Démarrage rapide d’Ultralytics Platform#

Ultralytics Platform propose un flux de travail guidé pour téléverser des jeux de données, entraîner de nouveaux modèles YOLO à partir de poids préentraînés, tester les modèles finalisés dans le navigateur et configurer des points de terminaison d’inférence dédiés.

Le diagramme interactif ci-dessous présente les quatre principales étapes du workflow de la plateforme Ultralytics. Clique sur une étape pour accéder aux instructions correspondantes.

Commencer#

Ultralytics Platform propose plusieurs options d’inscription simples. Tu peux créer un compte et te connecter avec ton compte Google ou GitHub, ou avec ton adresse e-mail.

Sélection de la région#

Pendant la prise en main, tu devras sélectionner ta région de données. Platform mesure automatiquement la latence vers chaque région et te recommande la plus proche. Ce choix détermine où sont stockés tes jeux de données, tes modèles et tes données d’entraînement gérées. Les régions des points de terminaison dédiés sont sélectionnées séparément lors du déploiement d’un modèle.

Crédits gratuits#

Chaque nouveau compte reçoit des crédits gratuits pour l’entraînement sur GPU dans le cloud :

Complète ton profil#

Le processus de prise en main te guide en trois étapes :

1. Profil - Saisis ton nom d’affichage, ton nom d’utilisateur unique (définitif, il ne pourra pas être modifié plus tard), ton organisation (facultatif) et ton principal cas d’utilisation
2. Région des données - Choisis les États-Unis, l’UE ou l’Asie-Pacifique à l’aide d’une carte du monde indiquant la latence
3. Terminer - Vérifie tes choix, applique éventuellement un code promo et termine ton inscription pour obtenir tes crédits de bienvenue

Tableau de bord d’accueil#

Après ta connexion, tu seras dirigé vers la page d’accueil de Ultralytics Platform, qui comprend une carte de bienvenue avec les statistiques de ton espace de travail, une vidéo de présentation, un accès rapide aux jeux de données, aux projets et au stockage, ainsi qu’un fil d’activité récente.

Navigation latérale#

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

Chaque section de contenu répertorie tes cinq éléments les plus récents et propose un lien vers les autres. Survole un élément pour afficher une action de suppression qui le déplace vers la Corbeille, sauf pour les déploiements, qui sont supprimés définitivement après confirmation ; tu peux accéder à la Corbeille à partir de la recherche (Cmd+K) ou en ouvrant platform.ultralytics.com/trash.

Carte de bienvenue#

La carte de bienvenue affiche ton profil, le badge de ton offre (qui renvoie vers la comparaison des offres) et les statistiques de ton espace de travail en un coup d’œil. Chaque statistique renvoie vers la vue correspondante de l’espace de travail :

Actions rapides#

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

• Jeux de données : crée un jeu de données ou dépose des images, des vidéos ou des fichiers de jeux de données à téléverser. Affiche tes jeux de données récents.
• Projets : crée un projet ou dépose des fichiers de modèle .pt à téléverser. Affiche tes projets récents.
• Stockage : aperçu de ton utilisation du stockage (jeux de données, modèles, exports) et des limites de ton offre.

Un tableau Activité récente au bas de la page affiche tes derniers jeux de données, projets et déploiements, ainsi que leur état et la date de leur dernière mise à jour.

Recherche globale#

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

Assistant de chat IA#

Clique sur Demander à l’IA pour travailler avec un agent IA qui automatise des tâches dans Ultralytics Platform. Il travaille directement avec tes jeux de données et tes modèles pour annoter des images, lancer des expériences d’entraînement, comparer les résultats et exporter ou déployer des modèles. Consulte AutoTrain avec Ask AI pour découvrir des exemples de prompts et configurer ton propre agent de programmation.

Visites guidées de prise en main#

Platform propose des visites guidées qui te présentent les principales fonctionnalités à mesure que tu explores les différentes sections :

Relancer les visites guidées#

Pour relancer une visite guidée :

• Bouton Refaire la visite — Clique sur l’avatar de ton profil (en bas à gauche de la barre latérale) pour ouvrir le menu du compte, puis sélectionne Refaire la visite. Toutes les visites sont réinitialisées et seront relancées lors de ta prochaine visite de chaque section.
• Paramètre d’URL — Ajoute ?tour= avec l’identifiant de la visite guidée pour en relancer une directement : ?tour=nav sur la page d’accueil, ?tour=project sur une page de projet ou ?tour=dataset sur une page de jeu de données.

Téléverser ton premier jeu de données#

Ouvre Annotate dans la barre latérale et clique sur + pour créer un jeu de données. Tu peux aussi faire glisser des fichiers et les déposer directement sur la carte Jeux de données du tableau de bord d’accueil.

La boîte de dialogue Nouveau jeu de données propose quatre sources. Ce guide de démarrage rapide utilise Importer ; les autres sont présentées dans Jeux de données et Intégrations :

Les imports acceptent plusieurs formats (tous les détails dans Jeux de données ) :

Après l'import, la plateforme traite automatiquement tes données :

1. Les images de plus de 4096px sont redimensionnées (en conservant le rapport hauteur/largeur ; les originaux TIFF sont stockés tels qu'importés)
2. Des miniatures de 256px sont générées pour accélérer la navigation
3. Les annotations YOLO, COCO, LabelMe et NDJSON d'Ultralytics ou Labelbox sont analysées et validées
4. Des 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/

Pour en savoir plus sur les jeux de données et les formats pris en charge pour la détection, la segmentation, la pose, l'OBB et la classification.

Crée ton premier projet#

Les projets t'aident à organiser des modèles et des expériences connexes. Ouvre Train dans la barre latérale et clique sur + pour créer un projet. Tu peux aussi déposer des poids .pt sur la carte Projets du tableau de bord d'accueil pour créer un projet et les importer en une seule étape.

Saisis un nom et, si tu le souhaites, une description. Les projets organisent les exécutions de modèles et les poids de modèles importés ou clonés, avec des graphiques permettant de comparer les résultats d'entraînement terminés.

Pour en savoir plus sur les projets.

Entraîne ton premier modèle#

Dans ton projet, clique sur New Model pour ouvrir la boîte de dialogue Entraîner un nouveau modèle. Tu peux aussi démarrer depuis une page de jeu de données ; dans ce cas, le jeu de données est déjà sélectionné et tu choisis le projet de destination.

Configuration de l'entraînement#

1. Modèle de base : sélectionne des poids officiels Ultralytics ou l'un de tes modèles entraînés. La boîte de dialogue affiche un avertissement si la tâche du modèle ne correspond pas à celle du jeu de données.
2. Jeu de données : choisis un jeu de données prêt à l'emploi contenant au moins une image d'entraînement, au moins une image de validation ou de test et au moins une image annotée
3. Paramètres : définis les Époques (100 par défaut), la Taille du lot (laisse le champ vide pour le mode automatique), la Taille de l'image (640 par défaut) et, si tu le souhaites, un Nom d'exécution. Développe Paramètres avancés pour modifier tout autre argument d'entraînement Ultralytics dans un éditeur YAML.
4. Sélectionner un GPU : dans l'onglet Entraînement dans le cloud, choisis une capacité de calcul en fonction de ton budget et de la taille du modèle. La valeur par défaut est RTX PRO 6000 (96 Go Blackwell, 2,09 $/h), qui prend en charge toutes les variantes YOLO26. Consulte le tableau complet des tarifs des GPU ou l'étape GPU de l'entraînement dans le cloud pour obtenir la liste complète et connaître les restrictions selon le forfait.
5. Démarrer l'entraînement : vérifie le coût et la durée estimés à côté de ton solde de crédits, puis clique sur Start Training.

Suivre l'entraînement#

Une fois l'entraînement lancé, ouvre l'onglet Train du modèle pour suivre sa progression en temps réel dans trois sous-onglets :

Les métriques sont transmises en temps réel via SSE (événements envoyés par le serveur). Lorsque les artefacts de validation sont disponibles, le sous-onglet Graphiques se divise en vues Entraînement et Validation ; la matrice de confusion, les courbes PR et les courbes F1 se trouvent sous Validation.

Pour en savoir plus sur l'entraînement dans le cloud.

Tester ton modèle#

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

1. Accède à l'onglet Predict de ton modèle
2. Importe une image, fais-la glisser-déposer, capture-en une avec ta webcam ou clique sur une image d'exemple (l'inférence se lance automatiquement au dépôt)
3. Affiche les superpositions de prédiction adaptées à la tâche, les durées par étape (prétraitement, inférence, post-traitement, réseau) et la réponse JSON brute

Ajuste les paramètres d'inférence :

Sous Documentation de l'API, l'onglet Predict affiche des exemples de code en Python, JavaScript et cURL, préremplis avec les paramètres que tu as sélectionnés ci-dessus. Déploie d'abord le modèle, puis remplace l'URL et la clé de remplacement par les valeurs de ton point de terminaison :

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())

Pour en savoir plus sur l'inférence.

Déployer en production#

Déploie ton modèle sur un point de terminaison dédié pour l'utiliser en production :

1. Accède à l'onglet Deploy de ton modèle
2. La Platform mesure la latence dans les 42 régions et les affiche sur une carte du monde, avec un dégradé du vert au rouge (une latence faible est plus verte, une latence élevée plus rouge)
3. Dans le tableau Latence par région sous la carte, trié par latence depuis ton emplacement, trouve la région souhaitée. Utilise Rescan pour relancer la mesure à tout moment.
4. Clique sur Deploy dans cette ligne pour créer ton point de terminaison

Une fois le provisionnement terminé, ton point de terminaison fournit :

• URL unique : point de terminaison HTTPS pour les appels API
• Comportement de réduction à zéro : les points de terminaison inactifs de taille par défaut passent à zéro ; les tailles personnalisées restent actives et sont facturées selon la durée de fonctionnement horaire (les déploiements exécutent actuellement une seule instance active)
• Surveillance : métriques et journaux des requêtes

Après le déploiement, tu peux gérer tous tes points de terminaison depuis l'onglet Déploiements de ton profil, accessible depuis la section Deployments dans la barre latérale. L'onglet affiche une carte globale avec tes déploiements actifs, les métriques sur 24 heures (déploiements actifs, requêtes totales, taux d'erreur et latence P95) et la liste de tous les points de terminaison.

Pour en savoir plus sur les points de terminaison.

Entraînement à distance (facultatif)#

Si tu préfères entraîner tes modèles sur ton propre matériel, tu peux utiliser ta clé API pour les entraîner où tu veux et transmettre les métriques à Ultralytics Platform.

Le moyen le plus rapide est d'utiliser l'onglet Entraînement local dans la boîte de dialogue d'entraînement : il génère la commande complète pour le modèle, le jeu de données et les paramètres sélectionnés, puis renseigne une clé API (en en créant une si tu n'en as pas encore). Copie-la et exécute-la dans ton terminal.

Pour composer la commande toi-même :

1. Génère une clé API dans Settings > API Keys
2. Définis la variable d'environnement et lance l'entraînement avec une valeur username/project pour project :

export ULTRALYTICS_API_KEY="YOUR_API_KEY"

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

Pour en savoir plus, consulte les clés API, les URI de jeux de données et l’entraînement à distance.

Commentaires et aide#

La page Aide, dans le pied de page de la barre latérale, regroupe des liens vers la documentation, des tutoriels vidéo et des ressources communautaires, et comprend un formulaire de commentaires intégré à l’application. Tu peux évaluer ton expérience de 1 à 5 étoiles, choisir un type de commentaire (Bug, Fonctionnalité ou Général) et joindre une capture d’écran.

Si tu as besoin d’aide supplémentaire :

• Chat IA : clique sur le widget de chat flottant sur n’importe quelle page pour obtenir une aide immédiate
• Documentation : consulte ces documents pour obtenir des guides détaillés sur les jeux de données, l’annotation, l’entraînement, le déploiement et la facturation
• Discord : rejoins notre communauté Discord pour participer aux discussions
• GitHub : signale les problèmes sur GitHub
• REST API et SDK Python : consulte la référence de l’API, installe le client ultralytics-platform ou essaie la documentation interactive de l’API pour accéder par programmation à toutes les fonctionnalités de la plateforme

FAQ#