Ultralytics redéfinit l’état de l’art de l’IA visuelle 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 PDG, Glenn Jocher, lors de YOLO Vision 2025 (YV25) à Londres, il s’agit de notre modèle le plus avancé et le plus déployable à ce jour.

Conçu pour être léger, compact et rapide, YOLO26 est optimisé pour les environnements dans lesquels les applications d’IA de vision en temps réel s’exécutent réellement. Grâce à l’inférence native de bout en bout intégrée directement au modèle, YOLO26 simplifie le déploiement, réduit la complexité des systèmes et fournit des performances fiables sur les appareils edge comme dans les environnements de production à grande échelle.

En fait, la plus petite version de YOLO26, le modèle nano, s’exécute jusqu’à 43 % plus rapidement sur les CPU standards, ce qui permet de mettre en œuvre efficacement des solutions d’IA de vision en temps réel sur les applications mobiles, les caméras intelligentes et d’autres appareils edge. Fondé sur la vision d’Ultralytics visant à rendre les capacités d’IA de vision à fort impact accessibles à tous, YOLO26 associe des performances de pointe à une grande simplicité, afin d’être facile à utiliser et à déployer.

Conçu pour la prochaine ère de la vision par ordinateur#

La vision par ordinateur va rapidement au-delà du cloud. Les applications du monde réel exigent de plus en plus une inférence en temps réel, une faible latence, une grande 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 conçu spécifiquement pour accompagner cette évolution. En repensant entièrement le pipeline de détection d’objets, Ultralytics a créé une architecture de modèle qui élimine la complexité superflue tout en offrant une précision et une vitesse de pointe.

Par exemple, les modèles traditionnels de détection d’objets d’Ultralytics s’appuient sur une étape supplémentaire de post-traitement appelée suppression des non-maxima pour filtrer les prédictions qui se chevauchent après l’inférence. YOLO26 élimine cette étape supplémentaire en activant l’inférence native de bout en bout, ce qui permet au modèle de produire directement les détections finales. Il permet ainsi des déploiements dans le monde réel plus rapides, plus prévisibles et plus fiables.

YOLO26 n’est pas une mise à jour incrémentale. Il représente une avancée structurelle majeure dans la manière dont l’IA de vision de niveau production est entraînée, déployée et mise à l’échelle.

Fig. 1. Évaluation comparative d’Ultralytics YOLO26

Ce que YOLO26 rend possible#

L’un des aspects clés de YOLO26 est la manière dont il s’appuie sur les points forts de modèles antérieurs comme Ultralytics YOLO11, tout en élargissant les possibilités de la vision par ordinateur. Dès sa sortie, YOLO26 prend en charge les mêmes tâches fondamentales de vision par ordinateur que YOLO11, notamment la détection d’objets, la segmentation d’instances et la classification d’images.

Fig. 2. Exemple d’utilisation de YOLO26 pour détecter des objets dans une image.

Il continue également de prendre en charge l’estimation de pose, la détection d’objets à l’aide de boîtes englobantes orientées pour les images aériennes et satellitaires, ainsi que le suivi d’objets dans des flux vidéo. Comme YOLO11, YOLO26 est disponible en cinq variantes de modèle : Nano (n), Small (s), Medium (m), Large (l) et Extra large (x), offrant ainsi des options permettant d’équilibrer vitesse, taille et précision.

Fonctionnalités clés d’Ultralytics YOLO26#

Ultralytics YOLO26 intègre de nombreuses avancées conçues pour améliorer les performances, la fiabilité et l’utilisabilité dans le monde réel. Voici un aperçu des principales fonctionnalités de YOLO26 :

• Suppression de la fonction de perte focale de distribution : YOLO26 supprime la fonction de perte focale de distribution (DFL), ce qui réduit la complexité du modèle et favorise un déploiement plus simple et plus compatible sur les matériels edge et basse consommation.
• Inférence de bout en bout sans NMS : YOLO26 élimine nativement le besoin de la suppression des non-maxima (NMS), une étape normalement utilisée pour supprimer les prédictions en double, ce qui simplifie et accélère le déploiement pour les utilisations en temps réel.
• Équilibrage progressif de la fonction de perte + STAL : L’équilibrage progressif de la fonction de perte (ProgLoss) et l’attribution de labels tenant compte des petites cibles (STAL) ajustent la manière dont le modèle apprend pendant l’entraînement, permettant une détection plus fiable des objets petits et éloignés dans les scènes complexes.
• Optimiseur MuSGD : YOLO26 introduit l’optimiseur MuSGD, un hybride de la descente de gradient stochastique (SGD) et de techniques inspirées de Muon, qui améliore la stabilité de l’entraînement et permet une convergence plus rapide et plus régulière.
• Jusqu’à 43 % d’inférence plus rapide sur CPU : Le modèle nano YOLO26 fournit une inférence jusqu’à 43 % plus rapide sur les CPU standards, permettant une IA de vision en temps réel efficace sur les appareils mobiles, les caméras intelligentes et d’autres systèmes edge.

Dans les coulisses du 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 de la communauté, de nos partenaires et de nos clients. Nous nous sommes fixé pour objectif de simplifier l’architecture, d’améliorer l’efficacité et de rendre le modèle plus adaptable aux utilisations dans le monde réel.

Revenant sur ce parcours, Glenn Jocher a expliqué : « L’un des plus grands défis consistait à s’assurer que les utilisateurs puissent tirer le meilleur parti de YOLO26 tout en maintenant des performances optimales. » Son point de vue met en lumière un principe de conception essentiel de YOLO26 : garder l’IA de vision facile à utiliser.

Développant cette idée, Jing Qiu, notre ingénieur senior en apprentissage automatique, a ajouté : « La conception du nouveau modèle Ultralytics YOLO consistait à rester constant, sans précipitation. J’ai continué à l’améliorer, en me concentrant uniquement sur cet équilibre entre vitesse et précision. Quand tout s’est mis en place, j’ai ressenti une satisfaction discrète : la preuve que l’attention portée aux détails porte ses fruits. »

Commence à créer avec Ultralytics YOLO26#

Ultralytics YOLO26 sera disponible publiquement dès aujourd’hui via la plateforme Ultralytics, avec une prise en charge complète des workflows d’entraînement, d’inférence et d’exportation. Les organisations qui déploient 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, de la maintenance à long terme et des déploiements edge évolutifs.

Comme nos modèles précédents, il est également entièrement pris en charge par le package Python Ultralytics, ce qui permet de commencer immédiatement. Tu peux entraîner, valider et déployer YOLO26 avec le même workflow simplifié que tu connais déjà, tout en profitant de nombreuses options d’exportation telles que ONNX, TensorRT, CoreML, TFLite, OpenVINO et bien d’autres.

Construisons 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 ce modèle. Nous avons hâte de découvrir tes innovations et de continuer à façonner ensemble l’avenir de la vision par ordinateur.

Rejoins notre communauté et explore notre dépôt GitHub pour approfondir tes connaissances en IA. Découvre des solutions sectorielles comme l’IA dans la robotique et la vision par ordinateur dans la logistique, consulte nos options de licence et commence dès aujourd’hui à créer avec la vision par ordinateur.