Traitement par lots des photos

Ce qui est inclus dans la prestation

Nous assemblons pour le client une chaîne de traitement de masse des images : remplacement et nettoyage du fond, retouche des défauts, étalonnage des couleurs et upscaling jusqu'à la résolution requise en une seule passe. Pour un catalogue de milliers de fiches, une banque d'images ou des archives de tournage, on configure un ensemble unique de règles, afin que tous les plans sortent dans la même géométrie, le même cadrage et la même colorimétrie. Le traitement par lots des photos supprime la routine manuelle : l'opérateur n'ouvre plus chaque fichier séparément, mais fixe les paramètres une seule fois. En entrée, on reçoit des dossiers, des liens ou un export du système de gestion ; en sortie, on livre un ensemble structuré de fichiers prêts aux noms prévisibles. Nous écrivons le programme et configurons le processus sur l'équipement et dans l'environnement du client ; physiquement, les fichiers sont traités par sa machine ou son cloud, et non par nous à sa place.

Comment se déroule le processus

À la base se trouve un pipeline d'étapes successives, où chaque plan traverse une chaîne fixe d'opérations sans intervention humaine. D'abord l'image est reconnue et segmentée par un réseau de neurones, qui sépare l'objet du fond par un masque, ensuite sont appliqués la retouche, la normalisation des couleurs et la mise à l'échelle. L'upscaling s'effectue non par une simple interpolation, mais par un modèle convolutif entraîné à reconstituer des détails qui ne sont pas directement présents dans la basse résolution d'origine. Le script de traitement par lots gère la file, découpe un gros volume en lots, tient un log et reprend les fichiers en échec, pour qu'une passe sur des dizaines de milliers de plans aille jusqu'au bout. Les paramètres sont sortis dans une configuration, on peut donc réappliquer le même schéma à un nouveau catalogue en changeant seulement les réglages, et non le code.

L'histoire de l'apparition de cette direction

Le traitement numérique des images a commencé en 1957, lorsque Russell Kirsch, au National Bureau of Standards des États-Unis, a numérisé sur un scanner à tambour une photographie de son fils de trois mois, d'une taille de 176 sur 176 points, et c'est précisément alors qu'est apparue la notion de pixel. Pendant un demi-siècle, les algorithmes sont restés manuels : un ingénieur programmait les filtres, les seuils et les transformations pour chaque tâche. Le tournant a été donné par la révolution des réseaux de neurones : en 2012, le réseau convolutif AlexNet (Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton) a remporté le concours ImageNet avec une nette avance, prouvant que la reconnaissance des caractéristiques peut ne pas être définie à la main, mais apprise sur les données. En 2014, Ian Goodfellow et ses collègues ont proposé les réseaux antagonistes génératifs (GAN), qui ont appris à synthétiser et à compléter une image, et non plus seulement à la classifier. À partir de ce moment, le remplacement du fond, la retouche et l'upscaling, d'un ensemble d'heuristiques, se sont transformés en modèles apprenables, ce qui a rendu praticable le traitement par lots de masse des photos.

Pourquoi la partie logicielle est déterminante

Sur un seul plan, l'erreur passe inaperçue ; sur un lot de dizaines de milliers, elle se réplique et se transforme en rebut de tout le catalogue, c'est pourquoi le prix de la précision est ici différent de celui d'une correction manuelle. Un masque de segmentation rogné de quelques pixels au-delà du contour laisse un halo autour de l'objet ; un coefficient d'upscaling erroné donne du flou ou des artefacts sur les bords nets. C'est pourquoi le pipeline fixe les paramètres de façon stricte et les applique de manière déterministe, afin que le résultat soit reproductible et ne dépende pas de l'humeur de l'opérateur. Avant la passe en production, le schéma est testé sur un échantillon de contrôle, les métriques et les cas limites sont vérifiés, et seulement après le lancement se fait sur le volume complet. La partie logicielle et le paramétrage pèsent autant que le modèle lui-même : ce sont précisément eux qui séparent un plan ponctuellement réussi d'un flux stable de fichiers prêts.

Avec quels outils nous travaillons

La stack se construit autour de réseaux de neurones pour trois tâches : segmentation et suppression du fond, restauration et retouche, modèles d'upscaling distincts, entraînés sur des paires basse et haute résolution. La couche de pilotage s'écrit par des scripts de traitement par lots en Python, qui garde derrière lui l'écosystème de la vision par ordinateur et relie les modèles, la file et les entrées-sorties en une seule passe. Les opérations lourdes sont déportées sur GPU, l'inférence se fait par lots, et les modèles eux-mêmes sont branchés comme des blocs interchangeables, pour remplacer l'upscaler ou le réseau de segmentation sans réécrire toute la chaîne. La configuration, la journalisation et la reprise des tâches en échec rendent la passe robuste aux défaillances sur de gros volumes. Toute cette stack se déploie et se configure sur l'équipement du client ou dans son cloud ; nous préparons le programme et les paramètres, et c'est son infrastructure qui calcule.

Quand sont apparus les outils clés

Les réseaux convolutifs, sur lesquels repose le traitement d'images moderne, remontent à l'architecture LeNet de Yann LeCun de 1998 pour la reconnaissance des chiffres manuscrits, mais ils ne sont passés à l'échelle industrielle qu'après AlexNet en 2012. L'upscaling par apprentissage profond a commencé en 2014 avec le modèle SRCNN (Chao Dong et ses collègues) — le premier réseau convolutif entraîné directement au passage de la basse résolution vers la haute, qui a surpassé l'interpolation classique. Pour la segmentation précise et la séparation de l'objet du fond, l'architecture de référence a été U-Net, présentée par Olaf Ronneberger et ses coauteurs en 2015. Le langage Python, sur lequel s'assemble aujourd'hui la plupart de ces pipelines, est apparu dès 1991, et il est devenu massif en vision par ordinateur dans les années 2010, avec l'essor des bibliothèques d'apprentissage profond. Ces quelques dates — 1998, 2012, 2014, 2015 — forment le fondement sur lequel repose le traitement par lots automatisé des photos.

Pourquoi nous le confier

L'expérience cumulée de l'équipe de développement dépasse 45 ans dans l'IT, et c'est un regard d'ingénieur, et non d'artiste, sur la tâche : pour nous, le traitement d'un catalogue, c'est un processus reproductible avec des métriques, et non une série de corrections manuelles. Nous comprenons où le modèle échoue sur un plan atypique, comment tenir une qualité uniforme sur un gros volume et comment raccorder le pipeline au système de gestion et au stockage du client. Chaque schéma passe une vérification sur un échantillon de contrôle avant le lancement en production, c'est pourquoi la passe complète ne se transforme pas en rebut de masse à cause d'une erreur de paramétrage non détectée. Nous écrivons le programme et configurons le processus selon l'infrastructure du client — ce sont son équipement et son cloud qui traitent les images, et notre zone de responsabilité, c'est le code, les modèles et les paramètres. Cette approche donne un résultat prévisible et un actif qui reste chez le client et se réutilise sur les lots suivants.