Link to this sectionDémarrage rapide avec Ultralytics Platform#

Ultralytics Platform est conçue pour être conviviale et intuitive, te permettant de télécharger rapidement tes jeux de données et d'entraîner de nouveaux modèles YOLO. Elle propose une gamme de modèles pré-entraînés, facilitant tes débuts. Une fois qu'un modèle est entraîné, tu peux le tester directement dans le navigateur et le déployer en production en un seul clic.

Le diagramme interactif suivant présente les quatre étapes principales du flux de travail d'Ultralytics Platform. Clique sur n'importe quelle étape ou sous-étape pour accéder aux instructions détaillées correspondantes.

graph LR
    A(Sign Up) --> B(Prepare Data) --> C(Train) --> D(Deploy)
    A -.- A1["<a href='#get-started'>Create account</a><br/><a href='#region-selection'>Select region</a>"]
    B -.- B1["<a href='#upload-your-first-dataset'>Upload dataset</a><br/><a href='#create-your-first-project'>Create Project</a>"]
    C -.- C1["<a href='#training-configuration'>Configure training</a><br/><a href='#monitor-training'>Monitor progress</a>"]
    D -.- D1["<a href='#test-your-model'>Test model</a><br/><a href='#deploy-to-production'>Deploy endpoint</a>"]

    click A "#get-started"
    click B "#upload-your-first-dataset"
    click C "#train-your-first-model"
    click D "#deploy-to-production"

Link to this sectionDémarrer#

Ultralytics Platform propose diverses options d'inscription faciles. Tu peux t'inscrire et te connecter en utilisant tes comptes Google ou GitHub, ou avec ton adresse e-mail.

Link to this sectionSélection de la région#

Lors de l'intégration, il te sera demandé de sélectionner ta région de données. La Platform mesure automatiquement la latence vers chaque région et te recommande la plus proche. C'est un choix important car il détermine où tes données, modèles et déploiements seront stockés.

Link to this sectionCrédits gratuits#

Chaque nouveau compte reçoit des crédits gratuits pour l'entraînement sur GPU cloud :

Link to this sectionComplète ton profil#

Le processus d'intégration te guide à travers trois étapes :

1. Profil - Saisis ton nom d'affichage, ton nom d'utilisateur unique (permanent, ne peut pas être modifié plus tard), ton organisation (facultatif) et ton cas d'utilisation principal
2. Région de données - Sélectionne US, EU ou AP avec une carte du monde visuelle indiquant la latence
3. Terminer - Vérifie tes sélections, applique éventuellement un code promotionnel et termine l'inscription pour réclamer tes crédits de bienvenue

Link to this sectionTableau de bord d'accueil#

Après t'être connecté, tu seras dirigé vers la page d'accueil d'Ultralytics Platform, qui fournit une carte de bienvenue avec des statistiques sur ton espace de travail, un accès rapide aux jeux de données, projets et au stockage, ainsi qu'un flux d'activité récent.

Link to this sectionNavigation latérale#

La barre latérale donne accès à toutes les sections de la Platform :

Link to this sectionCarte de bienvenue#

La carte de bienvenue affiche en un coup d'œil ton profil, ton badge de plan et les statistiques de ton espace de travail :

Link to this sectionActions rapides#

Sous la carte de bienvenue, le tableau de bord affiche trois cartes :

• Jeux de données : Crée un nouveau jeu de données ou dépose des images, vidéos ou fichiers de jeu de données pour les télécharger. Affiche tes jeux de données récents.
• Projets : Crée un nouveau projet ou dépose des fichiers de modèle .pt pour les télécharger. Affiche tes projets récents.
• Stockage : Aperçu de ton utilisation du stockage (jeux de données, modèles, exportations) avec les limites de ton plan.

Un tableau Activité récente en bas affiche tes derniers jeux de données, modèles et entraînements.

Link to this sectionRecherche globale#

Appuie sur Cmd+K (Mac) ou Ctrl+K (Windows/Linux) pour ouvrir la barre de recherche. Recherche instantanément parmi les pages, projets, jeux de données et déploiements.

Link to this sectionAssistant IA#

Un widget de chat flottant est disponible sur chaque page. Clique dessus pour poser des questions sur l'entraînement YOLO, l'annotation, le déploiement ou toute autre fonctionnalité de la Platform. L'assistant fournit une aide contextuelle basée sur la page actuelle.

Link to this sectionVisites guidées d'intégration#

La Platform inclut des visites guidées qui présentent les fonctionnalités clés au fur et à mesure que tu explores les différentes sections :

Link to this sectionRelancer les visites guidées#

Pour revoir n'importe quelle visite guidée :

• Bouton Relancer la visite — Clique sur ton avatar de profil (en bas à gauche de la barre latérale) pour ouvrir le menu utilisateur, puis sélectionne Relancer la visite. Cela réinitialise toutes les visites afin qu'elles se relancent lors de ta prochaine visite dans chaque section.
• Paramètre d'URL — Navigue vers platform.ultralytics.com/home?tour=nav pour redémarrer la visite guidée de la navigation directement.

Link to this sectionTéléverse ton premier jeu de données#

Navigate to Annotate in the sidebar and click New Dataset to add your training data. You can also drag and drop files directly onto the Datasets card on the Home dashboard.

Ultralytics Platform prend en charge plusieurs formats de téléversement (détails complets dans Datasets) :

graph LR
    A[Drop Files] --> B[Auto-Package ZIP]
    B --> C[Upload to Storage]
    C --> D[Backend Worker]
    D --> E[Resize & Thumbnail]
    E --> F[Parse Labels]
    F --> G[Compute Statistics]
    G --> H[Dataset Ready]

Après le téléversement, la plateforme traite automatiquement tes données :

1. Les images plus grandes que 4096px sont redimensionnées (en préservant le rapport hauteur/largeur)
2. Des miniatures de 256px sont générées pour une navigation rapide
3. Les étiquettes sont analysées et validées (format YOLO .txt)
4. Les statistiques sont calculées (distribution des classes, cartes thermiques, dimensions)

my-dataset.zip
├── data.yaml          # Class names and splits
├── train/
│   ├── images/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── labels/
│       ├── img001.txt
│       └── img002.txt
└── val/
    ├── images/
    └── labels/

Lis en plus sur les datasets et les formats pris en charge pour detect, segment, pose, OBB et classify.

Link to this sectionCrée ton premier projet#

Les projets t'aident à organiser les modèles et expériences associés. Navigue vers Projets et clique sur "Créer un projet".

Entre un nom et une description optionnelle pour ton projet. Les projets contiennent :

• Modèles : Checkpoints entraînés

Lis en plus sur les projects.

Link to this sectionEntraîne ton premier modèle#

From your project, click New Model to start cloud training.

Link to this sectionConfiguration de l'entraînement#

1. Sélectionner le jeu de données : Choisis parmi tes jeux de données téléversés (seuls les jeux de données avec un split train sont affichés)
2. Choisir le modèle : Sélectionne un modèle de base - les modèles officiels Ultralytics ou tes propres modèles entraînés
3. Définir les époques : Nombre d'itérations d'entraînement (par défaut : 100)
4. Sélectionner le GPU : Choisis les ressources de calcul selon ton budget et la taille du modèle. Le défaut est RTX PRO 6000 (96 Go Blackwell, 1,89 $/heure), qui gère toutes les variantes YOLO26. Consulte la table des tarifs GPU complète ou l'étape Cloud Training GPU pour la liste complète et le contrôle d'accès par niveau.

Link to this sectionSurveiller l'entraînement#

Une fois l'entraînement démarré, tu peux surveiller la progression en temps réel via trois sous-onglets :

Les métriques sont diffusées en temps réel via SSE (Server-Sent Events). Une fois l'entraînement terminé, des tracés de validation sont générés incluant la matrice de confusion, les courbes PR et les courbes F1.

Lis en plus sur le cloud training.

Link to this sectionTeste ton modèle#

Une fois l'entraînement terminé, teste ton modèle directement dans le navigateur :

1. Navigate to your model's Predict tab
2. Téléverse une image, glisse et dépose, ou utilise des images d'exemple (auto-inférence lors du dépôt)
3. Visualise les résultats d'inférence avec les cadres de délimitation rendus sur le canevas

Ajuste les paramètres d'inférence :

The Predict tab provides ready-to-use code examples with your actual API key pre-filled:

import requests

url = "https://platform.ultralytics.com/api/models/{model_id}/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())

Lis en plus sur l'inference.

Link to this sectionDéploie en production#

Déploie ton modèle sur un point de terminaison dédié pour une utilisation en production :

1. Navigate to your model's Deploy tab
2. Sélectionne une région sur la carte du monde interactive (43 régions disponibles)
3. La carte affiche des mesures de latence en temps réel avec des couleurs sur un gradient du vert au rouge (une latence plus faible est plus verte, une latence plus élevée est plus rouge)
4. Click Deploy to create your endpoint

graph LR
    A[Select Region] --> B[Deploy]
    B --> C[Provisioning ~1 min]
    C --> D[Running]
    D --> E{Lifecycle}
    E --> F[Stop]
    E --> G[Delete]
    F --> H[Resume]
    H --> D

Ton point de terminaison sera prêt en environ une minute avec :

• URL unique : Point de terminaison HTTPS pour les appels API
• Comportement de réduction à zéro : Aucun coût de calcul en mode veille (les déploiements exécutent actuellement une seule instance active)
• Surveillance : Métriques de demande et journaux

After deployment, you can manage all your endpoints from the Deploy section in the sidebar, which shows a global map with active deployments, overview metrics, and a list of all endpoints.

Lis en plus sur les endpoints.

Link to this sectionEntraînement distant (Optionnel)#

Si tu préfères entraîner sur ton propre matériel, tu peux diffuser les métriques vers la plateforme en utilisant ta clé API. Cela fonctionne comme Weights & Biases — entraîne n'importe où, surveille sur la plateforme.

1. Generate an API key in Settings > API Keys
2. Définis la variable d'environnement et entraîne avec un format project/name :

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

En savoir plus sur les clés API, les URI de jeux de données et l'entraînement à distance.

Link to this sectionCommentaires et aide#

La page Aide dans le pied de page de la barre latérale inclut un formulaire de commentaires intégré. Tu peux évaluer ton expérience, choisir un type de commentaire (bug, demande de fonctionnalité ou général) et joindre des captures d'écran.

Si tu as besoin de plus d'aide :

• AI Chat : Clique sur le widget de chat flottant sur n'importe quelle page pour une aide instantanée
• Documentation : Parcours ces docs pour des guides détaillés sur les datasets, l'annotation, l'entraînement, le déploiement et la facturation
• Discord : Rejoins notre communauté Discord pour des discussions
• GitHub : Signale des problèmes sur GitHub
• REST API : Consulte la référence de l'API ou essaie les docs interactives de l'API pour un accès programmatique à toutes les fonctionnalités de la Plateforme