Qu'est-ce que YOLO26 ? Une introduction pratique au modèle de détection d'objets en temps réel

YOLO (You Only Look Once) est le nom d'une famille de modèles de détection d'objets en temps réel introduits en 2015 par Joseph Redmon. En une décennie, c'est devenu le modèle open-source le plus utilisé en vision par ordinateur. L'article d'introduction de l'équipe Roboflow, mis en avant sur Hacker News, présente sa dernière version, YOLO26, comme un guide pratique.

L'idée centrale de l'architecture YOLO est simple : diviser une image en cellules de grille en une seule passe et prédire dans chaque cellule les contours d'objet et les probabilités de classe. Cela lui donne un avantage de vitesse face aux anciens détecteurs à deux étages (R-CNN, Faster R-CNN) ; une seule passe peut atteindre des centaines d'images par seconde sur GPU.

YOLO26 s'appuie sur la précédente YOLOv11 et introduit trois nouveautés importantes. Première : un «squelette hybride transformer-convolution». Les versions YOLO précédentes utilisaient un réseau purement convolutif ; YOLO26 ajoute un petit nombre de couches d'attention pour capter les relations globales.

Deuxième : l'efficacité d'entraînement. Selon Roboflow, YOLO26 nécessite 35 % d'heures GPU en moins que YOLOv11 pour atteindre la même précision sur le jeu de données COCO. Cela permet à une petite équipe disposant d'un seul GPU A100 d'entraîner un bon modèle en quelques heures.

Troisième : la vitesse d'inférence. La variante «nano» de YOLO26 tourne à 580 images par seconde sur une RTX 4090 et à 95 images par seconde sur un Snapdragon 8 Gen 4 mobile. Ces vitesses couvrent un large éventail d'applications, des caméras de smart city aux capteurs de véhicules autonomes.

Les domaines d'application se sont considérablement élargis au fil des ans. Robots de récolte dans l'agriculture, suivi des stocks dans la distribution, imagerie endoscopique en santé, drones dans la défense — les modèles YOLO sont devenus le détecteur par défaut dans la plupart des environnements de production. D'anciennes branches de l'Autopilot Tesla en ont aussi utilisé une variante.

YOLO26 est publié sous licence Apache 2.0, qui laisse l'usage commercial entièrement libre. Les poids pré-entraînés aux formats PyTorch et ONNX sont disponibles dans le dépôt GitHub. Roboflow propose en outre une interface d'étiquetage de données en Python et des modèles de personnalisation.

Parmi ses concurrents figurent le Segment Anything model (SAM) de Meta, le framework MediaPipe de Google et Owlv2 de Hugging Face. Mais YOLO conserve l'usage le plus répandu grâce à sa vitesse d'inférence en temps réel et à ses faibles besoins matériels.

L'écosystème YOLO n'est pas sans controverse. Son fondateur Joseph Redmon a quitté les travaux en 2020 pour des raisons éthiques, invoquant le potentiel militaire de YOLO. Depuis lors, YOLOv5 et au-delà est maintenu par une société nommée Ultralytics, ce qui a été critiqué comme un éloignement de l'esprit académique ouvert d'origine.

Des start-ups d'IA en Turquie — Hepsiburada Vision, Trendyol Logistics, la division imagerie d'ASELSAN — utilisent déjà des versions antérieures de YOLO en production. Les besoins matériels réduits de YOLO26 aideront les petites équipes de développement à prototyper plus rapidement des solutions de caméras intelligentes.