Vision par ordinateur

Qu'est-ce que la vision par ordinateur, en termes simples ?

La vision par ordinateur est le domaine de l'IA qui permet à une machine de « voir » : analyser une image ou une vidéo pour en extraire une information utile. Reconnaître un produit, lire une plaque, repérer une rayure, compter des personnes. L'ordinateur ne voit pas comme nous ; il calcule sur des pixels.

Pour un logiciel, une photo n'est qu'une grille de chiffres. Chaque pixel a une valeur de couleur. La vision par ordinateur consiste à transformer cette masse de chiffres en une réponse exploitable : « c'est un carton », « il y a 14 voitures », « ce texte dit 390 € ».

On parle aussi de « computer vision » en anglais, un terme que vous croiserez souvent chez les éditeurs de logiciels. Les deux désignent la même chose.

L'idée n'est pas nouvelle, mais elle est devenue fiable et accessible ces dernières années grâce au deep learning. Aujourd'hui, une PME peut brancher un module de vision sur une simple caméra sans avoir de doctorat en informatique.

Comment fonctionne la vision par ordinateur ?

Un modèle de vision apprend à partir de milliers d'images étiquetées. On lui montre des exemples annotés (« ceci est un défaut », « ceci est conforme ») et il en déduit des règles. Une fois entraîné, il applique ces règles à de nouvelles images en une fraction de seconde, sans qu'on ait à tout programmer à la main.

Le cœur technique repose sur des réseaux de neurones, souvent des réseaux convolutifs, pensés pour repérer des motifs visuels : contours, textures, formes. Le modèle combine ces indices pour arriver à une conclusion.

En pratique, la démarche suit trois temps. On collecte et on annote des images. On entraîne le modèle sur ces données. On l'utilise ensuite en production sur de nouvelles images, c'est la phase d'inférence.

La qualité du résultat dépend surtout des données d'entraînement. Un modèle nourri de photos floues ou mal étiquetées se trompera. C'est un point que trop d'entreprises découvrent trop tard.

Quelles sont les grandes tâches que la vision par ordinateur sait faire ?

La vision par ordinateur regroupe plusieurs tâches selon le besoin : classer une image, détecter et localiser des objets, découper une image zone par zone, lire du texte ou reconnaître un visage. Chaque tâche répond à une question différente : « qu'est-ce que c'est ? », « où est-ce ? », « combien y en a-t-il ? ».

• Classification : ranger une image dans une catégorie (conforme / non conforme, chat / chien).
• Détection d'objets : repérer et encadrer plusieurs éléments dans une même image (compter des palettes).
• Segmentation : délimiter précisément les contours d'une zone (surface endommagée sur une carrosserie).
• OCR : reconnaître et extraire du texte à partir d'une image ou d'un scan (factures, cartes de visite).
• Reconnaissance faciale ou de personnes : identifier ou compter des individus, avec de fortes contraintes réglementaires.

À quoi sert concrètement la vision par ordinateur en entreprise ?

Elle automatise toute tâche qui repose sur l'œil humain et se répète. Contrôle qualité en production, lecture automatique de documents, comptage de stock, surveillance de sécurité, tri d'objets. Partout où un salarié passe des heures à regarder puis à décider, la vision par ordinateur fait gagner du temps et fiabilise le résultat.

Un exemple parlant : une industrie de packaging installe une caméra sur sa ligne. Le modèle repère les étiquettes mal posées et éjecte les produits défectueux. Résultat courant sur le terrain : moins de retours clients et un contrôleur qui se concentre sur les cas litigieux au lieu de tout inspecter à la main.

Autre cas, plus proche du bureau : un service comptable scanne ses factures fournisseurs. L'OCR lit le montant, le numéro et la date, puis pré-remplit l'outil de saisie. Un cabinet peut ainsi diviser par deux le temps passé sur la saisie de factures.

Dans la logistique, une caméra compte les colis à l'entrée d'un entrepôt et rapproche le comptage du bon de livraison. Fini le pointage manuel sur tableur.

Vision par ordinateur et IA générative : quelle différence ?

La vision par ordinateur analyse des images existantes pour en tirer une information. L'IA générative, elle, crée de nouvelles images à partir d'une consigne texte. L'une lit et comprend, l'autre produit. Un même projet peut combiner les deux : lire une photo, puis générer un rapport ou un visuel à partir de ce qu'elle contient.

Les assistants modernes comme ChatGPT, Claude ou Gemini sont devenus multimodaux : vous pouvez leur envoyer une photo et leur poser une question dessus. C'est une porte d'entrée simple vers la vision par ordinateur, sans projet informatique lourd.

Concrètement, vous photographiez un tableau de chiffres et vous demandez à l'assistant de le retranscrire ou de le résumer. C'est de la vision par ordinateur, en libre-service, dans un outil que vos équipes utilisent déjà.

Quels sont les pièges et les limites à connaître ?

La vision par ordinateur se trompe quand les images de production diffèrent des images d'entraînement : mauvais éclairage, angle inhabituel, objet jamais vu. Elle est aussi sensible aux biais des données et soulève des enjeux forts sur la vie privée dès qu'elle traite des visages ou des personnes.

• Données trop pauvres : un modèle entraîné sur 50 photos ne tiendra pas la route en conditions réelles.
• Conditions changeantes : lumière, reflets, poussière sur l'objectif dégradent vite la fiabilité.
• Faux positifs et faux négatifs : mieux vaut garder un contrôle humain sur les décisions à fort enjeu.
• Cadre légal : reconnaissance faciale et vidéosurveillance sont strictement encadrées par le RGPD et l'AI Act.
• Effet boîte noire : le modèle donne un verdict sans expliquer pourquoi, ce qui complique l'audit.

Quels métiers et secteurs utilisent le plus la vision par ordinateur ?

L'industrie l'emploie pour le contrôle qualité et la maintenance. La comptabilité et l'administratif s'en servent via l'OCR. La logistique compte et trie. Le commerce analyse les rayons et les flux clients. La santé aide au diagnostic sur imagerie. Presque chaque secteur a au moins un cas d'usage rentable.

Dans le BTP, on suit l'avancement d'un chantier à partir de photos. Dans l'assurance, on estime les dégâts d'un sinistre sur des clichés envoyés par le client. Dans le retail, on détecte les ruptures de rayon.

Le point commun : ces usages libèrent du temps sur des tâches de vérification répétitives. Vos experts se recentrent sur l'analyse et la décision, là où ils apportent de la valeur.

Faut-il un projet informatique lourd pour s'y mettre ?

Non, plus forcément. Les outils grand public multimodaux permettent de tester la vision par ordinateur dès aujourd'hui, sans développeur. Pour un usage industriel et automatisé, un projet dédié reste nécessaire, mais on démarre presque toujours par un pilote simple avant de passer à l'échelle.

La bonne méthode : commencer petit. Choisir une tâche visuelle chronophage, la tester à la main avec un assistant IA, mesurer le gain, puis décider si un outil dédié se justifie.

C'est exactement ce que vos équipes apprennent à cadrer en formation : repérer le bon cas d'usage, éviter les projets qui n'aboutissent jamais, et livrer un premier résultat rapide.

Pourquoi comprendre la vision par ordinateur est utile pour votre entreprise ?

Parce que ces usages sont désormais à portée de PME et représentent des gains directs : moins d'erreurs, moins de saisie manuelle, un contrôle qualité plus régulier. Comprendre le principe vous aide à repérer où l'appliquer chez vous et à ne pas vous faire vendre des projets inadaptés.

Vous n'avez pas besoin de savoir coder un réseau de neurones. Vous avez besoin de savoir quelle tâche mérite d'être automatisée, quelles données sont nécessaires, et comment mesurer le retour sur investissement.

C'est aussi une question de conformité : dès que vous traitez des images de personnes, vous entrez dans le champ du RGPD et de l'AI Act. Former vos équipes, c'est sécuriser ces usages autant que les rentabiliser.