Un modèle détecte un défaut à 98 % sur les images de laboratoire. En usine, une nouvelle lumière crée des reflets, l’opérateur tourne la pièce et la caméra accumule de la poussière. Le taux s’effondre sans que le code ait changé.
La vision commence dans le monde physique.
1. Définition : la computer vision mesure une scène pour soutenir une action
La computer vision regroupe classification d’image, détection d’objets, segmentation, suivi, OCR visuel, estimation de pose, reconstruction 3D et analyse vidéo. Elle transforme des pixels en information exploitable par un processus.
Elle peut contrôler un défaut, compter un stock, lire un cadran, assister une inspection, mesurer une occupation ou guider une machine. La reconnaissance biométrique constitue un sous-ensemble sensible, soumis à des risques et règles particuliers.
Le produit complet comprend optique, capteur, position, réseau, modèle, seuil, interface, action, journal et maintenance. Comparer seulement l’accuracy du modèle revient à évaluer une chaîne industrielle à partir d’un seul engrenage.
2. Chiffres clés : de forts progrès, des écarts qui restent matériels
- Dans son étude démographique de reconnaissance faciale, le NIST a évalué 189 algorithmes de 99 développeurs sur quatre collections totalisant 18,27 millions d’images de 8,49 millions de personnes.
- Pour certains algorithmes de vérification 1:1, les taux de faux positifs variaient entre groupes par des facteurs allant souvent de 10 à 100, selon le NIST. Les meilleurs systèmes n’avaient pas tous ces écarts, ce qui rend le choix et le test contextuel indispensables.
- Le NIST précise que les faux négatifs dépendent fortement de la qualité d’image et que sous-exposition ou capture médiocre peuvent créer ou aggraver des différences démographiques. Corriger le dispositif de capture peut compter autant que changer de modèle.
- Le Stanford AI Index 2026 note que les benchmarks progressent ou saturent rapidement ; un benchmark général ne garantit donc pas la performance sur la caméra, les objets et les conditions d’un site.
- MLPerf Inference v5.0 a publié 17 457 résultats de performance issus de 23 organisations et inclut des scénarios edge, data center et une tâche de détection 3D automobile. MLPerf mesure aussi l’énergie du système complet au mur pour les soumissions Power.
- Le règlement européen sur l’IA interdit depuis février 2025 plusieurs usages, notamment la constitution ou l’extension de bases faciales par scraping non ciblé, certaines catégorisations biométriques et la reconnaissance des émotions au travail ou à l’école, hors exceptions définies.
Le chiffre de précision ne voyage pas seul. Il doit rester attaché à la tâche, au seuil, au dataset, au dispositif et à la population.
3. La nomenclature du système visuel : dix composants à décider
Comme une nomenclature industrielle, le dossier associe chaque composant à une spécification et une preuve.
4. Composant 1 — La décision, avant l’image
Écrivez ce qui changera : écarter une pièce, demander une seconde inspection, alerter un opérateur, compter un rayon ou mesurer une file. Nommez le délai, la personne et la conséquence.
« Détecter les défauts » reste vague. « Signaler avant emballage les rayures supérieures à 2 mm sur la face visible, puis faire confirmer l’opérateur » définit objet, taille, zone, moment et supervision.
Une décision sans action n’offre pas de valeur. Un inventaire visuel produit une donnée, mais le bénéfice arrive seulement si le réassort, la maintenance ou l’agencement l’utilise.
5. Composant 2 — La scène et ses variations
Documentez distance, angle, lumière, vibration, vitesse, occlusion, arrière-plan, météo, poussière, température et comportement humain. Les variations probables doivent entrer dans le test.
5.1. Concevoir l’éclairage
La même rayure apparaît ou disparaît selon réflexion et polarisation. Un éclairage contrôlé, un capot ou un déclenchement synchronisé réduit parfois davantage l’erreur qu’un modèle plus grand.
Mesurez illumination et état du capteur. Une alerte de dérive d’image — flou, obstruction, exposition, déplacement — protège le service avant même la prédiction.
5.2. Définir la zone observable
Une caméra ne voit pas derrière une pièce, sous un emballage ou hors champ. Si la vérité nécessite plusieurs faces, ajoutez capteurs, positionnement ou nouvelle étape plutôt que d’exiger du modèle une information absente.
Le cahier des charges physique précèdu dataset.
6. Composant 3 — L’optique, le capteur et la cadence
Résolution, focale, obturation, dynamique, fréquence, profondeur et compression déterminent les détails disponibles. Un défaut de deux millimètres doit occuper assez de pixels dans les conditions les plus difficiles.
Calculez le débit. Quatre caméras 4K à 30 images par seconde peuvent produire des volumes considérables ; traiter toutes les images, échantillonner ou déclencher à l’événement change réseau, stockage et coût.
Testez latence du capteur à l’action. Une détection à 99 % arrivant après que l’objet a quitté le mécanisme d’éjection échoue opérationnellement.
Choisissez du matériel remplaçable et calibrable. La caméra la plus précise en laboratoire peut être fragile, indisponible ou impossible à nettoyer sur le terrain.
7. Composant 4 — Le dataset représentatif
Le dataset couvre classes, conditions, sites, équipements, opérateurs, saisons et cas rares. Sa taille dépend de la diversité et du niveau d’erreur attendu, pas d’un quota universel.
7.1. Organiser les splits
Séparez par lot, site, date ou objet, pas uniquement par image. Deux frames adjacentes de la même vidéo dans entraînement et test créent une fuite presque parfaite.
Conservez un test final gelé, un test de stress et un flux futur. Un modèle qui mémorise l’arrière-plan du site A peut échouer au site B malgré un score global élevé.
7.2. Chercher les négatifs difficiles
Reflet ressemblant à une fissure, saleté, objet partiellement caché, motif voisin ou zone vide : les faux positifs se trouvent dans ce qui ressemble à la cible. Collectez ces cas intentionnellement.
Pour les événements rares, utilisez simulation ou augmentation avec prudence. Une image synthétique doit être validée contre le réel et ne remplace pas la couverture des conditions physiques.
8. Composant 5 — L’annotation et sa vérité
Écrivez un guide : classes, frontières, objets partiels, chevauchements, incertitude et exclusions. Formez les annotateurs, mesurez leur accord et faites arbitrer les divergences par un expert.
Une boîte autour d’un objet ne définit pas forcément un défaut. Pour une segmentation, précisez le bord ; pour une action sécurité, distinguez présence, proximité et situation dangereuse.
Les labels peuvent refléter un jugement. Si deux inspecteurs ne s’accordent que dans 85 % des cas, le modèle ne doit pas être annoncé à 99 % sans expliquer la référence et la méthode d’arbitrage.
Versionnez annotation et taxonomie. Ajouter une classe modifie les anciennes métriques et demande parfois une réannotation.
9. Composant 6 — Le modèle et la métrique de tâche
9.1. Classification
Précision, rappel, matrice de confusion, calibration et résultat au seuil. Sur une classe rare, l’accuracy moyenne est peu informative.
9.2. Détection
Precision/recall et mAP à différents seuils d’Intersection over Union. Une boîte grossière peut suffire pour compter, mais pas pour guider un robot.
9.3. Segmentation
IoU ou Dice, complétés par mesure de taille, bord et conséquence. Un petit défaut oublié peut peser peu dans la métrique pixel mais beaucoup dans le risque.
9.4. Suivi
Identités perdues, commutations, trajectoires, latence et comptage. Une personne comptée trois fois produit une mauvaise décision malgré une détection par frame correcte.
Rapportez par classe, site, condition et équipement. Les moyennes cachent le scénario qui deviendra l’incident.
10. Composant 7 — Le seuil et le coût des erreurs
Le faux négatif laisse passer le défaut ; le faux positif écarte une bonne pièce. Chiffrez rebut, reprise, arrêt, garantie, risque sécurité et charge d’inspection.
Si un défaut critique touche 0,1 % des pièces, un rappel élevé est prioritaire, mais la fatigue des alertes limite le nombre de faux positifs. Une cascade peut utiliser un modèle sensible puis une seconde vérification ou une inspection humaine.
Calibrez le seuil par classe de conséquence, pas pour maximiser un F1 abstrait. Les conditions inconnues déclenchent une abstention ou un contrôle renforcé.
Un score n’est pas une certitude. L’interface doit l’exprimer sans demander à l’opérateur de devenir statisticien.
11. Composant 8 — Edge, cloud ou architecture hybride
11.1. Edge
Traitement sur site réduit latence, bande passante et exposition, et peut fonctionner hors réseau. Il impose capacité limitée, gestion du parc, mises à jour et surveillance de matériel distribué.
11.2. Cloud
Il facilite mutualisation, puissance et déploiement central, mais ajoute transfert, latence, coût, dépendance réseau et questions de localisation des données.
11.3. Hybride
Le site filtre ou infère en temps réel ; le cloud agrège, réentraîne et analyse. Seules les images nécessaires sont remontées selon la politique.
Benchmarker sur la configuration complète. MLCommons rappelle que performance et énergie dépendent du matériel, du logiciel, de la précision numérique, du batch et du scénario ; un chiffre constructeur isolé ne prédit pas l’usine.
12. Composant 9 — L’humain et l’action
L’opérateur voit image, zone, classe, règle, historique et action attendue. Il peut confirmer, corriger, refuser et signaler une condition inconnue.
Évitez les alertes sans contexte et les écrans trop rapides. Mesurez délai de réponse, correction, fatigue, contournement et charge, surtout pendant les pics.
La supervision ne doit pas transférer une responsabilité sans pouvoir. Si la ligne ne peut être arrêtée ou si la cadence empêche de voir l’image, le contrôle est nominal.
Les corrections humaines entrent dans une file d’analyse, pas directement dans le modèle. Elles peuvent être erronées, influencées par la prédiction ou non représentatives.
13. Composant 10 — Exploitation, dérive et preuve
Surveillez qualité d’image, distribution, taux de classe, confiance, erreurs confirmées, latence, disponibilité, température, stockage et coût. Un indicateur par caméra localise les problèmes physiques.
13.1. Détecter trois dérives
- scène : lumière, cadrage, décor, équipement ;
- objet : nouveau produit, matière, défaut ;
- processus : cadence, seuil, action, politique.
Planifiez nettoyage, calibration, remplacement, mise à jour et rollback. Une version est déployée par site avec test de non-régression et canary.
Conservez image source lorsque justifié, prédiction, modèle, seuil, action et correction, selon la conservation et les droits. Le journal doit permettre l’enquête sans créer une vidéosurveillance illimitée.
14. Cas chiffré : contrôle qualité sur 2 millions de pièces
Une ligne produit 2 millions de pièces annuelles. L’inspection actuelle échantillonne 5 % à 0,40 € par pièce contrôlée, soit 40 000 €, et laisse passer des défauts estimés à 180 000 € de garantie.
Le système visuel coûte 120 000 € d’intégration, 45 000 € annuels de matériel, calcul et maintenance, plus une revue de 0,02 € par pièce pour 8 % des cas, soit 3 200 €. Il inspecte tout le volume.
Au seuil choisi, rappel défaut critique 97 %, précision 62 %. La précision paraît faible, mais la seconde revue et une règle physique éliminent une partie des faux positifs avant rebut. Le coût de garantie recule à 45 000 € et le faux rebut coûte 30 000 €.
Coût annuel après déploiement : 45 000 + 3 200 + 45 000 + 30 000 = 123 200 €, si l’on conserve la garantie résiduelle. Le système actuel coûte environ 220 000 €. L’économie brute atteint 96 800 € avant amortissement, arrêts et changement.
Le retour simple sur 120 000 € dépasse quinze mois. Une nouvelle lumière qui réduit le rappel à 85 % détruirait une part du gain ; le monitoring d’image et la calibration appartiennent donc au calcul, pas à la maintenance facultative.
Les nombres sont illustratifs. La méthode impose de relier métrique, action et coût réel.
15. Biométrie et personnes : une voie séparée
Ne transposez pas un processus de défaut produit à l’identification humaine. Faux positif, consentement, asymétrie de pouvoir, biais, surveillance et droit produisent des conséquences fondamentales.
Le NIST distingue vérification 1:1 et identification 1:N, faux positifs et faux négatifs. Son étude montre de forts écarts entre algorithmes et groupes, sans autoriser une conclusion générale sur tout produit actuel.
Le règlement européen interdit certaines pratiques et classe plusieurs systèmes biométriques comme à haut risque, avec un calendrier réglementaire en évolution en 2026. Vérifiez finalité, base juridique, nécessité, proportionnalité, analyse d’impact et obligations avec les équipes compétentes avant toute collecte.
Une alternative non biométrique doit être étudiée. Si un badge ou un capteur non identifiant satisfait le besoin, la reconnaissance faciale peut être disproportionnée.
16. Programme de déploiement en cinq scènes
16.1. Scène 1 — Instrumenter sans modèle
Installer caméra et lumière, mesurer images, cadence et conditions. Vérifier que la cible est observable.
16.2. Scène 2 — Collecter et annoter
Échantillonner production, incidents et variations. Écrire le guide, mesurer l’accord, geler le test.
16.3. Scène 3 — Shadow mode
Inférer sans agir. Comparer inspections, localiser erreurs et tester latence/architecture.
16.4. Scène 4 — Action assistée
Présenter l’alerte et laisser l’opérateur décider. Mesurer charge, correction et économie.
16.5. Scène 5 — Automatisation bornée
Automatiser les cas fiables et réversibles, conserver échantillonnage, arrêt, revue et dérive. Étendre site par site.
Ce programme Logiks ralentit volontairement le pouvoir d’action, pas l’apprentissage.
17. Conseils Logiks : onze erreurs qu’une démo masque
- Mélanger des frames de la même vidéo entre train et test.
- Choisir des images nettes absentes du terrain.
- Publier seulement la mAP globale.
- Ignorer un défaut rare et critique.
- Oublier le coût des faux rebuts.
- Sous-dimensionner lumière et nettoyage.
- Tester le modèle, pas la latence complète.
- Renvoyer toutes les images sans politique.
- Former sur les corrections non validées.
- Déployer la biométrie comme un comptage d’objets.
- Ne prévoir aucun mode manuel.
Le terrain finit toujours par apparaître.
18. FAQ
18.1. Combien d’images faut-il ?
Cela dépend des classes, variations, erreurs visées et modèle préentraîné. Mesurez la couverture ; quelques milliers diversifiés peuvent valoir plus que des millions de frames voisines.
18.2. Edge ou cloud ?
Edge pour latence, résilience et minimisation ; cloud pour mutualisation et puissance ; hybride souvent pour combiner. Benchmarkez système et coût complets.
18.3. Accuracy, precision ou recall ?
Le choix dépend de l’erreur. Pour un défaut rare, l’accuracy trompe ; precision indique la qualité des alertes, recall la couverture des vrais défauts.
18.4. Comment détecter la dérive ?
Surveillez image, objet, classes, confiance, erreurs confirmées et résultats métier. Ajoutez tests par site et inspection d’échantillons.
18.5. Peut-on utiliser des images synthétiques ?
Oui pour compléter des cas, à condition de valider leur réalisme et de conserver un test réel indépendant. Elles ne remplacent pas la collecte terrain.
18.6. La reconnaissance faciale est-elle autorisée ?
Cela dépend de la finalité, du contexte et du droit. Certaines pratiques sont interdites ou hautement réglementées dans l’UE ; une analyse juridique et de protection des données est indispensable.
19. Test terrain : images, caméra, faux défaut et écarts par site
La validation finale ne se déroule pas uniquement dans un notebook. Elle a lieu devant la ligne, l’entrepôt, la caméra embarquée ou le poste de contrôle, avec les personnes qui subiront les alertes et prendront la décision.
Premier passage : journée normale. On mesure cadence, disponibilité, temps de réponse, alertes pertinentes, objets non lus et charge de revue. Deuxième passage : conditions difficiles. Éclairage oblique. Reflet. Vibration. Poussière. Emballage froissé. Produit partiellement caché. Troisième passage : incident préparé. Déconnexion réseau, optique déplacée, flux ralenti, lot inconnu et retour au mode manuel.
Le procès-verbal conserve huit valeurs : volume présenté, volume analysé, événements confirmés, alertes justes, événements manqués, alertes inutiles, abstentions et durée d’indisponibilité. Il ajoute le temps humain consacré à la vérification. Ce dernier poste change souvent l’économie du projet : une alerte rapide mais ambiguë mobilise un opérateur, ralentit le processus et finit par être ignorée.
Chaque scène reçoit sa propre lecture. Le matin ne compense pas la nuit. Une référence fréquente ne masque pas la référence rare. Le nouvel atelier ne se confond pas avec celui qui a fourni les images initiales. Cette segmentation révèle les frontières utiles, là où une moyenne globale donne un sentiment de sécurité trop large.
Le seuil de lancement ne se résume pas à un pourcentage. Il assemble capacité, coût de l’erreur, rythme de travail, procédure de recours et durée acceptable du mode dégradé. Par exemple, le service démarre si la couverture dépasse le seuil convenu sur les cinq familles prioritaires, si aucune non-détection critique n’apparaît pendant deux équipes complètes, si la revue reste sous vingt minutes par heure, si le basculement manuel prend moins de trois minutes et si les équipes savent expliquer, à partir du procès-verbal, pourquoi chaque exception tolérée ne menace ni la sécurité, ni la production, ni la capacité future à comparer deux versions dans des conditions identiques.
Les critères sont décidés avant la démonstration. Sinon, l’équipe déplacera spontanément la barre pour sauver plusieurs semaines de travail. Le responsable métier signe. Le responsable d’exploitation signe. La sécurité signe lorsque le flux quitte le périmètre. Pour une scène impliquant des personnes, le DPO et les représentants compétents interviennent selon le contexte.
Quatre issues sont possibles. Lancement limité. Nouvelle collecte. Modification du dispositif optique. Arrêt. Cette dernière option compte. Un cas physiquement instable, trop rare ou trop coûteux à superviser ne devient pas rentable grâce à davantage de confiance dans l’algorithme.
Après ouverture, une fenêtre d’observation compare la recette aux conditions quotidiennes. Les corrections sont échantillonnées, revues et seulement ensuite utilisées pour enrichir le corpus. Une dérive confirmée déclenche une action précise : recalibrer la caméra, corriger la procédure, enrichir la représentation, ajuster le seuil ou suspendre le flux. La cause matérielle vient avant la fuite en avant logicielle.
La réception est courte. La vigilance, elle, continue.
20. Conclusion
La computer vision ne regarde pas le monde tel qu’il est. Elle regarde ce que capteur, lumière, données et modèle rendent visible.
Commencez par la décision et la scène. Construisez un test séparé par site et temps. Mesurez les erreurs selon leur coût. Choisissez l’architecture complète. Donnez enfin à l’humain un contrôle réel et au service une maintenance physique.
La fiabilité se construit devant la caméra.
21. Sources principales
- NIST, Face Recognition Vendor Test Part 3: Demographic Effects, NISTIR 8280 : https://www.nist.gov/publications/face-recognition-vendor-test-part-3-demographic-effects
- NIST, synthèse de l’étude démographique, 19 décembre 2019, mise à jour 2025 : https://www.nist.gov/news-events/news/2019/12/nist-study-evaluates-effects-race-age-sex-face-recognition-software
- NIST, FRTE Demographic Effects, tableaux actualisés : https://pages.nist.gov/frvt/html/frvt_demographics.html
- Stanford HAI, AI Index Report 2026 — Technical Performance : https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance
- MLCommons, MLPerf Inference v5.0 Results, 2 avril 2025 : https://mlcommons.org/2025/04/mlperf-inference-v5-0-results/
- MLCommons, Inference Edge — Power measurements : https://mlcommons.org/benchmarks/inference-edge/
- Commission européenne, AI Act — prohibited practices and risk levels, juillet 2026 : https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai