Ce qui change par rapport à la vision classique
Un détecteur classique reconnaît très vite les classes pour lesquelles il a été entraîné. Un modèle vision-langage regarde une image et répond à une question libre : « y a-t-il quelqu’un sans casque ? », « la porte du quai est-elle ouverte ? », « décris ce qui s’est passé dans cette vidéo ».
Rien n’est à entraîner pour commencer. On écrit la question, on l’essaie sur des images réelles et on ajuste la formulation.
Quand cela sert et quand non
Cela sert quand les situations sont variées et difficiles à énumérer, quand une réponse toutes les quelques secondes suffit et quand le résultat est une description ou une alerte lue par une personne. Surveillance de sites, contrôle d’accès, relecture d’enregistrements ou inventaire visuel.
Cela ne sert pas pour une ligne qui sort dix pièces par seconde. Là, le détecteur classique, entraîné pour ce défaut, est plus rapide, moins cher et plus fiable.
Ce qui marche le mieux : les deux ensemble
Le montage le plus efficace combine les deux. Un détecteur rapide surveille toutes les caméras et écarte ce qui n’intéresse pas. Quand il voit un mouvement ou quelque chose d’inhabituel, il transmet ces images au grand modèle, qui les décrit et décide s’il alerte.
Ainsi le grand modèle ne travaille que quand il le faut, et un petit ordinateur gère beaucoup de caméras.
Quel matériel faut-il
Le modèle vision-langage demande de la mémoire, et là la mémoire unifiée donne beaucoup pour peu de consommation. Le détecteur rapide sur beaucoup de caméras demande une carte graphique dédiée. Le point de départ dépend donc du nombre de caméras.
| Cas | Ordinateur | Pourquoi | Prix |
|---|---|---|---|
| Relire des enregistrements et décrire des scènes | Compact AI 64 | Un grand modèle sans carte graphique dédiée | 2 940 € |
| De 4 à 8 caméras avec alertes | Compact AI 64 avec RTX PRO 2000 | La carte porte le détecteur ; la mémoire unifiée, le grand modèle | Sur mesure |
| Beaucoup de caméras ou haute résolution | Compact avec RTX PRO 4000 ou 4500 | Plus de mémoire graphique pour plus de flux vidéo | Sur mesure |
| Des dizaines de caméras et de l’enregistrement | Serveur à cartes graphiques | Plusieurs cartes graphiques et des disques pour conserver la vidéo | Sur mesure |
Comptez aussi les ports réseau alimentés pour les caméras et un disque séparé pour les enregistrements.
Images de personnes : traiter en local
Les images où l’on reconnaît une personne sont des données personnelles. Les traiter sur une machine à vous, ne garder que le nécessaire pendant la durée autorisée et informer par le panneau adéquat simplifie beaucoup la conformité.
Matériel et guides associés
Questions fréquentes
Remplace-t-il un système de vision artificielle entraîné ?
Pas sur une ligne de production rapide. Il le complète : il sert pour des situations variées, pour décrire ce qui se passe et pour de nouvelles questions sans réentraînement. L’usage est d’employer les deux.
Combien de caméras un compact peut-il gérer ?
Cela dépend de la fréquence d’analyse de chaque caméra. Avec un détecteur qui filtre en amont, un compact à carte graphique professionnelle gère plusieurs caméras avec des alertes en quelques secondes. Nous le dimensionnons avec vos caméras et votre cas.
Fonctionne-t-il sans connexion à Internet ?
Oui. Les modèles s’exécutent sur la machine elle-même, il fonctionne donc dans un entrepôt, sur un chantier ou à bord, et les images ne quittent jamais l’installation.
Puis-je changer ce qu’il détecte sans appeler personne ?
Oui, c’est son avantage : ce que le modèle cherche s’écrit en langage naturel. Changer la question change ce qu’il surveille.
À quoi va-t-il vous servir ?
Dites-nous quels modèles vous voulez faire tourner, combien de personnes vont l’utiliser et où il va travailler. Nous vous proposons le compact, avec ou sans carte graphique professionnelle, et son prix sous 12 heures ouvrées.