Apprentissage semi-supervisé : exploiter les données non annotées

Un fabricant de grues complètes a lancé un projet de détection de défauts. Son équipe d’annotation a passé des semaines à délimiter manuellement des zones sur écran, pour aboutir à quelques milliers d’échantillons seulement — alors qu’un modèle fiable en conditions réelles exige généralement de plusieurs dizaines de milliers à plusieurs centaines de milliers d’échantillons annotés. Le jeu de données d’annotation de défauts déjà publié sur ce site atteint 500 000 images — un chiffre qui représente, en arrière-plan, des mois de travail répétitif pour les annotateurs.

La réalité est encore plus contraignante : les grues génèrent en continu des images, des vibrations et des données de courant, dont l’immense majorité est « brute », sans aucun étiquetage. Si l’on se limite aux quelques milliers d’échantillons annotés disponibles, le modèle ne capte pas suffisamment la diversité des conditions de fonctionnement. Si l’on attend que les centaines de milliers d’images soient annotées manuellement, la fenêtre de livraison du projet sera déjà dépassée. L’apprentissage semi-supervisé vise précisément à exploiter cette masse de données qu’on ne peut pas se permettre d’annoter.

Annotation : le poste le plus coûteux de l’IA pour grues

En vision par ordinateur, la capacité maximale d’un modèle est déterminée par deux variables : la quantité de données et la qualité des étiquettes. La logique de l’apprentissage entièrement supervisé est simple : plus il y a d’échantillons annotés, plus le modèle reçoit de signaux de supervision. Dès que l’annotation s’arrête, l’apprentissage s’arrête aussi. C’est un problème concret pour la détection de défauts sur grues.

Prenons la détection de rupture de fils dans un câble métallique : le modèle précédemment présenté sur ce site atteint une précision de reconnaissance de 97,3 % sur un jeu de données spécifique, à condition de disposer d’échantillons annotés fil par fil, cassure par cassure. Le fait que le jeu de données d’annotation de défauts atteigne 500 000 images signifie que l’investissement humain dans l’annotation dépasse largement celui de l’entraînement du modèle lui-même.

L’apprentissage semi-supervisé change cette donne. Son entrée se compose de deux parties : un petit lot d’échantillons étiquetés et un grand lot d’échantillons non étiquetés. Le modèle établit d’abord une capacité de jugement préliminaire sur les données annotées, puis transfère cette capacité aux données non annotées, en puisant des signaux de supervision supplémentaires dans la structure de distribution de ces dernières. À proprement parler, il ne s’agit pas de supprimer l’annotation, mais d’en diluer le coût marginal.

Une limite d’ingénierie doit être clairement posée : les données non annotées n’ont de valeur que si elles satisfont certaines hypothèses de distribution ; sinon, elles apportent du bruit plutôt que du signal. La norme GB/T 28264 — Système de surveillance et de gestion de la sécurité des appareils de levage impose des exigences normatives sur la collecte, la transmission et le stockage des données de surveillance, ce qui constitue précisément la base de données indispensable à l’apprentissage semi-supervisé. L’expérience de Kelude en matière de gouvernance des données est claire : garantir d’abord une cohérence des protocoles de collecte, avant d’envisager si le modèle peut tirer profit des données non annotées.

Auto-entraînement, régularisation par cohérence et FixMatch : différences de principe

La famille des méthodes d’apprentissage semi-supervisé est vaste, mais trois approches dominent les discussions d’ingénierie : l’auto-entraînement, la régularisation par cohérence, et les méthodes hybrides d’augmentation qui combinent les deux.

L’auto-entraînement repose sur l’idée la plus intuitive. On entraîne d’abord un modèle initial sur les données annotées, puis on l’utilise pour prédire sur les données non annotées. Les prédictions dont la confiance dépasse un seuil sont traitées comme des « pseudo-étiquettes » et réintégrées dans l’entraînement, aux côtés des annotations d’origine. Le cycle se répète. Son avantage : une mise en œuvre simple, compatible avec presque toutes les architectures. Son inconvénient : les erreurs précoces du modèle peuvent être amplifiées via les pseudo-étiquettes, créant une accumulation d’erreurs.

La régularisation par cohérence est illustrée par Mean Teacher. Le système maintient deux modèles de structure identique, l’un dit « étudiant », l’autre « enseignant ». Les poids du modèle enseignant sont obtenus par moyenne mobile exponentielle des poids historiques du modèle étudiant. Pendant l’entraînement, on applique deux perturbations différentes à un même échantillon non annoté et on exige des deux modèles des sorties proches. Cette contrainte d’invariance aux perturbations permet au modèle d’apprendre des frontières de décision lisses, même là où il n’y a pas d’étiquettes.

FixMatch, quant à lui, combine pseudo-étiquettes et augmentation forte/faible : on applique d’abord une augmentation faible à un échantillon non annoté, on génère une pseudo-étiquette à partir de la prédiction du modèle, puis on applique une augmentation forte au même échantillon et on exige que la version fortement augmentée corresponde également à cette pseudo-étiquette. La pseudo-étiquette n’est retenue que si la confiance dépasse un seuil. Cette combinaison donne d’excellents résultats sur les benchmarks de classification d’images, mais pour la détection de défauts, où les cibles sont plus petites, le choix de l’intensité d’augmentation doit être prudent.

Le diagnostic de pannes par IA dans le secteur des grues est un domaine émergent. L’apparition de normes telles que ISO 24621:2022 — Diagnostic de pannes par IA pour grues montre que l’industrie tente d’intégrer les capacités de l’IA dans un cadre normatif. La manière dont les méthodes semi-supervisées s’articulent avec les exigences de traçabilité des données et de vérifiabilité des conclusions imposées par ces normes est une question incontournable pour le déploiement.

Matrice comparative des paramètres des trois méthodes

Bruit des pseudo-étiquettes, hypothèses de distribution et conditions de service applicables aux trois approches

Aucune des trois méthodes n’est intrinsèquement supérieure aux autres. Deux variables clés guident la sélection : la cohérence entre la distribution des données non annotées et celle des données annotées, ainsi que la tolérance de la tâche aux erreurs de pseudo-étiquetage.

Lorsque les données non annotées proviennent des mêmes équipements et des mêmes conditions de fonctionnement, le décalage de distribution est faible : l’auto-entraînement associé à un seuil de confiance strict donne de bons résultats. En revanche, si les données terrain sont bruitées et les conditions hétérogènes, la régularisation par cohérence s’avère plus robuste. Pour les tâches visuelles bénéficiant de techniques d’augmentation matures, les approches hybrides comme FixMatch offrent généralement des gains plus nets.

À l’inverse, lorsque l’hypothèse de distribution est violée, le semi-supervisé peut dégrader les performances par rapport à une approche supervisée classique. Cas typique : des données non annotées mélangeant des conditions de fonctionnement issues de grues de capacités de levage, de mécanismes ou de fabricants différents, alors que les données annotées ne couvrent qu’une fraction de ce spectre. Le modèle apprend alors des régularités structurelles qui relèvent en réalité d’interférences inter-équipements.

Kelude recommande systématiquement, dans ses projets, de valider d’abord la cohérence de distribution avant d’envisager toute sélection de méthode. La liste ci-dessous récapitule huit points à vérifier avant de déployer une approche semi-supervisée.

Le coût d’annotation économisé par le semi-supervisé en vaut-il la peine ?

Pour évaluer la pertinence du semi-supervisé, le plus direct consiste à mettre trois éléments sur un même tableau : le volume de données annotées, le coût d’annotation et le plafond de précision. L’approche supervisée offre le plafond de précision le plus élevé, mais exige une annotation exhaustive. Le semi-supervisé atteint une précision comparable avec une annotation partielle, au prix de deux risques supplémentaires : l’hypothèse de distribution et le bruit des pseudo-étiquettes.

Il convient de souligner que le semi-supervisé permet surtout d’économiser sur l’annotation répétitive, et non sur l’annotation dans son ensemble. Le lot initial d’annotations de haute qualité reste le socle : il détermine la qualité maximale des pseudo-étiquettes. Cela explique pourquoi le semi-supervisé n’en est encore qu’à un stade précoce de validation dans le secteur de la grue. Là où la base de données n’est pas encore consolidée, les méthodes les plus avancées ne peuvent pas être déployées. Kelude place toujours la gouvernance des données avant la sélection des méthodes semi-supervisées lors de la planification des feuilles de route IA de ses clients.

Les données du service après-vente de Kelude montrent que ce qui freine réellement l’avancement des projets n’est souvent pas un écart de quelques points de précision, mais l’absence d’une boucle d’ingénierie complète — annotation, nettoyage et réinjection — qui ne tourne pas. Clarifier ce bilan comptable importe davantage que de débattre du choix du cadre semi-supervisé.

Comparaison des coûts d’annotation selon les schémas d’entraînement

📖 Lectures connexes : Annotation de défauts sur grues : comment 500 000 échantillons ont été étiquetés  |  Inspection visuelle par IA pour grues : panorama complet

Questions fréquentes