Plateforme Ultralytics#
Ultralytics Platform est une plateforme complète de vision par ordinateur de bout en bout qui simplifie l'ensemble du flux de travail ML, de la préparation des données au déploiement des modèles. Elle est conçue pour les équipes et les particuliers qui ont besoin de solutions de vision par ordinateur prêtes pour la production, sans la complexité liée à l'infrastructure.

Qu'est-ce qu'Ultralytics Platform ?#
Ultralytics Platform regroupe la gestion et l'annotation des jeux de données, le suivi des expériences, l'entraînement dans le cloud et à distance, l'exportation des modèles, les points de terminaison d'inférence dédiés et la surveillance du déploiement dans un seul espace de travail. La plateforme prend en charge nativement les modèles YOLO26, YOLO11, YOLOv8 et YOLOv5.
Flux de travail : téléverser → annoter → entraîner → exporter ou déployer#
La plateforme propose un flux de travail de bout en bout :
| Étape | Fonctionnalités |
|---|---|
| Téléverser | Images (50MB), vidéos (1GB) et fichiers de jeu de données (ZIP, TAR, y compris .tar.gz/.tgz, NDJSON) depuis ta machine, une URL, un stockage cloud ou un hôte sur site |
| Annoter | Outils d'annotation manuelle pour 6 types de tâches, ainsi que Smart Annotation avec des modèles SAM pour la détection, la segmentation, la segmentation sémantique et OBB, des modèles YOLO pour ces tâches et la pose, ou des modèles guidés par classes (modèles open source hébergés ou modèles payants de fournisseurs) pour les jeux de données de détection comportant de 1 à 200 classes (voir les types de tâches pris en charge) |
| Entraîner | GPU cloud (24 avec toutes les offres + 2 réservés aux offres Pro/Enterprise : B200, B300), métriques en temps réel, organisation des projets |
| Exporter | 22 formats de déploiement (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, etc. ; consulte les formats pris en charge) |
| Déployer | 42 régions dans le monde avec des points de terminaison dédiés, mise à l'échelle à zéro par défaut (une seule instance active) et surveillance |
Ce que tu peux faire :
- Téléverser des images, des vidéos et des fichiers de jeu de données pour créer des jeux de données d'entraînement
- Visualiser les annotations avec des superpositions interactives pour les 6 types de tâches YOLO pris en charge par l'éditeur d'annotations (voir les types de tâches pris en charge)
- Entraîner des modèles sur des GPU cloud (24 avec toutes les offres, 26 avec Pro ou Enterprise pour B200 et B300), avec des métriques en temps réel
- Exporte vers 22 formats de déploiement (ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend, etc.)
- Déployer dans 42 régions du monde avec des points de terminaison dédiés accessibles en un clic
- Créer des flux de travail Agents qui relient modèles, conditions, collecte de jeux de données, alertes Slack et webhooks
- Surveiller la progression de l'entraînement, l'état des déploiements et les métriques d'utilisation
- Connecter le stockage cloud, les outils d'annotation et Slack grâce aux intégrations
- Collaborer en rendant les projets et les jeux de données publics pour la communauté
Infrastructure multirégionale#
Tes données restent dans ta région. Ultralytics Platform exploite une infrastructure dans trois régions du monde :
| Région | Libellé | Emplacement | Idéal pour |
|---|---|---|---|
| US | Amériques | Iowa, États-Unis | Utilisateurs des Amériques, performances optimales pour les Amériques |
| EU | Europe, Moyen-Orient et Afrique | Belgique, Europe | Utilisateurs européens, conformité au RGPD |
| AP | Asie-Pacifique | Taïwan, Asie-Pacifique | Utilisateurs d'Asie-Pacifique, latence minimale dans la région |
Tu sélectionnes ta région de données lors de la configuration initiale. Les jeux de données, les modèles et les données d'entraînement géré restent dans cette région. Les points de terminaison dédiés sont déployés séparément dans la région que tu choisis sur la carte mondiale des déploiements.
Tu ne peux pas modifier toi-même ta région de données après la création de ton compte. Lors de la configuration initiale, la plateforme mesure la latence vers chaque région et te recommande la plus proche. Contacte l'assistance si tu dois ensuite demander un changement de région. Cela concerne le contenu des jeux de données et des modèles ; les données de compte, comme le profil, la facturation et l'historique d'activité, sont traitées à l'échelle mondiale, comme indiqué dans notre Politique de confidentialité et notre Accord de traitement des données.
Fonctionnalités clés#
Préparation des données#
- Gestion des jeux de données : crée des jeux de données à partir de fichiers locaux, d'une URL, d'un stockage cloud connecté ou d'un hôte sur site, avec traitement automatique
- Éditeur d'annotations : outils d'annotation manuelle pour 6 types de tâches YOLO (détection, segmentation, segmentation sémantique, classification, pose, OBB ; voir les types de tâches pris en charge)
- Modèles de squelettes : modèles de squelettes intégrés (personne, main, chien, visage, boîte) et personnalisés pour annoter des poses en un clic
- Smart Annotation : utilise SAM 2.1 (Tiny, Small, Base, Large), SAM 3 ou SAM 3.1 (par défaut) depuis la barre d'outils d'annotation pour les tâches de détection, de segmentation, de segmentation sémantique et OBB ; des modèles Ultralytics YOLO préentraînés et tes propres modèles YOLO ajustés pour ces tâches et la pose ; ou des modèles guidés par classes pour les jeux de données de détection comprenant de 1 à 200 classes : six modèles open source hébergés (Moondream 3.1 par défaut), SAM 3 et SAM 3.1 hébergés et guidés par texte, ou des modèles de vision payants d'OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi et Xiaomi MiMo avec une clé fournisseur accessible dans Paramètres > Clés API
- Gestion des versions des jeux de données : crée des instantanés NDJSON numérotés avec des descriptions, puis télécharge ou restaure n'importe quelle version pour garantir la reproductibilité de l'entraînement
- Statistiques : répartition des classes, répartition des divisions, cartes thermiques de localisation et analyse des dimensions des boîtes englobantes
L'éditeur d'annotations propose des outils pour 6 types de tâches YOLO : détection (boîtes englobantes), segmentation (polygones), segmentation sémantique (régions par classe), classification (étiquettes au niveau de l'image), pose (points clés) et OBB (boîtes orientées). Chaque type de tâche dispose de commandes d'annotation dédiées et de raccourcis clavier.
Entraînement des modèles#
- Entraînement cloud : entraîne sur des GPU cloud (24 avec toutes les offres, 26 avec Pro ou Enterprise pour B200 et B300), avec des métriques en temps réel et une estimation des coûts actualisée en direct
- Entraînement à distance : entraîne où que tu sois et diffuse les métriques vers Ultralytics Platform
- Paramètres avancés : remplace n'importe quel argument d'entraînement Ultralytics depuis un éditeur YAML intégré à la boîte de dialogue d'entraînement
- Organisation des projets : regroupe les modèles associés, compare les expériences et suis l'activité
- 22 formats d’export : ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend et bien d’autres (consulte les formats pris en charge)

Tu peux entraîner des modèles soit depuis l'interface Web (entraînement cloud), soit depuis ta propre machine (entraînement à distance) :
- Accède à ton projet
- Clique sur
New Model - Sélectionne le jeu de données, le modèle, le GPU et le nombre d'époques
- Suis en temps réel les courbes de perte et les métriques
Déploiement#
- Test d'inférence : teste les modèles directement dans le navigateur avec tes propres images, une capture par webcam ou les exemples intégrés
- Points de terminaison dédiés : déploie dans 42 régions du monde, avec mise à l'échelle à zéro par défaut (une seule instance active)
- Surveillance : métriques en temps réel, journaux des requêtes et tableaux de bord des performances
Une fois le déploiement effectué, appelle ton endpoint depuis n’importe quel langage. conf, iou et imgsz sont des champs de formulaire facultatifs qui prennent par défaut les valeurs 0.25, 0.7 et la taille d’image utilisée pour l’entraînement du modèle (640 si elle n’est pas disponible) :
import requests
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}
with open("image.jpg", "rb") as f:
response = requests.post(
url,
headers={"Authorization": f"Bearer {api_key}"},
data=args,
files={"file": f},
)
print(response.json())Gestion du compte#
- Équipes et organisations : collabore avec les membres de ton équipe, gère les rôles et les invitations, et change d’espace de travail depuis le menu du compte
- Clés API : gestion sécurisée des clés pour l’entraînement à distance et l’accès à l’API
- Crédits et facturation : entraînement à l’usage, avec des tarifs transparents et des recharges de 5 $ à 1 000 $
- Fil d’activité : suis tous les événements et toutes les actions du compte
- Corbeille et restauration : suppression réversible pendant 30 jours avec possibilité de récupérer les éléments
- Conformité au RGPD : exportation des données et suppression du compte
Consulte la comparaison officielle des offres Free, Pro et Enterprise pour connaître les limites actuelles, l’accès aux GPU, les fonctionnalités de collaboration et les licences.
Liens rapides#
Commence avec ces ressources :
- Démarrage rapide : crée ton premier projet et entraîne un modèle en quelques minutes
- Découvrir : Parcours et clone des jeux de données et des projets publics, et recherche des images en fonction de leur contenu
- Données : aperçu de la préparation des jeux de données
- Jeux de données : téléverse et gère tes données d’entraînement
- Annotation : annote tes données avec des outils manuels et assistés par l’IA
- Entraînement : aperçu de l’entraînement
- Projets : organise tes modèles et tes expériences
- Modèles : pages des modèles, téléchargements et exportations
- Entraînement dans le cloud : entraîne tes modèles sur des GPU cloud
- Déploiement : aperçu du déploiement
- Inférence : teste tes modèles
- Endpoints : déploie tes modèles en production
- Surveillance : suis les performances de tes déploiements
- Compte : aperçu du compte
- Paramètres : préférences du profil et de l’espace de travail
- Équipes : membres, rôles et invitations
- Clés API : gère l’accès à l’API
- Facturation : crédits et paiements
- Activité : suis les événements du compte
- Corbeille : récupère les éléments supprimés
- Intégrations : stockage cloud, outils d’annotation et Slack
- REST API : référence de l’API
Dépannage#
Problèmes liés aux jeux de données#
| Problème | Solution |
|---|---|
| Le jeu de données ne se traite pas | Vérifie que le format de fichier est pris en charge (JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO pour les images). Taille maximale des fichiers : images 50 MB, vidéos 1 GB, archives de jeux de données 10 GB (Free) / 20 GB (Pro) / 50 GB (Enterprise) |
| Annotations manquantes | Vérifie que les étiquettes sont au format YOLO et que les fichiers .txt portent le même nom que les fichiers image, ou téléverse un fichier JSON COCO |
| « Fractionnement d’entraînement requis » | Ajoute le dossier train/ à la structure de ton jeu de données, ou redistribue les fractions à l’aide de la barre de répartition |
| Noms de classes non définis | Ajoute un fichier data.yaml contenant une liste names: (voir le format YOLO), ou définis les classes dans l’onglet Classes |
Problèmes d’entraînement#
| Problème | Solution |
|---|---|
| L’entraînement ne démarre pas | Vérifie ton solde de crédits dans Paramètres > Facturation. Un solde positif est requis |
| Erreur de mémoire insuffisante | Réduis la taille du lot, utilise un modèle plus petit (n/s) ou sélectionne un GPU doté de plus de VRAM |
| Métriques médiocres | Vérifie la qualité du jeu de données, augmente le nombre d’époques, essaie l’augmentation des données et vérifie l’équilibre des classes |
| Entraînement lent | Sélectionne un GPU plus rapide, réduis la taille des images et vérifie que le jeu de données ne constitue pas un goulot d’étranglement |
Problèmes de déploiement#
| Problème | Solution |
|---|---|
| L’endpoint ne répond pas | Vérifie l’état de l’endpoint (Prêt ou Arrêté). Après une période d’inactivité, le démarrage à froid peut prendre jusqu’à une minute lors de la première requête |
| 401 Non autorisé | Vérifie que la clé API est active et qu’elle a été copiée correctement |
| Inférence lente | Vérifie la taille du modèle, envisage un export TensorRT et sélectionne une région plus proche |
| Échec de l’exportation | Certains formats nécessitent des architectures de modèle spécifiques. Essaie ONNX pour une compatibilité optimale |
Questions fréquentes#
Puis-je changer de nom d’utilisateur après l’inscription ?
Non, les noms d’utilisateur sont définitifs et ne peuvent pas être modifiés. Choisis-le soigneusement lors de ton inscription.
Puis-je changer de région de données ?
Tu sélectionnes ta région de données pendant la configuration initiale et tu ne peux pas la modifier toi-même. Pour changer de région, contacte l’assistance et demande le changement.
Comment obtenir plus de crédits ?
Va dans Paramètres > Facturation et clique sur Recharger. Achète des crédits de 5 $ à 1 000 $. Les crédits achetés n’expirent jamais.
Que se passe-t-il si l’entraînement échoue ?
Si le calcul dans le cloud a démarré, le temps d’utilisation du GPU écoulé est facturé. Les échecs survenant avant le démarrage d’un GPU n’entraînent aucuns frais de calcul.
Puis-je télécharger le modèle que j’ai entraîné ?
Oui. Clique sur l’icône de téléchargement de la page du modèle pour récupérer ses poids .pt, ou ouvre l’onglet Exportation pour accéder aux formats exportés terminés.
Comment partager publiquement mon travail ?
Ouvre le projet ou le jeu de données, clique sur son badge Privé dans la barre de navigation supérieure, puis confirme en cliquant sur Rendre public. Le contenu public apparaît sur la page Explorer.
Quelles sont les limites de taille des fichiers ?
Images : 50MB, vidéos : 1GB, jeux de données : 10GB avec Free, 20GB avec Pro, 50GB avec Enterprise. Pour les fichiers plus volumineux, répartis-les en plusieurs téléversements.
Combien de temps les éléments supprimés restent-ils dans la corbeille ?
30 jours. Passé ce délai, les éléments sont définitivement supprimés et ne peuvent pas être récupérés.
Puis-je utiliser les modèles de la plateforme à des fins commerciales ?
Les offres Free et Pro utilisent la licence AGPL. Pour un usage commercial sans les exigences de l’AGPL, consulte les licences Ultralytics.
FAQ#
Pour commencer avec Ultralytics Platform :
- Inscription : crée un compte sur platform.ultralytics.com
- Choix de la région : choisis ta région de données (US, EU ou AP) pendant la configuration initiale
- Téléverser un jeu de données : ouvre
Annotatedans la barre latérale et téléverse tes données - Entraîner un modèle : crée un projet et lance l’entraînement sur des GPU cloud
- Déployer : teste ton modèle et déploie-le sur un endpoint dédié
Pour un guide détaillé, consulte la page de démarrage rapide.
Ultralytics Platform propose :
- Flux de travail unifié : données, entraînement et déploiement au même endroit
- Plusieurs régions : résidence des données dans les régions US, EU ou AP
- Entraînement sans code : entraîne des modèles YOLO avancés sans écrire de code
- Métriques en temps réel : suis la progression de l’entraînement et surveille les déploiements
- 42 régions de déploiement : déploie des modèles à proximité de tes utilisateurs partout dans le monde
- 7 types de tâches : prise en charge de la détection, de la segmentation d’instances, de la segmentation sémantique, de l’estimation de profondeur, de la classification, de l’estimation de pose et des OBB (voir la documentation des tâches)
- Annotation assistée par l’IA : annotation intelligente avec SAM, YOLO et des modèles guidés par les classes (jeux de données de détection comportant de 1 à 200 classes) pour accélérer la préparation des données
Ultralytics Platform prend en charge plusieurs types de GPU pour l’entraînement dans le cloud :
GPU Génération VRAM Coût/heure Idéal pour RTX 2000 Ada Ada 16 GB $0.24 Petits jeux de données, tests RTX A4500 Ampere 20 GB $0.25 Jeux de données petits à moyens RTX 4000 Ada Ada 20 GB $0.26 Jeux de données moyens RTX A5000 Ampere 24 GB $0.27 Jeux de données moyens L4 Ada 24 GB $0.39 Optimisé pour l’inférence A40 Ampere 48 GB $0.44 Tailles de lot plus importantes RTX 3090 Ampere 24 GB $0.46 Entraînement général RTX A6000 Ampere 48 GB $0.49 Grands modèles RTX PRO 4000 Blackwell 24 GB $0.57 Blackwell économique RTX PRO 4500 Blackwell 32 GB $0.64 Excellent rapport qualité-prix RTX 4090 Ada 24 GB $0.69 Meilleur rapport qualité-prix RTX 6000 Ada Ada 48 GB $0.77 Entraînement avec de grandes tailles de lot L40S Ada 48 GB $0.86 Entraînement avec de grandes tailles de lot RTX PRO 5000 Blackwell 48 GB $0.96 Entraînement avec de grandes tailles de lot RTX 5090 Blackwell 32 GB $0.99 Dernière génération grand public L40 Ada 48 GB $0.99 Grands modèles A100 PCIe Ampere 80 GB $1.39 Entraînement en production A100 SXM Ampere 80 GB $1.49 Entraînement en production RTX PRO 6000 Blackwell 96 GB $2.09 Option par défaut recommandée H100 PCIe Hopper 80 GB $2.89 Entraînement haute performance H100 NVL Hopper 94 GB $3.19 Performances maximales H100 SXM Hopper 80 GB $3.29 Entraînement le plus rapide H200 NVL Hopper 143 GB $3.39 Mémoire maximale H200 SXM Hopper 141 GB $4.39 Performances maximales B200 Blackwell 180 GB $5.89 Grands modèles (Pro+) B300 Blackwell 288 GB $7.39 Les plus grands modèles (Pro+) Consulte l’entraînement dans le cloud pour connaître les tarifs et les options de GPU.
Tu peux entraîner des modèles sur ton propre matériel et transmettre des métriques en temps réel à Ultralytics Platform.
Version requise du packageL’intégration à Platform nécessite Python>=3.11 et ultralytics>=8.4.120. Les versions antérieures ne fonctionneront PAS avec Platform.
pip install "ultralytics>=8.4.120"# Set your API key export ULTRALYTICS_API_KEY="YOUR_API_KEY" # Train with project/name to stream metrics yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1Consulte l’entraînement dans le cloud pour en savoir plus sur l’entraînement à distance.
Platform comprend un éditeur d’annotation complet qui prend en charge :
- Outils manuels : boîtes englobantes, polygones, points clés avec modèles de squelette, boîtes orientées, classification
- Modèles de squelette : place tous les points clés en une fois à l’aide des modèles intégrés (personne, main, chien, visage, boîte) ou de modèles personnalisés
- Annotation intelligente : utilise SAM 2.1, SAM 3 ou SAM 3.1 (par défaut) pour annoter par clic des jeux de données de détection, de segmentation, de segmentation sémantique et OBB ; lance depuis la barre d’outils les modèles Ultralytics YOLO préentraînés et tes propres modèles YOLO ajustés pour ces tâches et la pose ; ou lance des modèles guidés par des classes sur des jeux de données de détection comportant de 1 à 200 classes : six modèles open source hébergés (Moondream 3.1 par défaut), SAM 3 et SAM 3.1 hébergés et guidés par du texte, ou des modèles de vision payants d’OpenAI, Anthropic, Google, Meta, SpaceXAI, DeepSeek, Z.ai, Kimi et Xiaomi MiMo avec une clé de fournisseur accessible dans Settings > API Keys
- Raccourcis clavier : des flux de travail efficaces avec des raccourcis clavier, répertoriés dans le menu contextuel des raccourcis de l’éditeur
Raccourci Action VMode manuel (dessin) SMode intelligent (SAM, YOLO ou modèle guidé par des classes) PPrédire (en mode intelligent) AActiver/désactiver l’application automatique (mode intelligent SAM) 1-9Sélectionner une classe par numéro HAfficher/masquer les annotations Space+ glisser ou glisser avec le bouton central de la sourisDéplacer la vue du canevas Delete/BackspaceSupprimer l’annotation sélectionnée Ctrl+SEnregistrer les annotations Ctrl+ZAnnuler Ctrl+YRétablir EscapeEnregistrer / désélectionner / quitter Consulte Annotation pour lire le guide complet.
La Platform prend en charge les mêmes 22 formats de déploiement que le mode Export d’Ultralytics. PyTorch est le format source ; chaque ligne avec un argument
formatcorrespond à une cible d’export.Format Argument formatModèle Métadonnées Arguments PyTorch - yolo26n.pt✅ - TorchScript torchscriptyolo26n.torchscript✅ imgsz,quantize,dynamic,nms,batch,deviceONNX onnxyolo26n.onnx✅ imgsz,quantize,dynamic,simplify,opset,nms,batch,data,fraction,deviceOpenVINO openvinoyolo26n_openvino_model/✅ imgsz,quantize,dynamic,nms,batch,data,fraction,deviceTensorRT engineyolo26n.engine✅ imgsz,quantize,dynamic,simplify,opset,workspace,nms,batch,data,fraction,deviceCoreML coremlyolo26n.mlpackage✅ imgsz,dynamic,quantize,nms,batch,deviceApple Core AI coreaiyolo26n.aimodel✅ imgsz,batch,quantizeTF SavedModel saved_modelyolo26n_saved_model/✅ imgsz,quantize,opset,nms,batch,data,fraction,deviceTF GraphDef pbyolo26n.pb❌ imgsz,opset,batch,deviceTF Edge TPU edgetpuyolo26n_edgetpu.tflite✅ imgsz,quantize,opset,data,fraction,deviceLiteRT litertyolo26n.tflite✅ imgsz,quantize,batch,data,fraction,devicePaddlePaddle paddleyolo26n_paddle_model/✅ imgsz,batch,deviceMNN mnnyolo26n.mnn✅ imgsz,batch,dynamic,quantize,simplify,opset,nms,deviceNCNN ncnnyolo26n_ncnn_model/✅ imgsz,quantize,batch,deviceIMX500 imxyolo26n_imx_model/✅ imgsz,quantize,data,fraction,nms,deviceRKNN rknnyolo26n_rknn_model/✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceExecuTorch executorchyolo26n_executorch_model/✅ imgsz,batch,deviceAxelera axelerayolo26n_axelera_model/✅ imgsz,batch,quantize,data,fraction,deviceDEEPX deepxyolo26n_deepx_model/✅ imgsz,quantize,simplify,opset,data,optimize,deviceQualcomm QNN qnnyolo26n_qnn.onnx✅ imgsz,batch,name,quantize,simplify,opset,data,fraction,deviceHailo hailoyolo26n_hailo_model/✅ imgsz,name,quantize,data,fraction,simplify,conf,iou,deviceHuawei Ascend ascendyolo26n_ascend_model/✅ imgsz,batch,name,quantize,opset,simplify,nms,deviceAMD Xilinx xilinxyolo26n_xilinx_model/✅ imgsz,name,quantize,data,fraction,opset,simplify,devicenms=Noneproduit par défaut des sorties brutes pour la NMS externe. Définisnms=Falsepour sélectionner une tête disponible sans NMS ; les formats non pris en charge utilisent leur voie de sortie native. Les entréesnmsci-dessus désignent les formats qui peuvent intégrer la NMS avecnms=True.Consulte l’exportation des modèles, le guide du mode Export et l’index des intégrations pour connaître les options propres à chaque format.