YOLO26 vs RTDETRv2#

Les spécialistes de la vision par ordinateur choisissent souvent entre des réseaux neuronaux convolutifs optimisés (CNNs) et des architectures plus récentes fondées sur les Transformers. Deux exemples notables sont Ultralytics YOLO26 et le RTDETRv2 de Baidu. Tous deux ciblent la détection d’objets en temps réel, mais reposent sur des approches architecturales différentes.

Ce guide compare leurs structures, leurs métriques de performance et leurs cas d’usage idéaux pour t’aider à choisir la meilleure base pour ton prochain projet de vision par ordinateur.

Ultralytics YOLO26 : IA visuelle axée sur l’edge#

Développé par Ultralytics et publié en janvier 2026, YOLO26 est le dernier modèle YOLO et le choix recommandé pour les nouveaux projets. Il est conçu pour offrir vitesse, précision et simplicité de déploiement dans les environnements cloud et edge.

• Auteurs : Glenn Jocher et Jing Qiu
• Organisation : Ultralytics
• Date : 2026-01-14
• GitHub : Dépôt Ultralytics
• Documentation : Documentation officielle de YOLO26

Innovations et atouts architecturaux#

YOLO26 introduit plusieurs fonctionnalités qui le distinguent non seulement des modèles Transformer, mais aussi des versions précédentes comme YOLO11 :

• Conception de bout en bout sans NMS : la tête one-to-one facultative de YOLO26 (nms=False) ignore la suppression traditionnelle des non-maxima (NMS) lors du post-traitement. Introduite dans les modèles YOLO par YOLOv10, cette approche de bout en bout réduit la variabilité de la latence d’inférence et simplifie la logique de déploiement, en particulier sur le matériel edge.
• Inférence sur CPU jusqu’à 43 % plus rapide : YOLO26n s’exécute jusqu’à 43 % plus rapidement sur CPU que YOLO11n, ce qui le rend adapté aux appareils dépourvus de GPU dédié, comme le Raspberry Pi.
• Suppression de DFL : la suppression de Distribution Focal Loss (DFL) simplifie le processus d’export et améliore la compatibilité avec les appareils edge basse consommation.
• Optimiseur MuSGD : en intégrant à la vision par ordinateur des idées d’entraînement des grands modèles de langage (LLM), YOLO26 utilise l’optimiseur MuSGD. Cet hybride de SGD et de Muon, inspiré de Kimi K2 de Moonshot AI, offre un entraînement plus stable et une convergence plus rapide.
• ProgLoss + STAL : Progressive Loss et Small-Target-Aware Label Assignment (STAL) améliorent la reconnaissance des petits objets. C’est important pour les secteurs qui s’appuient sur l’analyse d’images aériennes et les capteurs de l’Internet des objets (IoT).

Polyvalence pour les tâches de vision#

Contrairement aux modèles limités aux boîtes englobantes, YOLO26 prend en charge la détection, la segmentation d’instances, la segmentation sémantique, l’estimation de profondeur, la classification, l’estimation de pose et la détection OBB. Il intègre des améliorations propres à chaque tâche, comme une fonction de perte de segmentation sémantique et un proto multi-échelle pour la segmentation d’instances, Residual Log-Likelihood Estimation (RLE) pour l’estimation de pose et une fonction de perte d’angle spécialisée pour résoudre les problèmes de limites dans les tâches de boîtes englobantes orientées (OBB).

RTDETRv2 : améliorer les Transformer pour la détection en temps réel#

RTDETRv2, développé par des chercheurs de Baidu, s’appuie sur le framework RT-DETR d’origine. Il vise à démontrer que les Transformers de détection (DETRs) peuvent rivaliser avec les CNN très optimisés, et parfois les dépasser, en matière de vitesse et de précision dans des scénarios en temps réel.

• Auteurs : Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang et Yi Liu
• Organisation : Baidu
• Date : 2024-07-24
• arXiv : 2407.17140
• GitHub : Implémentation de RTDETRv2 avec PyTorch
• Docs : Lisez-moi de RTDETRv2

Architecture et capacités#

RTDETRv2 utilise une architecture fondée sur les Transformers, qui traite les images différemment des CNN en recourant à l’auto-attention pour capturer le contexte global.

• Ensemble d’optimisations gratuites : la version v2 introduit une série de techniques d’entraînement optimisées (ensemble d’optimisations gratuites) qui améliorent les performances de base sans augmenter le coût de l’inférence.
• Prise en compte du contexte global : grâce à ses couches d’attention Transformer, RTDETRv2 gère les scènes complexes où le contexte global est nécessaire pour distinguer les objets qui se chevauchent ou sont occultés.

En savoir plus sur RTDETRv2

Limites des modèles Transformer#

Les modèles de détection fondés sur les Transformers, comme RTDETRv2, rencontrent souvent des difficultés en déploiement réel. En général, ils nécessitent davantage de mémoire CUDA pendant l’entraînement que les CNN efficaces, et les opérations requises par les couches d’attention peuvent compliquer leur intégration dans divers environnements edge. Pour les déploiements soumis à des contraintes de ressources, les CNN comme YOLO26 sont généralement plus faciles à déployer.

Comparaison des performances#

Le tableau ci-dessous compare la précision (mAP), la vitesse et la taille des modèles sur l’ensemble de validation COCO.

À taille comparable, YOLO26 affiche une mAP supérieure et une latence TensorRT inférieure à celles de RTDETRv2. YOLO26x atteint une mAP de 57,5 avec une latence plus faible (11,8 ms sur TensorRT) et moins de paramètres (55,7 M) que RTDETRv2-x (mAP de 54,3, 15,03 ms, 76 M de paramètres).

Cas d’utilisation et recommandations#

Le choix entre YOLO26 et RT-DETR dépend des exigences spécifiques de ton projet, de tes contraintes de déploiement et de tes préférences en matière d’écosystème.

Quand choisir YOLO26#

YOLO26 est un excellent choix pour :

• Déploiement en périphérie sans NMS : les applications qui exigent des inférences à faible latence et constantes, sans la complexité du post-traitement par suppression non maximale.
• Environnements sans GPU : Les appareils dépourvus d'accélération GPU dédiée, où l'inférence CPU jusqu'à 43 % plus rapide de YOLO26 (YOLO26n par rapport à YOLO11n) procure un avantage décisif.
• Détection de petits objets : dans des scénarios exigeants comme les images aériennes prises par drone ou l’analyse de capteurs IoT, ProgLoss et STAL améliorent la précision sur les petits objets.

Quand choisir RT-DETR#

RT-DETR est recommandé pour :

• Recherche sur la détection basée sur les Transformer : projets étudiant les mécanismes d’attention et les architectures Transformer pour la détection d’objets de bout en bout sans NMS.
• Scénarios exigeant une grande précision et une latence flexible : applications où la précision de détection est prioritaire et où une latence d’inférence légèrement supérieure est acceptable.
• Détection de grands objets : scènes composées principalement d’objets de taille moyenne à grande, pour lesquelles le mécanisme d’attention globale des Transformer offre un avantage naturel.

L’avantage Ultralytics#

Choisir la bonne architecture ne représente qu’une partie de l’équation ; l’écosystème qui l’entoure détermine la rapidité avec laquelle une équipe peut passer du prototypage à la production.

Facilité d’utilisation et efficacité de l’entraînement#

L’API Python Ultralytics permet d’écrire du code d’entraînement concis, sans code passe-partout verbeux. YOLO26 utilise aussi généralement moins de mémoire vidéo GPU que les couches d’attention gourmandes en mémoire de RTDETRv2, ce qui permet d’augmenter la taille des lots sur du matériel grand public.

from ultralytics import YOLO

# Initialiser le modèle YOLO26 Nano
model = YOLO("yolo26n.pt")

# Entraîne le modèle sur le jeu de données COCO8 pendant 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exécute une inférence à grande vitesse sans NMS
predictions = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporte au format ONNX pour le déploiement
model.export(format="onnx")

Un écosystème bien entretenu#

Les modèles Ultralytics s’accompagnent d’un framework activement maintenu, qui s’intègre à des outils de suivi des expériences comme Weights & Biases et Comet. Pour une approche sans code, la plateforme Ultralytics propose l’entraînement cloud, la gestion des jeux de données et le déploiement des modèles.

Équilibre des performances#

YOLO26 équilibre vitesse d’inférence et précision. L’inférence facultative sans NMS, l’optimiseur MuSGD et ProgLoss + STAL produisent un modèle précis sur les petits objets et rapide en production, ce qui en fait un excellent choix par défaut pour la plupart des applications de vision par ordinateur.

Autres modèles de l’écosystème#

Les développeurs qui assurent la maintenance de pipelines existants peuvent aussi envisager YOLOv8 pour les environnements d’entreprise établis, ou découvrir comment YOLO26 se compare à EfficientDet. Pour les nouveaux projets, YOLO26 est le choix recommandé.