Une caméra vise une pièce. Le bon nom apparaît dans un rectangle avec un rassurant 99 %. La démo rend la vision par ordinateur très concrète. Elle peut aussi révéler seulement que l’image ressemble beaucoup à celles utilisées pendant l’entraînement.

Le pipeline commence avant le réseau neuronal. Une caméra convertit la lumière en pixels. Le logiciel redimensionne l’image, normalise ses canaux et parfois découpe une région d’intérêt. Un modèle convolutif applique des filtres appris sur de petites zones, combine progressivement les motifs et produit des scores. Une fonction transforme ces scores en probabilités relatives; un seuil décide ensuite quelle classe afficher ou s’il faut refuser de répondre.

caméra → pixels → redimensionnement/normalisation → modèle
       → scores par classe → seuil → décision ou revue humaine

Ma maîtrise en intelligence artificielle me ramène souvent au jeu de données. Si les images montrent toujours une pièce centrée sur le même fond, le modèle peut utiliser l’ombre ou la table plutôt que l’objet. Je sépare entraînement, validation et test par lot, date ou appareil, pas par images presque identiques d’une même séquence. Sinon une photo voisine fuit dans le test et gonfle la performance.

Prenons 1 000 pièces, dont 100 sont réellement défectueuses :

	Prédit défaut	Prédit conforme
Défaut réel	85	15
Conforme réel	45	855

L’exactitude vaut 94 % (940/1000), ce qui semble excellent. Le rappel des défauts n’est pourtant que 85 % (85/100) : 15 défauts passent. La précision des alertes est 65 % (85/130) : 45 pièces conformes demandent une vérification. Le seuil peut réduire les faux négatifs au prix de plus de faux positifs. Le bon choix vient du coût métier et de la capacité de revue, pas du meilleur chiffre unique.

Je teste les variations du terrain :

1. plusieurs caméras, résolutions et réglages d’exposition;
2. lumière du matin, du soir, ombres et reflets;
3. objet tourné, partiellement caché ou sale;
4. lots provenant de jours et fournisseurs différents;
5. exemples proches de la frontière entre deux classes;
6. images sans objet ou avec un objet jamais vu;
7. latence et débit avec le matériel de production.

Une augmentation de données peut simuler rotation, recadrage ou luminosité, mais elle ne remplace pas les cas réels. Si le système rencontre une nouvelle matière réfléchissante, le modèle peut produire un score très confiant sans comprendre qu’il est hors distribution. Une classe « inconnu », un seuil de rejet et une revue humaine donnent une sortie plus honnête.

Le déploiement ajoute des contraintes. La version du prétraitement doit suivre celle du modèle; changer l’ordre des canaux ou la taille d’image peut ruiner l’inférence sans erreur de compilation. Je versionne modèle, code, données de référence et seuil ensemble. Les images de production utilisées pour le suivi doivent être protégées et conservées selon un besoin précis, surtout si elles montrent des personnes ou des renseignements sensibles.

Le monitoring compare le taux d’alertes, la confiance, les conditions de capture et un échantillon relu par des humains. Un modèle qui continue à répondre n’est pas nécessairement encore juste. Quand les erreurs dérivent, on conserve les nouveaux cas, corrige les étiquettes, réentraîne puis repasse le test historique avant de promouvoir.

Je ne mettrais donc pas le 99 % dans le dossier de décision sans matrice de confusion, test par condition et procédure de refus. La pratique applicable est de faire échouer volontairement la vision avec des images croches, sombres et nouvelles, puis de vérifier que le système sait demander de l’aide plutôt que d’inventer une certitude.