à rendre le modèle plus adaptable pour une utilisation réelle.

En réfléchissant à ce parcours, Glenn Jocher a expliqué : « L'un des plus grands défis était de s'assurer que les utilisateurs puissent tirer le meilleur parti de YOLO26 tout en offrant des performances optimales. » Sa perspective souligne un principe de conception fondamental de YOLO26 : garder l'IA de vision facile à utiliser.

En développant cette idée, Jing Qiu, notre ingénieure senior en apprentissage automatique, a ajouté : « Construire le nouveau modèle Ultralytics YOLO consistait à rester constant, sans précipitation. J'ai continué à raffiner, en me concentrant uniquement sur cet équilibre vitesse-précision. Quand tout s'est assemblé, c'était une satisfaction tranquille - la preuve que s'en tenir aux détails fonctionne. »

Link to this sectionCommence à construire avec Ultralytics YOLO26#

Ultralytics YOLO26 sera disponible publiquement à partir d'aujourd'hui via la plateforme Ultralytics avec une prise en charge complète des workflows d'entraînement, d'inférence et d'exportation. Les organisations déployant YOLO26 dans des environnements commerciaux ou fermés peuvent accéder à des options de licence entreprise, qui incluent la prise en charge du déploiement en production, la maintenance à long terme et les déploiements évolutifs en périphérie.

Comme nos modèles précédents, il est également entièrement pris en charge via le package Python d'Ultralytics, permettant aux utilisateurs de commencer immédiatement. Les utilisateurs peuvent entraîner, valider et déployer YOLO26 avec le même workflow rationalisé qu'ils connaissent déjà, tout en profitant d'une gamme d'options d'exportation telles que ONNX, TensorRT, CoreML, TFLite, OpenVINO, et plus encore.

Link to this sectionConstruisons ensemble l'avenir de l'IA de vision#

Ultralytics YOLO26 représente notre prochaine étape pour rendre l'IA de vision plus rapide, plus légère et plus facile à utiliser. Mais ce n'est que le début.

Le véritable impact vient de ce que la communauté de l'IA de vision crée avec lui. Nous avons hâte de voir tes innovations et de continuer à façonner ensemble l'avenir de la vision par ordinateur.

Connecte-toi avec notre communauté et explore notre référentiel GitHub pour plonger plus profondément dans l'IA. Découvre des solutions industrielles comme l'IA en robotique et la vision par ordinateur dans la logistique, consulte nos options de licence et commence à construire avec la vision par ordinateur dès aujourd'hui.