Comment détecter des objets dans une image ?

Ouvrez l'outil de détection d'objets par IA et chargez une image JPEG, PNG ou WebP en la glissant-déposant dans la zone de téléversement, en parcourant vos fichiers, ou en la collant. Lors de la première utilisation, le modèle d'IA (~6 Mo) se télécharge une seule fois et est mis en cache pour une utilisation hors ligne, puis la détection s'exécute automatiquement : le modèle dessine des cadres de délimitation colorés autour de chaque objet et étiquette les 80 catégories COCO avec des scores de confiance, listés par classe avec un décompte par classe. Cliquez ensuite sur Télécharger pour enregistrer l'image annotée, ou sur Exporter en JSON pour enregistrer les données brutes de détection — c'est gratuit à vie, cela fonctionne entièrement dans votre navigateur, et vos images ne sont jamais envoyées.

L'outil de détection d'objets par IA est-il gratuit ?

Oui — détecter et étiqueter des objets dans des images avec des cadres de délimitation par IA sur 80 catégories COCO est entièrement gratuit, à vie. Aucun compte, aucune inscription, et aucun frais par image. Le modèle de détection d'objets fonctionne entièrement sur votre appareil via WebAssembly ; vos images ne sont jamais envoyées vers un serveur. Le site est financé par la publicité.

Qu'est-ce que la détection d'objets par IA ?

La détection d'objets par IA utilise un réseau de neurones convolutif (CNN) pour analyser une image, identifier et localiser les objets qu'elle contient, et produire une étiquette de classe, un score de confiance et des coordonnées de cadre de délimitation pour chaque objet détecté. Les architectures de modèles courantes incluent la famille YOLO et SSD.

L'outil envoie-t-il mon image vers un serveur ?

Jamais. Le modèle d'IA fonctionne dans votre navigateur via WebAssembly et vos images ne quittent jamais votre appareil — c'est garanti dans le code par un garde-fou réseau exécuté en temps réel qui bloque toute tentative d'envoi de votre fichier hors de l'appareil. Vous pouvez le vérifier vous-même : ouvrez les DevTools → Réseau et observez — rien n'est envoyé.

Nécessite-t-il une connexion internet ?

Uniquement pour le premier téléchargement du modèle (~6 Mo). Une fois téléchargé, le modèle est stocké dans la Cache API du navigateur et la détection d'objets fonctionne entièrement hors ligne, même sans connexion réseau.

Combien de temps prend la première exécution ?

La première exécution comporte deux étapes : (1) le téléchargement du modèle (environ 4 à 20 secondes selon la vitesse de connexion) et (2) l'initialisation d'ONNX Runtime (1 à 2 secondes). Ensuite, l'inférence par image prend environ 0,5 à 5 secondes selon la taille de l'image et les performances de l'appareil. Les exécutions suivantes n'ont plus besoin du téléchargement.

Puis-je l'utiliser hors ligne ?

Oui. Après le premier téléchargement, le modèle est stocké dans la Cache API du navigateur et la détection d'objets fonctionne sans connexion réseau. Même après avoir fermé et rouvert l'onglet, le modèle reste en cache.

Quelles catégories d'objets peuvent être détectées ?

Le modèle par défaut est entraîné sur le jeu de données COCO et peut reconnaître 80 catégories d'objets courantes, notamment les personnes, les voitures, les animaux, les appareils électroménagers et la nourriture. La liste complète des catégories est affichée dans le panneau des résultats.

Quel espace de stockage le modèle d'IA utilise-t-il ?

Le modèle de détection d'objets pèse environ 6 Mo. Il est téléchargé une seule fois et mis en cache par la Cache API du navigateur pour une utilisation hors ligne.

Que signifie le score de confiance ?

Le score de confiance (0 %–100 %) représente le degré de certitude du modèle concernant une détection. Un score plus élevé signifie que le modèle est plus confiant que la classe détectée est réellement présente à cet endroit. Les résultats au-dessus de 50 % sont généralement considérés comme fiables.

Détection d'objets par IA — Identifiez et étiquetez les objets dans vos images

Détection d'objets identifie et étiquette chaque objet d'une photo à l'aide de cadres de délimitation colorés et de scores de confiance, couvrant 80 catégories COCO. Le modèle d'IA fonctionne entièrement sur votre propre appareil via WebAssembly — vos images ne sont jamais envoyées. Le modèle se télécharge une seule fois (~6 Mo), est mis en cache dans votre navigateur, et fonctionne entièrement hors ligne.

Détection d'objets par IA — identifie et étiquette automatiquement les objets avec des cadres de délimitation, 80 catégories COCO, modèle exécuté localement, images jamais envoyées.

100 % gratuit — pour toujours. Aucun frais, jamais.
Privé : les fichiers sont traités localement dans votre navigateur et ne sont jamais envoyés à un serveur.
Aucun téléversement, aucun compte, aucune inscription.

Ouvrez l'outil de détection d'objets
Rendez-vous sur la page de détection d'objets par IA. Aucune inscription ni installation n'est requise.
Chargez votre image
Glissez-déposez une image JPEG, PNG ou WebP dans la zone de téléversement, cliquez pour parcourir, ou collez avec Ctrl+V / Cmd+V.
Attendez le chargement du modèle d'IA
Lors de la première utilisation, le modèle de détection d'objets (~6 Mo) est téléchargé dans votre navigateur et mis en cache pour une utilisation hors ligne.
La détection s'exécute automatiquement
Dès que vous chargez une image, l'IA l'analyse et dessine des cadres de délimitation colorés autour de chaque objet détecté, en l'étiquetant avec un nom de classe et un score de confiance. Tout s'exécute sur votre appareil — l'image n'est jamais envoyée.
Examinez les résultats
Les objets détectés sont listés par classe avec un décompte par classe (par ex. personne ×3, voiture ×2), chacun avec son pourcentage de confiance.
Téléchargez l'image annotée ou le JSON
Cliquez sur Télécharger pour enregistrer l'image avec les annotations des cadres de délimitation, ou sur Exporter en JSON pour enregistrer les données brutes de détection (étiquettes, confiance, cadres en pixels) pour un traitement ultérieur.

Comment détecter des objets dans une image ?: Ouvrez l'outil de détection d'objets par IA et chargez une image JPEG, PNG ou WebP en la glissant-déposant dans la zone de téléversement, en parcourant vos fichiers, ou en la collant. Lors de la première utilisation, le modèle d'IA (~6 Mo) se télécharge une seule fois et est mis en cache pour une utilisation hors ligne, puis la détection s'exécute automatiquement : le modèle dessine des cadres de délimitation colorés autour de chaque objet et étiquette les 80 catégories COCO avec des scores de confiance, listés par classe avec un décompte par classe. Cliquez ensuite sur Télécharger pour enregistrer l'image annotée, ou sur Exporter en JSON pour enregistrer les données brutes de détection — c'est gratuit à vie, cela fonctionne entièrement dans votre navigateur, et vos images ne sont jamais envoyées.
L'outil de détection d'objets par IA est-il gratuit ?: Oui — détecter et étiqueter des objets dans des images avec des cadres de délimitation par IA sur 80 catégories COCO est entièrement gratuit, à vie. Aucun compte, aucune inscription, et aucun frais par image. Le modèle de détection d'objets fonctionne entièrement sur votre appareil via WebAssembly ; vos images ne sont jamais envoyées vers un serveur. Le site est financé par la publicité.
Qu'est-ce que la détection d'objets par IA ?: La détection d'objets par IA utilise un réseau de neurones convolutif (CNN) pour analyser une image, identifier et localiser les objets qu'elle contient, et produire une étiquette de classe, un score de confiance et des coordonnées de cadre de délimitation pour chaque objet détecté. Les architectures de modèles courantes incluent la famille YOLO et SSD.
L'outil envoie-t-il mon image vers un serveur ?: Jamais. Le modèle d'IA fonctionne dans votre navigateur via WebAssembly et vos images ne quittent jamais votre appareil — c'est garanti dans le code par un garde-fou réseau exécuté en temps réel qui bloque toute tentative d'envoi de votre fichier hors de l'appareil. Vous pouvez le vérifier vous-même : ouvrez les DevTools → Réseau et observez — rien n'est envoyé.
Nécessite-t-il une connexion internet ?: Uniquement pour le premier téléchargement du modèle (~6 Mo). Une fois téléchargé, le modèle est stocké dans la Cache API du navigateur et la détection d'objets fonctionne entièrement hors ligne, même sans connexion réseau.
Combien de temps prend la première exécution ?: La première exécution comporte deux étapes : (1) le téléchargement du modèle (environ 4 à 20 secondes selon la vitesse de connexion) et (2) l'initialisation d'ONNX Runtime (1 à 2 secondes). Ensuite, l'inférence par image prend environ 0,5 à 5 secondes selon la taille de l'image et les performances de l'appareil. Les exécutions suivantes n'ont plus besoin du téléchargement.
Puis-je l'utiliser hors ligne ?: Oui. Après le premier téléchargement, le modèle est stocké dans la Cache API du navigateur et la détection d'objets fonctionne sans connexion réseau. Même après avoir fermé et rouvert l'onglet, le modèle reste en cache.
Quelles catégories d'objets peuvent être détectées ?: Le modèle par défaut est entraîné sur le jeu de données COCO et peut reconnaître 80 catégories d'objets courantes, notamment les personnes, les voitures, les animaux, les appareils électroménagers et la nourriture. La liste complète des catégories est affichée dans le panneau des résultats.
Quel espace de stockage le modèle d'IA utilise-t-il ?: Le modèle de détection d'objets pèse environ 6 Mo. Il est téléchargé une seule fois et mis en cache par la Cache API du navigateur pour une utilisation hors ligne.
Que signifie le score de confiance ?: Le score de confiance (0 %–100 %) représente le degré de certitude du modèle concernant une détection. Un score plus élevé signifie que le modèle est plus confiant que la classe détectée est réellement présente à cet endroit. Les résultats au-dessus de 50 % sont généralement considérés comme fiables.

Le jeu de données COCO (Common Objects in Context) contient plus de 330 000 images réparties en 80 catégories d'objets et constitue le benchmark le plus utilisé pour entraîner et évaluer les modèles de détection d'objets.
L'architecture YOLO (You Only Look Once) a été proposée par Redmon et al. en 2016. Elle réalise la localisation et la classification des objets en une seule passe, la rendant bien plus rapide que les méthodes en deux étapes.
ONNX Runtime Web permet d'exécuter des modèles de détection d'objets dans le navigateur avec un backend WebGL ou WebGPU ; les temps d'inférence moyens vont typiquement de quelques dizaines de millisecondes à quelques secondes.
Un cadre de délimitation s'exprime sous la forme (x, y, largeur, hauteur) ou (x1, y1, x2, y2) et couvre la région de l'objet détecté.
La détection d'objets côté navigateur ne génère aucun aller-retour réseau, offrant une confidentialité bien supérieure à celle d'une API cloud — un point particulièrement important pour les images sensibles comme les visages ou les documents.

🎯 Détection d'objets par IA — Identifiez et étiquetez les objets dans vos images

Détection d'objets par IA — Identifiez et étiquetez les objets dans vos images