Glossaire IA · Fondamentaux
Vision par ordinateur
En une phrase
La vision par ordinateur est la branche de l'IA qui permet à un système d'interpréter images et vidéos : reconnaître des objets, lire du texte, détecter des défauts ou décrire une scène. Elle repose surtout sur des réseaux de neurones entraînés sur de nombreuses images.
Autres noms: vision artificielle · computer vision · reconnaissance d'images · vision industrielle
Qu’est-ce que la vision par ordinateur ?
Pour un ordinateur, une image n’est qu’une grille de nombres : la couleur de chaque pixel. La vision par ordinateur transforme ces nombres en information exploitable : « voici une facture », « le total est celui-ci », « cette pièce présente une fissure ».
Passez à la pratique
L'IA d'UTIO, par API
Dès 29 €/mois + TVA
Pour les développeurs et les agences qui construisent leurs propres produits.
Découvrir l'API d'IALongtemps, on procédait avec des règles écrites à la main : détecter des contours, mesurer des formes, comparer à des modèles. Cela marchait dans des environnements très contrôlés. Le saut est venu du deep learning : des réseaux entraînés sur des millions d’images qui apprennent seuls ce qui distingue un objet d’un autre, même sous un mauvais éclairage ou sous un autre angle.
En lien avec ce terme
API d'IA
- Transcription, voix, texte, image, OCR et embeddings
- Clés par client avec plafond de dépense
- Porte-monnaie prépayé : recharge minimale de 50 €
Dès 29 €/mois + TVA Compte avec panneau, plus la consommation
Découvrir l'API d'IAComment ça marche
- La capture. Une photo, un scan ou une image vidéo arrive sous forme de matrice de pixels.
- L’extraction de caractéristiques. Un réseau de neurones parcourt l’image couche par couche : contours et textures d’abord, puis formes, puis objets entiers.
- La tâche. Selon le modèle, on obtient une classification (qu’est-ce que c’est ?), une détection (où se trouve chaque élément ?), une segmentation (quels pixels appartiennent à quel objet ?) ou une lecture de texte.
Les modèles récents sont multimodaux : ils associent vision et langage, si bien qu’on peut leur montrer une photo et les interroger en langage naturel. Le chemin inverse, c’est l’IA générative d’images, qui crée une image à partir d’une description.
Comme tout modèle, la vision par ordinateur se trompe davantage face à des images éloignées de celles vues à l’entraînement : photos floues, documents froissés, formats inhabituels.
Exemple
Une entreprise de plomberie de Perpignan reçoit chaque mois des centaines de bons de livraison fournisseurs, souvent photographiés au téléphone dans la camionnette. Jusqu’ici, quelqu’un les ressaisissait un par un dans le logiciel de gestion.
Avec la vision par ordinateur, chaque photo passe par un OCR qui reconnaît le texte et comprend la structure : fournisseur, date, références, quantités et montant. Les données arrivent déjà rangées. Une personne ne vérifie que les bons signalés comme douteux, par exemple quand la photo est floue.
La vision par ordinateur chez UTIO
L’API d’IA d’UTIO inclut l’OCR : factures, bons et formulaires scannés deviennent du texte structuré, avec la même clé que pour la transcription, la synthèse vocale, le texte, l’image et les embeddings. Elle génère aussi des images à partir d’une description.
Un usage courant consiste à enchaîner les briques : l’OCR extrait les données du document, un modèle de texte les classe ou les résume, et le résultat est enregistré dans le CRM d’UTIO, lui aussi accessible par l’API. Un document scanné devient ainsi une donnée exploitable par votre équipe ou vos agents.
Questions fréquentes
Quelle différence entre vision par ordinateur et traitement d'image ?
Le traitement d'image transforme l'image : recadrage, éclaircissement, réduction du bruit. La vision par ordinateur l'interprète : elle dit ce qu'elle contient. Les deux se combinent souvent : on améliore d'abord l'image, puis un modèle l'analyse.
L'OCR, est-ce de la vision par ordinateur ?
Oui, c'en est l'une des applications les plus anciennes et les plus répandues : reconnaître le texte d'une image ou d'un document scanné. Les systèmes récents lisent les caractères mais comprennent aussi la structure du document : tableaux, champs, totaux.
Quels exemples de vision par ordinateur au quotidien ?
Le déverrouillage facial du smartphone, la lecture des plaques à l'entrée d'un parking, la recherche de photos par contenu dans votre galerie, la numérisation de documents avec l'appareil photo ou le contrôle qualité sur une chaîne de production.
Termes associés
- OCR
L'OCR (reconnaissance optique de caractères) est la technologie qui convertit le texte présent dans une image, un PDF scanné ou une photo en texte numérique modifiable, consultable et exploitable. Avec l'IA, il comprend aussi la structure du document.
- Deep learning
Le deep learning, ou apprentissage profond, est une forme de machine learning fondée sur des réseaux de neurones à nombreuses couches. Chaque couche extrait des caractéristiques plus abstraites, ce qui permet de traiter texte, voix et images sans règles écrites à la main.
- Modèle multimodal
Un modèle multimodal est un modèle d'IA capable de recevoir ou de produire plusieurs types de données, comme du texte, des images, du son ou de la vidéo, et de les relier entre eux. Il peut par exemple lire la photo d'une facture et répondre à des questions dessus.
- Réseau de neurones
Un réseau de neurones artificiels est un modèle mathématique composé de couches d'unités reliées, appelées neurones, qui transforment une entrée numérique en sortie. Il apprend en ajustant le poids de chaque connexion à partir d'exemples.
- IA générative
L'IA générative est l'intelligence artificielle qui crée du contenu nouveau, comme du texte, des images, de l'audio, de la vidéo ou du code, à partir d'une consigne, grâce à des modèles entraînés sur de très nombreux exemples de ce type de contenu.
Mis à jour le