Vision par ordinateur

Ce que la machine voit

Une image numérique est une grille de valeurs, trois par pixel pour une image en couleur. La vision par ordinateur apprend des régularités dans ces valeurs pour reconnaître des formes, des textures ou des objets. Les premières méthodes reposaient sur des règles écrites à la main : un contour, un seuil de couleur, une symétrie. Les réseaux convolutifs, puis les architectures d'attention appliquées aux images, ont déplacé l'essentiel du travail vers l'apprentissage à partir d'exemples. Le résultat dépend donc des exemples fournis autant que de la taille du modèle.

La détection d'objets localise une catégorie dans un cadre et donne sa position approximative. La segmentation distingue le contour précis de chaque élément, pixel par pixel. La classification attribue une étiquette à une image entière, et l'estimation de dimensions convertit des pixels en mesures réelles, à condition de disposer d'un repère connu dans la scène, comme une règle ou un élément d'architecture standardisé. Ces tâches se combinent rarement seules : un contrôle industriel en enchaîne souvent deux ou trois.

Des usages concrets

Dans le bâtiment, la vision sert au contrôle d'avancement, au relevé de fissures ou au comptage de matériaux sur un stock. Dans l'agriculture, elle aide au suivi des cultures, à la détection de maladies sur les feuilles ou au tri à la récolte. Dans le commerce, elle automatise l'inventaire par lecture d'étiquettes, le contrôle de conformité d'une devanture ou le comptage de clients dans un espace donné. Aucune de ces applications ne demande de comprendre la scène comme le ferait un humain.

Pour une collectivité, elle peut compter des véhicules sur une voie, suivre le remplissage d'une aire de collecte ou vérifier l'état d'un équipement. Ces usages demandent souvent moins de sophistication qu'on ne l'imagine : un modèle simple, correctement entraîné sur des images du site, bat un modèle généraliste mal adapté aux conditions locales de lumière, de poussière, d'humidité ou de végétation dense. Le défi est alors de définir une tâche assez étroite pour être fiable, et assez utile pour justifier l'investissement.

Ce qu'il faut prévoir

Un projet de vision se juge sur les cas difficiles, pas sur les images de démonstration. Il faut collecter des exemples du terrain, y compris les jours de pluie, à contre-jour, avec un objectif sale ou un éclairage de fin de journée. Un modèle évalué sur des images propres annonce une performance qui ne se retrouve pas en exploitation, et c'est la première cause d'abandon après la phase d'essai. Une image floue ou un contre-jour produisent des erreurs silencieuses, plus difficiles à repérer qu'une panne franche.

Le volet données personnelles n'est jamais accessoire. Une caméra qui filme la voie publique capture des passants et des plaques d'immatriculation ; le traitement doit avoir une base légale, une durée de conservation et une information des personnes concernées. Sur un site industriel, la présence de salariés dans le champ pose les mêmes questions. Ces points se traitent avant l'installation du matériel, pas une fois le système en service. Un dispositif installé sans cette préparation peut être contesté, puis retiré, après avoir consommé son budget.