Introduction
La vision par ordinateur – Computer Vision en anglais – est l’une des branches les plus spectaculaires de l’intelligence artificielle. Elle donne aux machines la capacité d’interpréter et de comprendre le contenu d’images et de vidéos : reconnaître un visage dans une foule, détecter une tumeur sur un scanner, lire une plaque d’immatriculation ou guider un véhicule autonome.
Définition : qu’est-ce que la Computer Vision ?
La Computer Vision est un domaine de l’IA qui vise à permettre aux machines d’extraire, analyser et comprendre des informations utiles à partir de données visuelles – images fixes, vidéos, flux de caméras1. Elle s’appuie principalement sur des réseaux de neurones convolutifs (CNN) pour apprendre à partir de vastes ensembles d’images annotées.
Les grandes tâches de la Computer Vision
La classification d’images
Attribuer à une image une ou plusieurs étiquettes parmi un ensemble de catégories prédéfinies2. Des modèles comme ResNet, VGG et EfficientNet atteignent aujourd’hui des performances supérieures à l’œil humain.
La détection d’objets
La détection d’objets identifie et localise plusieurs objets dans une même image via des boîtes englobantes2. Des architectures comme YOLO (You Only Look Once) permettent cette détection en temps réel.
La segmentation
La segmentation sémantique assigne une étiquette à chaque pixel de l’image. La segmentation d’instances distingue chaque objet individuel au sein d’une même catégorie2. Ces techniques sont essentielles en imagerie médicale et en conduite autonome.
La reconnaissance faciale
La reconnaissance faciale identifie ou vérifie l’identité d’une personne à partir de son visage. Elle est utilisée dans les smartphones (Face ID d’Apple), les systèmes de contrôle d’accès et les postes-frontières.
L’OCR (Reconnaissance Optique de Caractères)
L’OCR extrait et reconnaît du texte dans des images. Des services comme Google Cloud Vision ou Azure Computer Vision offrent ces capacités via API.
Les modèles et architectures clés
- CNN – architecture fondamentale depuis AlexNet (2012)3.
- Vision Transformers (ViT) – introduits par Google en 2020, ils atteignent des performances état de l’art4.
- YOLO – famille de modèles de détection en temps réel.
- SAM (Segment Anything Model) – publié par Meta AI en 2023.
- CLIP (OpenAI) – associe images et textes pour la recherche visuelle.
Applications concrètes
Médecine et santé
Des systèmes comme DeepMind détectent des maladies oculaires avec une précision comparable à celle des ophtalmologues1.
Véhicules autonomes
Tesla Autopilot, Waymo et Mobileye s’appuient sur des algorithmes de Computer Vision pour la conduite autonome.
Commerce et retail
Google Lens permet d’identifier des produits à partir d’une photo. Amazon Go utilise la Computer Vision pour des achats sans caisse.
Agriculture de précision
Des drones analysent l’état des cultures, détectent les maladies des plantes et optimisent l’irrigation.
Limites et enjeux éthiques
- Les biais de représentation : les systèmes de reconnaissance faciale ont des taux d’erreur plus élevés sur les peaux foncées5.
- La vie privée : la prolifération des caméras intelligentes soulève des questions sur la surveillance de masse.
- La robustesse adversariale : des modifications imperceptibles peuvent tromper un réseau de neurones.
La computer vision au travail : exemples par métier
La vision par ordinateur n’est plus réservée aux laboratoires : elle est intégrée aux smartphones, aux logiciels de gestion et aux assistants d’IA du quotidien.
- Industrie : contrôle qualité en bout de ligne, détection de défauts sur des pièces, lecture automatique de compteurs et de plaques signalétiques.
- Logistique et commerce : lecture d’étiquettes et de codes, comptage de stocks en rayon, vérification de l’état des colis à réception.
- Bâtiment et immobilier : analyse de photos de chantier, relevés de fissures, estimation de surfaces à partir de plans ou d’images.
- Santé : aide à la lecture d’imageries (radiographies, dermatologie, ophtalmologie), toujours sous le contrôle d’un professionnel de santé.
- Agriculture : repérage de maladies sur les feuilles, comptage de fruits, pilotage de la pulvérisation au plus juste.
- Bureau : extraction des informations d’une facture, d’un justificatif ou d’un formulaire scanné, au cœur de l’IA multimodale.
Caméra de vision par ordinateur : comment ça marche
Une caméra de vision par ordinateur est une caméra associée à un logiciel d’analyse d’images. La caméra capte la scène ; le modèle, embarqué dans l’appareil ou exécuté sur un serveur, y détecte des objets, lit des caractères ou mesure des écarts, puis déclenche une action : alerte, tri, comptage, enregistrement. Le choix dépend de la précision attendue, de la vitesse (temps réel ou non), des conditions d’éclairage et du lieu où les images sont traitées, ce qui compte pour la confidentialité.
Computer vision et réglementation
- Données personnelles : dès qu’une image permet d’identifier une personne, le RGPD s’applique ; la reconnaissance faciale traite des données biométriques, dont le traitement est en principe interdit sauf exceptions encadrées.
- Pratiques interdites : depuis le 2 février 2025, le règlement européen sur l’IA interdit notamment de déduire les émotions d’une personne sur le lieu de travail ou dans un établissement d’enseignement (sauf raisons médicales ou de sécurité) et de constituer des bases de reconnaissance faciale par moissonnage non ciblé d’images.
- Vidéo au travail : les salariés doivent être informés avant tout dispositif qui collecte des informations les concernant, et, dans les entreprises d’au moins 50 salariés, le CSE informé et consulté avant la mise en place de moyens de contrôle de l’activité.
Pour vérifier un projet précis, utilisez l’outil Est-ce que j’ai le droit ? et la page Réglementation RGPD et AI Act.
Questions fréquentes
Qu’est-ce que la computer vision ?
La computer vision, ou vision par ordinateur, est la branche de l’IA qui permet à une machine d’interpréter des images et des vidéos : reconnaître des objets, lire du texte, détecter des anomalies ou suivre un mouvement.
Quelle différence entre vision par ordinateur et traitement d’image ?
Le traitement d’image transforme une image (contraste, netteté, recadrage) ; la vision par ordinateur cherche à la comprendre, c’est-à-dire à en tirer une information exploitable.
Faut-il savoir coder pour utiliser la computer vision ?
Plus forcément. Les assistants d’IA multimodaux analysent une photo sur simple demande, et des plateformes sans code permettent d’entraîner un modèle sur ses propres images. Le code reste nécessaire pour des systèmes industriels sur mesure.
Conclusion
La Computer Vision est devenue l’une des technologies les plus déployées au monde. En comprendre les mécanismes et les limites est essentiel pour en faire un usage éclairé, qu’on soit utilisateur, décideur ou citoyen.
Pour aller plus loin
Types d’IA connexes
- Le Deep Learning – les réseaux convolutifs (CNN) qui permettent la vision par ordinateur.
- L’IA multimodale – l’intégration de la vision avec d’autres modalités comme le texte et l’audio.
- L’IA générative – la génération d’images et de vidéos à partir de la Computer Vision.
- Catalogue des formations
Enjeux et impacts
- Éthique de l’IA – les biais de la reconnaissance faciale et la discrimination algorithmique.
- Impacts sociétaux de l’IA – la surveillance de masse et les atteintes à la vie privée.
- Réglementation et AI Act – la reconnaissance faciale en espace public, un usage à risque inacceptable.
Termes du glossaire
Retrouvez les définitions dans le Glossaire de l’IA : CNN, Computer Vision, Deep Learning, Fine-tuning.
Catégorie : Découvrir l’IA > Types d’IA – Niveau : Débutant à intermédiaire
Voir aussi
Passer à la pratique
Pour mettre l’IA au travail dans votre métier, Wiikiiaii propose des prompts métier, des agents IA sectoriels et des Skills prêtes à installer. Pour les notions de base, voir les cours en ligne.
Articles liés
Depuis quelques mois, un mot revient dans tous les outils [...]
Le règlement européen sur l’intelligence artificielle occupe toute la conversation. [...]