Détection de nids de frelons : de plus d'une heure à moins de 5 minutes
Reprise d'un modèle PyTorch livré en archives zip, audit d'inférence et ordinateur GPU clé en main : un hectare de photos de drone analysé en moins de 15 min.
- Client
- Bees For Life
- Période
- Mai à août 2026
- Stack
- Python · PyTorch · Streamlit · Ubuntu · GPU Nvidia · Git
- Résultat
- 10 photos de drone traitées en moins de 5 minutes, contre plus d'une heure au départ
Le point de départ
Bees For Life repère les nids de frelons asiatiques sur des photos prises par drone. Le modèle de détection, en Python et PyTorch, avait été livré sous forme d’archives zip non documentées, sans gestion de versions ni tests.
Sur le MacBook du client, 10 photos prenaient plus d’une heure. Un hectare représente environ 100 photos, soit une dizaine d’heures de calcul. Le logiciel était jugé inutilisable sur le terrain, avec une démonstration prévue sur un salon grand public européen en octobre.
L’audit
Une semaine d’audit de performance a suffi à trouver la cause principale : l’inférence tournait sur un seul cœur de processeur. Reconfigurer PyTorch pour utiliser tous les cœurs a ramené les 10 photos à environ 20 minutes, sur la même machine.
La livraison
Le client a reçu un ordinateur portable avec un GPU Nvidia, pré-configuré avec Ubuntu et la pile logicielle complète : jeton de déploiement Git, lancement en une seule étape, interface Streamlit.
- 10 photos en moins de 5 minutes.
- Un hectare en moins de 15 minutes.
- La base de code héritée a été réécrite et versionnée, avec un développement assisté par IA (Claude Code).
Aujourd’hui
Le client réalise l’analyse seul, sur le terrain, et remet aux propriétaires un rapport GPS des nids lors de la même visite.