Computer vision, vision par ordinateur

Une image est d’abord une grille de pixels, dont le logiciel doit tirer une information utile. Une solution de vision par ordinateur peut localiser une zone, attribuer une catégorie, comparer deux images ou produire une description. Les approches diffèrent selon l’objectif : la lecture de texte correspond à l’OCR, tandis que la détection d’objet cherche sa position dans l’image.

Des modèles entraînés sur de nombreux exemples apprennent des formes, textures et compositions. Les modèles multimodaux peuvent aussi relier une image à une consigne en langage naturel. Ils restent sensibles à ce que la caméra montre réellement : angle, lumière, arrière-plan, compression, mouvement et qualité de la mise au point modifient le résultat.

• Classification : déterminer à quelle famille appartient une image entière.
• Détection : encadrer les objets ou événements recherchés dans une scène.
• Segmentation : distinguer les pixels qui appartiennent à une zone précise.

Avant de choisir une technique, on décrit la sortie attendue et la preuve visuelle qui permet de la vérifier. Une photo de facture n’appelle pas le même dispositif qu’une caméra d’atelier. La bonne question n’est pas « peut-on analyser l’image ? », mais « quelle décision peut être assistée sans masquer un doute important ? ».

La vision par ordinateur apporte de la valeur lorsqu’un contrôle visuel est fréquent, documentable et relié à une étape identifiable. Dans un entrepôt, elle peut aider à vérifier la présence d’une étiquette. Dans la maintenance, elle peut signaler une pièce dont l’apparence diffère d’un référentiel. Dans l’administration, elle peut préparer l’extraction d’informations d’un document numérisé.

Le système n’a pas besoin de décider seul. Un écran peut présenter l’image originale, l’élément détecté et le motif de l’alerte pour que l’opérateur confirme ou corrige. Cette conception évite de faire disparaître le savoir-faire de terrain derrière un résultat automatique.

• Définir les catégories et les défauts qui ont une conséquence opérationnelle.
• Réunir des images qui reflètent les différents sites, équipements et conditions réelles.
• Prévoir le circuit de traitement lorsqu’une image est ambiguë ou inutilisable.

Une automatisation IA peut ensuite transmettre une alerte confirmée vers un outil métier. Lorsque les photos comportent des personnes, des informations sensibles ou des lieux identifiables, le cadrage doit aussi préciser la finalité, les accès et la durée de conservation. Un audit IA sert à distinguer un usage utile d’une surveillance trop large ou d’un problème qui se résout mieux par une procédure simple.

Un modèle peut donner une réponse convaincante sur les images préparées pour une démonstration et échouer sur le terrain. Les cas difficiles sont souvent les plus importants : objet partiellement caché, reflet, emballage modifié, document froissé ou scène jamais rencontrée. Les exemples utilisés pour évaluer la solution doivent contenir ces situations, pas seulement les cas ordinaires.

La précision globale ne suffit pas à guider une mise en production. Il faut examiner séparément les fausses alertes, les défauts manqués et leurs conséquences. Une alerte superflue ralentit les équipes ; une anomalie non signalée peut être plus coûteuse. Ce compromis est discuté avec les personnes qui portent la responsabilité du contrôle.

• Tester le dispositif avec les caméras, la lumière et les flux prévus en exploitation.
• Conserver les exemples d’erreur nécessaires à l’amélioration, avec un accès limité.
• Prévoir une procédure manuelle si le flux vidéo ou le modèle devient indisponible.

La sortie d’un modèle n’est pas une preuve suffisante pour une décision individuelle sensible. Une validation humaine et une possibilité de correction restent nécessaires lorsque l’erreur affecte une personne ou un engagement contractuel. L’intégration IA doit enfin journaliser les alertes, la décision prise et les versions utilisées, afin de pouvoir comprendre un incident et ajuster le périmètre. Une phase pilote permet d’observer la charge créée par les alertes, puis de décider avec les opérateurs si le seuil et le champ de contrôle restent adaptés.