Ah, la détection d’objets en temps réel. Un sujet qui fait vibrer les développeurs comme un npm install qui plante à 99%. Entre les modèles qui promettent monts et merveilles et les solutions clés en main qui finissent en « bon, on fait comment maintenant ? », difficile de s’y retrouver. Aujourd’hui, on décortique le trio Yolov9 + Frigate + Coral USB : une stack qui sent bon l’edge computing, la vie privée et les nuits blanches à tweaker des configs. Mais est-ce vraiment le combo ultime, ou juste un énième jouet pour ceux qui aiment collectionner les cartes accélératrices comme des Pokémons ?
Yolov9 : le nouveau chouchou des benchmarks (et des influenceurs)
Yolov9, c’est un peu le « new kid on the block » de la détection d’objets. Sorti en 2024, ce modèle se targue d’améliorer les performances de ses prédécesseurs (Yolov8, Yolov7, etc.) tout en gardant une architecture légère. Sur le papier, c’est séduisant : meilleure précision, moins de faux positifs, et une vitesse qui permet de faire tourner le tout sur du matériel modeste. En théorie.
En pratique, Yolov9 brille surtout dans les benchmarks soigneusement sélectionnés par ses créateurs. Parce que oui, comme tout bon modèle open source, il a ses limites :
- Il adore les datasets bien propres et bien étiquetés. Dès que vous sortez des sentiers battus (une caméra en basse lumière, un angle bizarre, ou pire… un chat qui ressemble à un sac poubelle), les performances chutent.
- Il est gourmand en RAM. Pas au point de nécessiter un GPU NVIDIA dernier cri, mais oubliez le Raspberry Pi Zero si vous voulez faire tourner autre chose en parallèle.
- Il est jeune. Très jeune. Les bugs et les optimisations manquantes sont légion, et la communauté est encore en train de se structurer. Bref, si vous aimez les projets stables et documentés, passez votre chemin.
Cela dit, Yolov9 a un atout majeur : il est open source et gratuit. Contrairement à certaines solutions propriétaires qui vous vendent du rêve à coup d’abonnements mensuels, ici, vous avez le contrôle. À condition d’accepter de mettre les mains dans le cambouis.
Frigate : le couteau suisse de la surveillance intelligente (quand il veut bien marcher)
Frigate, c’est le logiciel qui va faire le lien entre votre modèle Yolov9 et vos caméras. Son pitch ? « Une détection d’objets locale, sans cloud, sans abonnement, et avec une intégration Home Assistant au poil. » En gros, l’outil parfait pour les paranoïaques de la vie privée (ou ceux qui en ont marre de payer pour des services qui plantent tous les trois jours).
Sur le papier, Frigate coche toutes les cases :
- Prise en charge de multiples caméras (RTSP, ONVIF, etc.).
- Détection d’objets en temps réel avec Yolov9 (ou d’autres modèles).
- Intégration avec Home Assistant pour déclencher des actions (allumer une lumière, envoyer une alerte, etc.).
- Stockage local des vidéos, avec gestion intelligente de l’espace disque.
En pratique, Frigate est un peu comme un docker-compose.yml mal écrit : ça marche… jusqu’à ce que ça ne marche plus. La documentation est correcte, mais pas toujours à jour, et la configuration peut vite virer au casse-tête. Par exemple, si vous voulez utiliser Yolov9 avec Frigate, préparez-vous à bidouiller des fichiers YAML comme un pro. Un exemple de config basique pour Yolov9 avec Frigate :
detectors:
coral:
type: edgetpu
device: usb
model:
path: /config/model/yolov9.pt
input_tensor: nhwc
input_pixel_format: rgb
width: 640
height: 640
Rien d’insurmontable, mais clairement pas « plug and play ». Et si vous pensiez que Frigate allait tout gérer tout seul, détrompez-vous : il faudra aussi configurer vos caméras, gérer les zones de détection, et prier pour que le modèle ne confonde pas votre chien avec un ours.
Coral USB : l’accélérateur qui fait croire que tout est simple
Le Coral USB, c’est la cerise sur le gâteau. Ou plutôt, la carte accélératrice qui va vous faire croire que votre Raspberry Pi 4 peut rivaliser avec un GPU NVIDIA. Son rôle ? Accélérer l’inférence des modèles de détection d’objets grâce à son TPU (Tensor Processing Unit) dédié. En théorie, c’est magique : vous branchez la clé USB, vous installez les drivers, et hop, vos modèles tournent à une vitesse folle.
En pratique, c’est un peu plus compliqué :
- Le Coral USB ne supporte pas tous les modèles. Yolov9, oui, mais avec des limitations (certaines couches du modèle ne sont pas optimisées pour le TPU).
- L’installation des drivers peut être un calvaire, surtout si vous utilisez une distribution Linux exotique. Et si vous pensiez que
apt installallait tout régler, préparez-vous à des heures de debug. - La clé chauffe. Beaucoup. Si vous la branchez sur un Raspberry Pi déjà en surchauffe, attendez-vous à des throttling en cascade.
Cela dit, une fois que tout est configuré, le Coral USB fait des miracles. Les performances sont au rendez-vous, et vous pouvez enfin faire tourner Yolov9 sans que votre CPU ne monte à 100%. Mais est-ce que ça vaut le coup ? Si vous avez déjà un GPU NVIDIA sous la main, probablement pas. Si vous voulez une solution low-cost et économe en énergie, alors oui, le Coral USB est un bon choix.
Le verdict : un combo prometteur, mais pas pour les feignants
Alors, Yolov9 + Frigate + Coral USB, c’est le combo gagnant ? Oui, mais. Oui, si vous êtes prêt à mettre les mains dans le cambouis, à accepter les bugs et les limitations, et à passer des heures à tweaker vos configs. Non, si vous cherchez une solution clé en main, stable et sans effort.
Ce trio a un énorme potentiel : une détection d’objets locale, performante, et respectueuse de la vie privée. Mais il est encore jeune, et il faudra du temps avant qu’il ne devienne aussi mature que certaines solutions propriétaires. En attendant, si vous aimez les défis techniques et que vous avez un peu de temps à perdre, foncez. Sinon, attendez encore un peu que la communauté peaufine le tout.
Et surtout, n’oubliez pas : dans le monde de la vision par ordinateur, il n’y a pas de solution magique. Juste des compromis entre performance, simplicité et budget. À vous de choisir.