{"id":1855,"date":"2025-12-19T13:00:00","date_gmt":"2025-12-19T12:00:00","guid":{"rendered":"https:\/\/elearningsamba.com\/index.php\/un-projet-open-source-qui-detecte-les-nids-de-poule\/"},"modified":"2025-12-19T13:00:00","modified_gmt":"2025-12-19T12:00:00","slug":"un-projet-open-source-qui-detecte-les-nids-de-poule","status":"publish","type":"page","link":"https:\/\/elearningsamba.com\/index.php\/un-projet-open-source-qui-detecte-les-nids-de-poule\/","title":{"rendered":"Un projet open source qui d\u00e9tecte les nids-de-poule"},"content":{"rendered":"

Vous savez que depuis quelques ann\u00e9es, des startups \u00e9quipent les camions poubelle et les bus de cam\u00e9ras IA pour cartographier automatiquement l’\u00e9tat des routes ? Comme \u00e7a, pendant que le chauffeur fait sa tourn\u00e9e, une intelligence artificielle d\u00e9tecte les nids-de-poule, les fissures et autres joyeuset\u00e9s routi\u00e8res en temps r\u00e9el. Chaque d\u00e9faut est g\u00e9olocalis\u00e9, scor\u00e9 par gravit\u00e9, et hop, les \u00e9quipes de maintenance savent exactement o\u00f9 intervenir.<\/p>\n

Bon apparemment, l\u00e0 o\u00f9 j’habite, ils n’utilisent pas \u00e7a parce que les routes sont des champs de mines, mais si le Maire se chauffe en DIY, ce projet maintenu par un certain Peter va l’int\u00e9resser.<\/p>\n

C’est sur GitHub et c’est un stack complet pour faire exactement la m\u00eame chose que les startups sp\u00e9cialis\u00e9es en nids de poule… un vrai projet end-to-end avec l’entra\u00eenement du mod\u00e8le sur du GPU cloud, une API backend containeris\u00e9e, et m\u00eame une app mobile React Native pour scanner les routes depuis votre t\u00e9l\u00e9phone.<\/p>\n

Le projet s’appelle
\npothole-detection-yolo<\/a>
\net \u00e7a utilise YOLOv8, le mod\u00e8le de d\u00e9tection d’objets qui fait fureur en ce moment dans le domaine de la vision par ordinateur. Concr\u00e8tement, le mod\u00e8le a \u00e9t\u00e9 entra\u00een\u00e9 sur un dataset de nids-de-poule disponible sur HuggingFace, avec des images de 640×640 pixels. L’entra\u00eenement s’est fait sur Nebius Cloud avec des GPUs H100, donc du s\u00e9rieux, pas du Colab gratuit qui timeout au bout de 20 minutes.<\/p>\n

\"\"<\/p>\n

Ce qui est cool avec ce projet, c’est qu’il ne s’arr\u00eate pas au mod\u00e8le. Y’a une API FastAPI compl\u00e8te qui expose deux endpoints : \/detect<\/code> pour envoyer une image et r\u00e9cup\u00e9rer les bounding boxes avec les scores de confiance, et \/health<\/code> pour v\u00e9rifier que le service tourne. Le tout est containeris\u00e9 en Docker avec support GPU automatique. Et si vous avez pas de carte graphique, \u00e7a bascule sur CPU.<\/p>\n

Et la cerise sur le g\u00e2teau, c’est l’app mobile Expo\/React Native. Vous ouvrez l’app, vous prenez une photo d’une route avec votre smartphone, l’image est envoy\u00e9e \u00e0 l’API, et vous r\u00e9cup\u00e9rez les d\u00e9tections en temps r\u00e9el avec les rectangles dessin\u00e9s autour des nids-de-poule et les pourcentages de confiance affich\u00e9s. Bref, c’est exactement ce que font les boites tech \u00e0 plusieurs millions, sauf que l\u00e0 c’est open source sous licence Apache 2.0.<\/p>\n

YOLOv8 atteint facilement entre 93 et 99% de pr\u00e9cision pour la d\u00e9tection de nids-de-poule selon les variantes utilis\u00e9es et des chercheurs ont m\u00eame combin\u00e9 YOLOv8 avec des donn\u00e9es de nuages de points 3D pour atteindre 95.8% de pr\u00e9cision sur des tron\u00e7ons de tests d’environ 5 km. Bref, c’est du solide et \u00e7a fonctionne .<\/p>\n

\"\"<\/p>\n

Le truc int\u00e9ressant pour les bricoleurs, c’est que le mod\u00e8le entra\u00een\u00e9 est directement t\u00e9l\u00e9chargeable sur HuggingFace donc vous pouvez donc skip toute la partie entra\u00eenement si vous voulez juste tester le r\u00e9sultat. Une seule commande Docker pour lancer l’API, et vous \u00eates op\u00e9rationnel. Pour les plus motiv\u00e9s qui veulent entra\u00eener leur propre mod\u00e8le avec des donn\u00e9es locales de vos routes fran\u00e7aises pleines de crat\u00e8res, le code d’entra\u00eenement est l\u00e0 aussi avec les configs Ultralytics.<\/p>\n

Bref, si vous \u00eates une petite mairie qui veut cartographier l’\u00e9tat de vos routes sans claquer 50 000 euros dans une solution proprio, ou juste un dev curieux de voir comment fonctionne la stack derri\u00e8re ces cam\u00e9ras intelligentes qu’on voit de plus en plus sur les v\u00e9hicules de service, ce projet est une mine d’or.<\/p>\n

\nTout est l\u00e0<\/a>
\n, document\u00e9, et \u00e7a fonctionne du feu de dieu.<\/p>\n","protected":false},"excerpt":{"rendered":"

Vous savez que depuis quelques ann\u00e9es, des startups \u00e9quipent les camions poubelle et les bus de cam\u00e9ras IA pour cartographier automatiquement l’\u00e9tat des routes ? Comme \u00e7a, pendant que le chauffeur fait sa tourn\u00e9e, une intelligence artificielle d\u00e9tecte les nids-de-poule, les fissures et autres joyeuset\u00e9s routi\u00e8res en temps r\u00e9el. Chaque d\u00e9faut est g\u00e9olocalis\u00e9, scor\u00e9 par gravit\u00e9, et hop, les \u00e9quipes de maintenance savent exactement o\u00f9 intervenir. Bon apparemment, l\u00e0 o\u00f9 j’habite, ils n’utilisent pas \u00e7a parce que les routes sont des champs de mines, mais si le Maire se chauffe en DIY, ce projet maintenu par un certain Peter va l’int\u00e9resser. C’est sur GitHub et c’est un stack complet pour faire exactement la m\u00eame chose que les startups sp\u00e9cialis\u00e9es en nids de poule… un vrai projet end-to-end avec l’entra\u00eenement du mod\u00e8le sur du GPU cloud, une API backend containeris\u00e9e, et m\u00eame une app mobile React Native pour scanner les routes depuis votre t\u00e9l\u00e9phone. Le projet s’appelle pothole-detection-yolo et \u00e7a utilise YOLOv8, le mod\u00e8le de d\u00e9tection d’objets qui fait fureur en ce moment dans le domaine de la vision par ordinateur. Concr\u00e8tement, le mod\u00e8le a \u00e9t\u00e9 entra\u00een\u00e9 sur un dataset de nids-de-poule disponible sur HuggingFace, avec des images de 640×640 pixels. L’entra\u00eenement s’est fait sur Nebius Cloud avec des GPUs H100, donc du s\u00e9rieux, pas du Colab gratuit qui timeout au bout de 20 minutes. Ce qui est cool avec ce projet, c’est qu’il ne s’arr\u00eate pas au mod\u00e8le. Y’a une API FastAPI compl\u00e8te qui expose deux endpoints : \/detect pour envoyer une image et r\u00e9cup\u00e9rer les bounding boxes avec les scores de confiance, et \/health pour v\u00e9rifier que le service tourne. Le tout est containeris\u00e9 en Docker avec support GPU automatique. Et si vous avez pas de carte graphique, \u00e7a bascule sur CPU. Et la cerise sur le g\u00e2teau, c’est l’app mobile Expo\/React Native. Vous ouvrez l’app, vous prenez une photo d’une route avec votre smartphone, l’image est envoy\u00e9e \u00e0 l’API, et vous r\u00e9cup\u00e9rez les d\u00e9tections en temps r\u00e9el avec les rectangles dessin\u00e9s autour des nids-de-poule et les pourcentages de confiance affich\u00e9s. Bref, c’est exactement ce que font les boites tech \u00e0 plusieurs millions, sauf que l\u00e0 c’est open source sous licence Apache 2.0. YOLOv8 atteint facilement entre 93 et 99% de pr\u00e9cision pour la d\u00e9tection de nids-de-poule selon les variantes utilis\u00e9es et des chercheurs ont m\u00eame combin\u00e9 YOLOv8 avec des donn\u00e9es de nuages de points 3D pour atteindre 95.8% de pr\u00e9cision sur des tron\u00e7ons de tests d’environ 5 km. Bref, c’est du solide et \u00e7a fonctionne . Le truc int\u00e9ressant pour les bricoleurs, c’est que le mod\u00e8le entra\u00een\u00e9 est directement t\u00e9l\u00e9chargeable sur HuggingFace donc vous pouvez donc skip toute la partie entra\u00eenement si vous voulez juste tester le r\u00e9sultat. Une seule commande Docker pour lancer l’API, et vous \u00eates op\u00e9rationnel. Pour les plus motiv\u00e9s qui veulent entra\u00eener leur propre mod\u00e8le avec des donn\u00e9es locales de vos routes fran\u00e7aises pleines de crat\u00e8res, le code d’entra\u00eenement est l\u00e0 aussi avec les configs Ultralytics. Bref, si vous \u00eates une petite mairie qui veut cartographier l’\u00e9tat de vos routes sans claquer 50 000 euros dans une solution proprio, ou juste un dev curieux de voir comment fonctionne la stack derri\u00e8re ces cam\u00e9ras intelligentes qu’on voit de plus en plus sur les v\u00e9hicules de service, ce projet est une mine d’or. Tout est l\u00e0 , document\u00e9, et \u00e7a fonctionne du feu de dieu.<\/p>\n","protected":false},"author":1,"featured_media":1856,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"give_campaign_id":0,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"_kadence_starter_templates_imported_post":false,"footnotes":""},"class_list":["post-1855","page","type-page","status-publish","has-post-thumbnail","hentry"],"campaignId":"","_links":{"self":[{"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/pages\/1855","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/comments?post=1855"}],"version-history":[{"count":0,"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/pages\/1855\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/media\/1856"}],"wp:attachment":[{"href":"https:\/\/elearningsamba.com\/index.php\/wp-json\/wp\/v2\/media?parent=1855"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}