Link to this sectionUltralytics Platform#
Ultralytics Platform est une plateforme de vision par ordinateur complète de bout en bout qui simplifie tout le flux de travail ML, de la préparation des données au déploiement des modèles. Conçue pour les équipes et les individus qui ont besoin de solutions de vision par ordinateur prêtes pour la production, sans la complexité de l'infrastructure.

Link to this sectionQu'est-ce que Ultralytics Platform ?#
Ultralytics Platform est conçue pour remplacer les outils ML fragmentés par une solution unifiée. Elle combine les fonctionnalités de :
- Roboflow - Gestion des données et annotation
- Weights & Biases - Suivi des expériences
- SageMaker - Entraînement dans le cloud
- HuggingFace - Déploiement de modèles
- Arize - Surveillance
Tout cela dans une seule plateforme avec un support natif pour les modèles YOLO26 et YOLO11.
Link to this sectionFlux de travail : Téléverser → Annoter → Entraîner → Exporter → Déployer#
La plateforme fournit un flux de travail de bout en bout :
graph LR
subgraph Data["📁 Data"]
A[Upload] --> B[Annotate]
B --> C[Analyze]
end
subgraph Train["🚀 Train"]
D[Configure] --> E[Train on GPU]
E --> F[View Metrics]
end
subgraph Deploy["🌐 Deploy"]
G[Export] --> H[Deploy Endpoint]
H --> I[Monitor]
end
Data --> Train --> Deploy| Étape | Fonctionnalités |
|---|---|
| Téléverser | Images (50 Mo), vidéos (1 Go) et fichiers de dataset (ZIP, TAR incluant .tar.gz/.tgz, NDJSON) avec traitement automatique |
| Annoter | Outils manuels pour les 6 types de tâches, plus l'Annotation intelligente avec SAM et les modèles YOLO pour la détection, la segmentation, la sémantique et l'OBB (voir tâches prises en charge) |
| Entraîner | GPU cloud (22 sur tous les plans + 2 réservés à Pro/Enterprise : B200, B300), métriques en temps réel, organisation de projets |
| Exporter | 19+ formats de déploiement (ONNX, TensorRT, CoreML, TFLite, etc. ; voir formats pris en charge) |
| Déployer | 43 régions mondiales avec des points de terminaison dédiés, passage à zéro par défaut (instance active unique) et surveillance |
Ce que tu peux faire :
- Téléverser des images, des vidéos et des fichiers de dataset pour créer des datasets d'entraînement
- Visualiser les annotations avec des superpositions interactives pour les 6 types de tâches YOLO (voir tâches prises en charge)
- Entraîner des modèles sur des GPU cloud (22 sur tous les plans, 24 avec Pro ou Enterprise pour B200 et B300) avec des métriques en temps réel
- Exporter vers 19+ formats de déploiement (ONNX, TensorRT, CoreML, TFLite, etc.)
- Déployer vers 43 régions mondiales avec des points de terminaison dédiés en un clic
- Surveiller la progression de l'entraînement, la santé du déploiement et les métriques d'utilisation
- Collaborer en rendant les projets et datasets publics pour la communauté
Link to this sectionInfrastructure multi-régions#
Tes données restent dans ta région. Ultralytics Platform exploite une infrastructure dans trois régions mondiales :
| Région | Étiquette | Emplacement | Idéal pour |
|---|---|---|---|
| US | Amériques | Iowa, USA | Utilisateurs des Amériques, plus rapide pour les Amériques |
| EU | Europe, Moyen-Orient & Afrique | Belgique, Europe | Utilisateurs européens, conformité RGPD |
| AP | Asie-Pacifique | Taïwan, Asie-Pacifique | Utilisateurs Asie-Pacifique, latence APAC la plus faible |
Tu sélectionnes ta région lors de l'intégration, et toutes tes données, modèles et déploiements restent dans cette région.
Ta région de données ne peut pas être modifiée après la création du compte. Lors de l'intégration, la plateforme mesure la latence vers chaque région et recommande la plus proche. Choisis avec soin.
Link to this sectionFonctionnalités clés#
Link to this sectionPréparation des données#
- Gestion des datasets : Téléverse des images, vidéos ou fichiers de dataset avec traitement automatique
- Éditeur d'annotations : Annotation manuelle pour les 6 types de tâches YOLO (détection, segmentation, sémantique, pose, OBB, classification ; voir tâches prises en charge)
- Modèles de squelettes : Modèles de squelettes intégrés (Personne, Main, Visage, Chien, Boîte) et personnalisés pour l'annotation de pose en un clic
- Annotation intelligente : Utilise SAM 2.1 (Tiny, Small, Base, Large), SAM 3, les modèles Ultralytics YOLO pré-entraînés, ou tes propres modèles YOLO affinés depuis la barre d'outils d'annotation pour les tâches de détection, segmentation, sémantique et OBB
- Gestion de versions de dataset : Crée des instantanés NDJSON numérotés avec des descriptions pour un entraînement reproductible
- Statistiques : Distribution des classes, cartes thermiques de localisation et analyse dimensionnelle
graph LR
A[Upload Dataset/Images/Video] --> B[Auto-Process]
B --> C[Browse & Filter]
C --> D{Annotate}
D --> E[Manual Tools]
D --> F[SAM Smart]
D --> G[YOLO Auto-Label]
E --> H[Train-Ready Dataset]
F --> H
G --> HL'éditeur d'annotations prend en charge les 6 types de tâches YOLO : détection (boîtes englobantes), segmentation (polygones), sémantique (régions par classe), pose (points clés), OBB (boîtes orientées) et classification (étiquettes au niveau de l'image). Chaque type de tâche dispose d'outils de dessin dédiés et de raccourcis clavier.
Link to this sectionEntraînement de modèles#
- Entraînement dans le cloud : Entraîne sur des GPU cloud (22 sur tous les plans, 24 avec Pro ou Enterprise pour B200 et B300) avec des métriques en temps réel
- Entraînement à distance : Entraîne n'importe où et diffuse les métriques vers la plateforme (style W&B)
- Organisation de projets : Regroupe les modèles associés, compare les expériences, suis l'activité
- 19+ Formats d'exportation : ONNX, TensorRT, CoreML, TFLite, et plus (voir formats pris en charge)

Tu peux entraîner des modèles soit via l'interface web (entraînement cloud), soit depuis ta propre machine (entraînement à distance) :
- Navigue vers ton projet
- Clique sur
Train Model - Sélectionne le dataset, le modèle, le GPU et les époques
- Surveille les courbes de perte et les métriques en temps réel
Link to this sectionDéploiement#
- Tests d'inférence : Teste les modèles directement dans le navigateur avec des images personnalisées
- Points de terminaison dédiés : Déploie vers 43 régions mondiales avec passage à zéro par défaut (instance active unique)
- Surveillance : Métriques en temps réel, journaux de requêtes et tableaux de bord de performance
graph LR
A[Trained Model] --> B{Action}
B --> C[Browser Predict]
B --> D[Export Format]
B --> E[Deploy Endpoint]
D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
E --> G[43 Global Regions]
G --> H[API Endpoint URL]
H --> I[Monitor & Scale]Une fois déployé, appelle ton point de terminaison depuis n'importe quel langage :
import requests
url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
with open("image.jpg", "rb") as f:
response = requests.post(url, headers=headers, files={"file": f})
print(response.json())Link to this sectionGestion de compte#
- Équipes & Organisations : Collabore avec les membres de l'équipe, gère les rôles et les invitations
- Clés API : Gestion sécurisée des clés pour l'entraînement à distance et l'accès API
- Crédits & Facturation : Entraînement à l'usage avec une tarification transparente
- Flux d'activité : Suis tous les événements et actions du compte
- Corbeille & Restauration : Suppression logique de 30 jours avec récupération des éléments
- Conformité RGPD : Exportation de données et suppression de compte
| Fonctionnalité | Gratuit | Pro (29 $/mois) | Enterprise |
|---|---|---|---|
| Crédit d'inscription | 5 $ / 25 $* | - | Personnalisé |
| Crédit mensuel | - | 30 $ / siège / mois | Personnalisé |
| Modèles | 100 | 500 | Illimité |
| Entraînements simultanés | 3 | 10 | Illimité |
| Déploiements | 3 | 10 | Illimité |
| Stockage | 100 Go | 500 Go | Illimité |
| Types de GPU Cloud | 22 | 24 (incl. B200 / B300) | 24 |
| Équipes | - | Jusqu'à 5 membres | Jusqu'à 50 |
| Support | Communauté | Prioritaire | Dédié |
*5 $ à l'inscription, ou 25 $ avec un e-mail professionnel vérifié.
Link to this sectionLiens rapides#
Démarre avec ces ressources :
- Démarrage rapide : Crée ton premier projet et entraîne un modèle en quelques minutes
- Jeux de données : Téléverse et gère tes données d'entraînement
- Annotation : Étiquette tes données avec des outils manuels et assistés par IA
- Projets : Organise tes modèles et tes expériences
- Entraînement Cloud : Entraîne sur des GPU cloud
- Inférence : Teste tes modèles
- Endpoints : Déploie tes modèles en production
- Surveillance : Suis les performances de déploiement
- Clés API : Gère l'accès API
- Facturation : Crédits et paiement
- Activité : Suis les événements de ton compte
- Corbeille : Récupère les éléments supprimés
- REST API : Référence API
Link to this sectionFAQ#
Link to this sectionComment démarrer avec Ultralytics Platform ?#
Pour démarrer avec Ultralytics Platform :
- S'inscrire : Crée un compte sur platform.ultralytics.com
- Sélectionner une région : Choisis ta région de données (US, EU, ou AP) lors de l'intégration
- Téléverser un jeu de données : Navigue vers la section Datasets pour téléverser tes données
- Entraîner un modèle : Crée un projet et commence l'entraînement sur des GPU cloud
- Déployer : Teste ton modèle et déploie-le sur un endpoint dédié
Pour un guide détaillé, consulte la page Démarrage rapide.
Link to this sectionQuels sont les avantages de Ultralytics Platform ?#
Ultralytics Platform offre :
- Flux de travail unifié : Données, entraînement et déploiement au même endroit
- Multi-région : 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 : Diffuse la progression de l'entraînement et surveille les déploiements
- 43 régions de déploiement : Déploie tes modèles près de tes utilisateurs dans le monde entier
- 6 types de tâches : Support pour la détection, la segmentation d'instance, la segmentation sémantique, la pose, l'OBB et la classification (voir docs des tâches)
- Annotation assistée par IA : Annotation intelligente avec des modèles SAM et YOLO pour accélérer la préparation des données
Link to this sectionQuelles options GPU sont disponibles pour l'entraînement cloud ?#
Ultralytics Platform supporte plusieurs types de GPU pour l'entraînement cloud :
| GPU | Génération | VRAM | Coût/heure | Idéal pour |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 Go | 0,24 $ | Petits jeux de données, tests |
| RTX A4500 | Ampere | 20 Go | 0,25 $ | Jeux de données de petite à moyenne taille |
| RTX 4000 Ada | Ada | 20 Go | 0,26 $ | Jeux de données de taille moyenne |
| RTX A5000 | Ampere | 24 Go | 0,27 $ | Jeux de données de taille moyenne |
| L4 | Ada | 24 Go | 0,39 $ | Optimisé pour l'inférence |
| A40 | Ampere | 48 Go | 0,44 $ | Tailles de lot plus grandes |
| RTX 3090 | Ampere | 24 Go | 0,46 $ | Entraînement général |
| RTX A6000 | Ampere | 48 Go | 0,49 $ | Grands modèles |
| RTX PRO 4500 | Blackwell | 32 Go | 0,64 $ | Excellent rapport prix/performance |
| RTX 4090 | Ada | 24 Go | $0.69 | Meilleur rapport prix/performances |
| RTX 6000 Ada | Ada | 48 Go | $0.77 | Entraînement par grands lots |
| L40S | Ada | 48 Go | $0.86 | Entraînement par grands lots |
| RTX 5090 | Blackwell | 32 Go | $0.99 | Dernière génération grand public |
| L40 | Ada | 48 Go | $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 | $1.89 | Valeur par défaut recommandée |
| H100 PCIe | Hopper | 80 GB | $2.39 | Entraînement haute performance |
| H100 SXM | Hopper | 80 GB | $2.99 | Entraînement le plus rapide |
| H100 NVL | Hopper | 94 GB | $3.07 | Performances maximales |
| H200 NVL | Hopper | 143 GB | $3.39 | Mémoire maximale |
| H200 SXM | Hopper | 141 GB | $3.99 | Performances maximales |
| B200 | Blackwell | 180 GB | $5.49 | Grands modèles (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | Très grands modèles (Pro+) |
Consulte Cloud Training pour obtenir la tarification complète et les options GPU.
Link to this sectionComment fonctionne l'entraînement à distance ?#
Tu peux entraîner des modèles sur ton propre matériel et diffuser des métriques en temps réel sur la plateforme, de manière similaire à Weights & Biases.
L'intégration à la plateforme nécessite ultralytics>=8.4.60. Les versions antérieures NE fonctionneront PAS avec la plateforme.
pip install "ultralytics>=8.4.60"# 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 Cloud Training pour plus de détails sur l'entraînement à distance.
Link to this sectionQuels outils d'annotation sont disponibles ?#
La plateforme inclut un éditeur d'annotation complet prenant en charge :
- Outils manuels : Bounding boxes, polygones, points clés avec modèles de squelette, boîtes orientées, classification
- Modèles de squelette : Place tous les points clés en une fois en utilisant des modèles intégrés (Personne, Main, Visage, Chien, Boîte) ou personnalisés
- Smart Annotation : Utilise SAM 2.1 ou SAM 3 pour une annotation basée sur des clics, ou exécute des modèles Ultralytics YOLO pré-entraînés et tes propres modèles YOLO affinés depuis la barre d'outils pour la détection, la segmentation, la sémantique et l'OBB
- Raccourcis clavier : Workflows efficaces avec des touches de raccourci
| Raccourci | Action |
|---|---|
V | Mode manuel (dessin) |
S | Mode intelligent (modèle SAM ou YOLO) |
A | Basculer l'application automatique (en mode intelligent) |
1 - 9 | Sélectionner une classe par numéro |
Delete | Supprimer l'annotation sélectionnée |
Ctrl+Z | Annuler |
Ctrl+Y | Rétablir |
Escape | Enregistrer / désélectionner / quitter |
Consulte Annotation pour le guide complet.
Link to this sectionQuels formats d'exportation sont pris en charge ?#
La plateforme prend en charge plus de 19 formats de déploiement :
| Format | Extension de fichier | Cas d'utilisation |
|---|---|---|
| ONNX | .onnx | Déploiement multiplateforme |
| TorchScript | .torchscript | Déploiement C++ |
| OpenVINO | _openvino_model | Matériel Intel |
| TensorRT | .engine | Inférence GPU NVIDIA |
| CoreML | .mlpackage | Appareils Apple |
| TFLite | .tflite | Appareils mobiles/edge |
| TF SavedModel | _saved_model | Écosystème TensorFlow |
| TF GraphDef | .pb | TensorFlow legacy |
| PaddlePaddle | _paddle_model | Écosystème Baidu |
| NCNN | _ncnn_model | Mobile (Android/ARM) |
| Edge TPU | _edgetpu.tflite | Appareils Google Coral |
| TF.js | _web_model | Déploiement sur navigateur |
| MNN | .mnn | Mobile Alibaba |
| RKNN | _rknn_model | Rockchip NPU |
| Qualcomm | _qnn_model | NPU Qualcomm Snapdragon |
| IMX500 | _imx_model | Capteur Sony IMX500 |
| Axelera | _axelera_model | Accélérateurs Axelera AI |
| ExecuTorch | _executorch_model | PyTorch mobile |
| DeepX | _deepx_model | Accélérateurs NPU DeepX |
Consulte Models Export, le Export mode guide et le Integrations index pour les options spécifiques au format.
Link to this sectionDépannage#
Link to this sectionProblèmes de 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 max : images 50 Mo, vidéos 1 Go, archives de jeux de données 10 Go (Gratuit) / 20 Go (Pro) / 50 Go (Enterprise) |
| Annotations manquantes | Vérifie que les étiquettes sont au YOLO format avec des fichiers .txt correspondant aux noms de fichiers image, ou téléverse du COCO JSON |
| "Train split required" | Ajoute un dossier train/ à la structure de ton jeu de données, ou redistribue les découpages via la split bar |
| Noms de classes non définis | Ajoute un fichier data.yaml avec une liste names: (voir YOLO format), ou définis les classes dans l'onglet Classes tab |
Link to this sectionProblèmes d'entraînement#
| Problème | Solution |
|---|---|
| L'entraînement ne démarre pas | Vérifie le solde de tes crédits dans Paramètres > Facturation. Un solde positif est requis |
| Erreur de mémoire insuffisante | Réduis la taille du lot (batch size), utilise un modèle plus petit (n/s) ou sélectionne un GPU avec plus de VRAM |
| Métriques médiocres | Vérifie la qualité du jeu de données, augmente le nombre d'époques, essaie l'augmentation de données, vérifie l'équilibre des classes |
| Entraînement lent | Sélectionne un GPU plus rapide, réduis la taille de l'image, vérifie que le jeu de données ne constitue pas un goulot d'étranglement |
Link to this sectionProblèmes de déploiement#
| Problème | Solution |
|---|---|
| Le point de terminaison ne répond pas | Vérifie l'état du point de terminaison (Prêt vs Arrêté). Un démarrage à froid peut prendre 5 à 15 secondes |
| 401 Non autorisé | Vérifie que ta clé API est correcte et possède les portées requises |
| Inférence lente | Vérifie la taille du modèle, envisage une TensorRT export, sélectionne une région plus proche |
| L'exportation a échoué | Certains formats nécessitent des architectures de modèle spécifiques. Essaie ONNX pour une compatibilité maximale |
Link to this sectionQuestions fréquentes#
Puis-je changer mon nom d'utilisateur après l'inscription ?
Non, les noms d'utilisateur sont permanents et ne peuvent pas être modifiés. Choisis-les avec soin lors de l'inscription.
Puis-je changer ma région de données ?
Ta région de données est sélectionnée lors de l'intégration et ne peut pas être modifiée par tes soins. Pour changer de région, contacte le support pour demander un changement.
Comment obtenir plus de crédits ?
Va dans Paramètres > Facturation > Ajouter des crédits. Achète des crédits de 5 $ à 1000 $. Les crédits achetés n'expirent jamais.
Que se passe-t-il si l'entraînement échoue ?
Tu n'es facturé que pour le temps de calcul utilisé. Les points de contrôle sont enregistrés et tu peux reprendre l'entraînement.
Puis-je télécharger mon modèle entraîné ?
Oui, clique sur l'icône de téléchargement sur n'importe quelle page de modèle pour télécharger le fichier .pt ou les formats exportés.
Comment partager mon travail publiquement ?
Modifie les paramètres de ton projet ou de ton jeu de données et bascule la visibilité sur "Public". Le contenu public apparaît sur la page Explorer.
Quelles sont les limites de taille de fichier ?
Images : 50 Mo, Vidéos : 1 Go, jeux de données : 10 Go en version gratuite, 20 Go en Pro, 50 Go en Enterprise. Pour les fichiers plus volumineux, divise-les en plusieurs téléversements.
Combien de temps les éléments supprimés sont-ils conservés dans la corbeille ?
30 jours. Après cela, les éléments sont définitivement supprimés et ne peuvent pas être récupérés.
Puis-je utiliser les modèles de la plateforme commercialement ?
Les plans Gratuit et Pro utilisent la licence AGPL. Pour une utilisation commerciale sans les exigences de l'AGPL, voir Ultralytics Licensing.