IA maritime : filtrer 40 718 images portuaires à 220 clés
Découvrez comment un pipeline d'IA réduit 40 718 images de vidéosurveillance portuaire à 220 images utiles. Transformez vos vidéos brutes en jeu
Imaginez un port de plaisance intelligent, équipé de caméras qui tournent jour et nuit. Des mois de vidéo s’accumulent. Quelque part dans ces milliers d’heures se cache l’information dont une IA a besoin pour repérer les bateaux. Le problème, c’est que la plupart de ces images ne servent à rien : la mer vide, la même scène répétée cent fois, un horizon brumeux sans le moindre navire. Trier tout ça à la main serait un cauchemar.
C’est exactement le défi qu’une équipe de chercheurs a choisi de résoudre dans un banc d’essai de marina intelligente. Leur idée : laisser l’IA décider elle-même quelles images méritent d’être annotées.
Le vrai goulot d’étranglement de l’IA n’est pas le modèle
On parle sans arrêt de modèles toujours plus gros, de milliards de paramètres, de puces surpuissantes. Mais dans la vraie vie, le facteur limitant est souvent ailleurs : les données étiquetées. Pour entraîner un détecteur d’objets, il faut des images où quelqu’un a dessiné, à la main, un rectangle autour de chaque bateau. C’est long, c’est cher, et c’est fastidieux.
Résultat : la qualité de la sélection des données compte autant que l’architecture du réseau de neurones. Un modèle brillant nourri de données redondantes apprend mal. Un modèle plus simple nourri d’exemples bien choisis apprend vite et bien.
Reconstituer le regard d’une caméra qui a oublié où elle regardait
Première difficulté : ces caméras motorisées (PTZ, pour pan-tilt-zoom) bougent, zooment, pivotent. Mais les métadonnées qui indiquent où elles pointaient à un instant donné sont souvent absentes ou peu fiables. Impossible, dans ces conditions, de savoir où se situe une image dans l’espace du port.
La solution tient en deux briques d’IA bien connues :
- SuperPoint, un réseau de neurones qui détecte des points d’intérêt stables dans une image.
- LightGlue, un modèle d’appariement qui relie ces points entre deux prises de vue.
En combinant les deux, chaque image est repositionnée sur une panoramique de référence. On retrouve ainsi, rétroactivement, le champ de vision de la caméra. La vidéo historique redevient exploitable, avec une carte mentale de l’espace portuaire.
Choisir les bonnes images plutôt que toutes les images
Une fois chaque image localisée, il reste à décider lesquelles annoter. C’est là qu’intervient l’échantillonnage contextuel. L’idée : ne pas se contenter de prendre des images au hasard, mais privilégier la diversité.
Enrichir chaque image avec son contexte
Chaque image est accompagnée de métadonnées environnementales : la météo, l’état du soleil, l’heure. Pourquoi ? Parce qu’un bateau détecté à midi sous un ciel clair ne ressemble pas au même bateau détecté au crépuscule dans la brume. Un modèle entraîné uniquement sur des journées ensoleillées sera perdu dès le premier orage.
Traquer les cas rares, comme les bateaux lointains
Deuxième étape : une passe ciblée sur les cas sous-représentés. Les petits navires à l’horizon, par exemple, sont difficiles à détecter et souvent noyés dans la masse. L’équipe utilise des embeddings visuels au niveau de tuiles d’image, puis un clustering par mélange gaussien (Gaussian Mixture Model) pour identifier ces situations rares et les intégrer à l’échantillon.
Résultat concret : sur 40 718 images candidates, le pipeline n’en retient que 220. Une réduction de 99,5 %. Un détecteur YOLO26-m affiné sur ce petit sous-ensemble obtient de très bonnes performances. Moins de données, mais les bonnes. C’est toute la promesse de l’IA bien conçue : faire plus avec moins, en étant plus intelligent sur ce qu’on lui donne à manger.
Pourquoi c’est important
Cette approche change la façon dont on construit les systèmes d’IA appliqués au monde réel, pas seulement dans les marinas. Partout où des capteurs produisent des flux massifs — villes, usines, hôpitaux, satellites — la question n’est plus « comment annoter tout ? » mais « comment choisir intelligemment ? ». Comprendre ce basculement vous aide à mieux évaluer les projets d’IA autour de vous, et à poser les bonnes questions avant de dépenser des fortunes en étiquetage manuel.
Conclusion
L’intelligence artificielle n’est pas seulement une affaire de modèles toujours plus gros. C’est aussi, et peut-être surtout, un art de la sélection : savoir quoi montrer, quoi ignorer, quoi mettre en avant. Ce pipeline de détection de navires nous rappelle une vérité simple et libératrice : avec un peu d’astuce et beaucoup de méthode, on peut entraîner des IA robustes sans noyer les humains sous des montagnes d’images. La prochaine fois que vous entendrez « il faut plus de données », demandez plutôt : « lesquelles ? ».
Points clés à retenir
- La qualité et la diversité des données comptent plus que leur volume brut.
- Des modèles comme SuperPoint et LightGlue permettent de reconstituer le contexte spatial de vidéos sans métadonnées fiables.
- L’échantillonnage contextuel, enrichi par la météo et la position du soleil, rend les détecteurs d’objets plus robustes.
- Un pipeline intelligent peut réduire 40 718 images à 220, soit une réduction de 99,5 %, sans sacrifier la performance.
- La vraie question en IA n’est pas « avons-nous assez de données ? » mais « avons-nous les bonnes ? ».