Objectifs de formation

Mettre en œuvre un modèle YOLO préentraîné pour détecter des objets sur des images et des séquences vidéo.
Définir un protocole expérimental et comparer plusieurs configurations de modèle.
Interpréter les métriques de détection et analyser qualitativement les erreurs.
Identifier des causes possibles de sous-performance et proposer des actions correctives.
Extraire et exploiter des embeddings visuels pour rechercher des images similaires.
Structurer des requêtes à un LLM et orchestrer plusieurs composants applicatifs.
Assembler détection, similarité et logique de décision dans un prototype cohérent.
Argumenter les choix techniques en tenant compte de la performance, du coût de calcul et de la robustesse.
Cas d'usage fil rouge : tout au long de la formation, le stagiaire construit un système de tri d'images de pièges photo pour une réserve naturelle. Le système détecte les animaux, retrouve des images similaires déjà validées et propose une décision : archiver, signaler ou faire vérifier par un humain.

Programme de la formation

Module 1 — Environnement et fondamentaux opérationnels

Présentation de la vision par ordinateur et des principaux cas d’usage.
Préparation de l’environnement Python et des bibliothèques nécessaires.
Chargement, inspection et préparation d’un jeu d’images.
Structure d'un dataset annoté pour la détection d'objets ; repérage des annotations douteuses.
Présentation du fonctionnement général de YOLO et des architectures de détection.
Définition d’une configuration de référence et d’un protocole expérimental.
Atelier : exécuter une première détection et enregistrer les résultats de référence.

Module 2 — Détection d’objets avec YOLO

Chargement d’un modèle YOLO préentraîné.
Inférence sur des images et des séquences vidéo.
Compréhension des boîtes englobantes, des classes et des scores de confiance.
Préparation des données et prise en compte de la qualité des annotations.
Rôle des données d’entraînement, de validation et de test.
Évaluation initiale des performances et identification des premières limites.
Atelier : construire une chaîne de détection fonctionnelle et lancer un premier fine-tuning de référence.

Module 3 — Tuning et optimisation expérimentale de YOLO

Définition d’une baseline et sélection des indicateurs pertinents.
Calcul de l'IoU, de la précision et du rappel ; lecture du mAP et de la matrice de confusion.
Variation contrôlée des hyperparamètres d'entraînement.
Comparaison de tailles d'images et de modèles ; analyse du compromis précision/coût.
Étude des stratégies d'augmentation des données.
Influence des seuils de confiance et de la suppression des détections redondantes (NMS) ; détection de bout en bout sans NMS.
Analyse qualitative des faux positifs, faux négatifs et erreurs de localisation.
Identification des signes de surapprentissage (overfitting) et des biais du dataset.
Arbitrages entre performance, temps de calcul, ressources matérielles et robustesse.
Atelier expérimental : comparer plusieurs configurations, consigner les résultats dans un tableau d’expériences et sélectionner une configuration justifiée par les observations.
Livrable : rapport d’optimisation synthétique comprenant métriques, exemples d’erreurs, compromis identifiés et configuration retenue.

Module 4 — Embeddings et recherche de similarité d’images

Principe des embeddings visuels et choix d'un modèle préentraîné adapté (comparaison de plusieurs représentations).
Extraction et stockage des vecteurs caractéristiques.
Normalisation des embeddings et choix d’une mesure de distance ou de similarité.
Mise en œuvre d'une recherche par plus proches voisins, en NumPy puis avec FAISS.
Indexation d’une collection d’images et restitution des résultats.
Évaluation de la pertinence par inspection et indicateurs adaptés (precision@k).
Limites liées au volume de données (index exacts et approchés), au bruit et au décalage de domaine.
Atelier : créer un moteur simplifié qui retrouve des images visuellement similaires à une image de requête.
Livrable : prototype de recherche visuelle avec index, résultats classés et évaluation de la pertinence.

Module 5 — LLM et orchestration d’un agent IA

Mise en œuvre d'un LLM local (Ollama) : intérêts pour la confidentialité des données, contraintes de latence et de mémoire.
Structuration des requêtes : rôle, contexte, consignes, formats de sortie et contraintes.
Conception de réponses structurées en JSON, validées par un schéma.
Appel et orchestration de modules existants ; transmission des résultats de détection et de similarité au LLM.
Mise en place de règles de décision codées et gestion des résultats incertains.
Gestion des erreurs, des sorties invalides et des hallucinations : contrôles, nouvelles tentatives, réponse de repli.
Gestion d'un dialogue multi-étapes ; introduction à l'appel d'outils par le modèle.
Atelier : créer un agent simple qui exploite les résultats du pipeline de vision pour répondre à une demande ou proposer une décision argumentée.

Module 6 — Cas pratique final : intégration du pipeline complet

Définition du besoin, du scénario d'utilisation et des formats d'échange entre les étapes.
Organisation du pipeline : entrée image, détection, extraction d'embeddings, recherche, règles de décision, LLM.
Tests sur un jeu de 10 cas représentatifs, dont des cas critiques et des conditions dégradées (nuit, occultation, flou).
Analyse des erreurs et des comportements inattendus ; réglage des seuils de décision.
Mesure des performances globales et identification des principaux goulots d'étranglement.
Présentation des choix techniques, limites et axes d'amélioration.
Projet final : réaliser un prototype qui reçoit une image, détecte des objets, recherche des images similaires et exploite les résultats pour fournir une réponse contextualisée ou une décision.
Livrables : code du prototype, résultats de tests, synthèse des choix techniques et pistes d'amélioration.

Public cible

Professionnels, développeurs, profils data/IA et techniciens souhaitant mettre en œuvre ou améliorer un pipeline de vision par ordinateur.
Une pratique de base de Python est obligatoire.

Prérequis

Pratique de base de Python requise : variables, fonctions, boucles, manipulation de listes et de dictionnaires, utilisation d'un notebook Jupyter.
Notions de base de pandas souhaitées.
Avoir un compte Google, pour utiliser Google Colab avec GPU (jours 1 à 3).
Un ordinateur avec 8 Go de mémoire vive minimum, sur lequel le stagiaire peut installer des logiciels : Python 3.10 ou plus récent et Ollama (jours 4 et 5).

Ressources pédagogiques

Document pédagogique — programme détaillé et modalités de mise en œuvre
Un notebook Python par journée, en version à compléter ; le stagiaire conserve l'ensemble du code produit.
Jeu de données annoté pour la détection, modèles préentraînés (YOLO, DINOv2) et résultats d'expériences pré-calculés.
Environnement GPU en ligne (Google Colab) et LLM local (Ollama), sans abonnement payant.
Gabarits : tableau d'expériences, rapport d'optimisation, synthèse de projet.

Modalités d'évaluation

Avant la formation : test de positionnement en Python.
Pendant la formation : évaluation continue sur les livrables des modules 3, 4 et 5 et sur les questions de chaque atelier.
En fin de formation : soutenance du projet final (présentation, démonstration sur une image inconnue, échange), évaluée sur une grille de quatre critères : prototype fonctionnel de bout en bout, résultats des tests, analyse des erreurs et des goulots d'étranglement, justification des choix au regard de la performance, du coût et de la robustesse.
Questionnaire de satisfaction à chaud en fin de formation, et à froid à un mois.
Feuilles d'émargement par demi-journée et attestation de fin de formation.

Accessibilité

les besoins spécifiques peuvent être signalés en amont afin d’étudier les adaptations pédagogiques et techniques possibles.

Délai d'accès

2 semaines

Créé le 14/10/2026 ● dernière mise à jour le 16/10/2026

Prochaines dates