Vos opérateurs inspectent encore à l'œil nu ?
On automatise ce que l'humain ne peut pas scaler

Ça dépend de la tâche et de la variabilité. Pour de la classification simple, 200 à 500 images par classe suffisent avec du transfer learning. Pour de la détection d'objets (YOLO, Faster R-CNN), comptez 1 000 à 5 000 images annotées. Pour de la segmentation fine, le volume monte. Mais la qualité et la représentativité du dataset comptent plus que le volume brut — 500 images bien annotées qui couvrent les cas terrain battent 10 000 images de banque d'images.

Le cloud (GPU A100/T4 sur AWS ou GCP) convient quand vous avez une connectivité fiable et que la latence de quelques centaines de millisecondes est acceptable — traitement de documents, analyse batch de photos. L'edge (NVIDIA Jetson, Intel NCS) est nécessaire quand le modèle doit tourner sur site sans internet, en temps réel strict (< 50 ms) ou quand les images ne peuvent pas quitter le site pour des raisons de confidentialité. Nous optimisons le modèle pour la cible : quantization INT8, TensorRT, export ONNX.

Le drift visuel, c'est quand les conditions terrain changent par rapport au dataset d'entraînement : éclairage saisonnier, usure des caméras, nouvelles variantes de produits. Nous mettons en place un monitoring de la distribution des scores de confiance et des prédictions. Quand le drift est détecté, on collecte automatiquement les cas difficiles (hard examples mining), on les annote et on lance un réentraînement incrémental — sans repartir de zéro.

Sur de la détection d'objets en conditions contrôlées (industrie, ligne de production), nous atteignons régulièrement 95 à 99 % de mAP. Sur de l'OCR structuré (factures, formulaires), le taux d'extraction dépasse 97 %. Les performances dépendent directement de la qualité du dataset, de la variabilité des conditions et de la définition claire des classes. Nous définissons les métriques cibles (précision, recall, F1) avec vous dès le cadrage et les mesurons sur un test set représentatif du terrain.

Un POC avec dataset existant et fine-tuning démarre à 25 000 € (annotation + entraînement + validation terrain). Une solution complète en production (pipeline d'annotation, modèle optimisé, API d'inférence, monitoring, intégration métier) se situe entre 60 000 et 180 000 € selon la complexité. Les coûts GPU récurrents (entraînement + inférence) varient de 200 à 2 000 €/mois selon le volume — ou zéro si le modèle tourne sur l'edge.