IA Computer Vision pour les médias

Chez un diffuseur, la valeur d’un contenu visuel est proportionnelle à la capacité à le retrouver. Un sujet qui n’est pas décrit n’existe pas pour la rédaction qui en aurait besoin le lendemain. La description manuelle est précise, mais elle ne suit pas le volume produit chaque jour par l’ensemble des chaînes d’un groupe.

La vidéo est un format hostile à la recherche : l’information est dans l’image, répartie dans le temps, et non textuelle. Tout l’enjeu d’une chaîne de Computer Vision est de fabriquer cette matière textuelle absente.

Trois usages étaient visés — indexation, modération, enrichissement des métadonnées — et ils n’ont pas les mêmes exigences. L’indexation privilégie le rappel : mieux vaut trop de pistes que rien. La modération ne peut pas manquer un cas. L’enrichissement demande de la précision, sous peine de polluer le catalogue.

La chaîne d’analyse a été construite en Python autour d’OpenCV et de modèles TensorFlow. La première brique n’est pas un modèle mais un découpage : une vidéo ne s’analyse pas image par image, le coût serait absurde pour une information largement redondante. Segmenter le flux et n’analyser que des images représentatives est la décision qui fixe le budget de calcul de l’ensemble.

Les modèles appliqués à ces images produisent des scores, pas des verdicts. Ce qui transforme un score en décision, c’est un seuil — et un seuil est un arbitrage métier. C’est là que les trois usages se séparent : la modération et l’indexation ne se règlent pas au même endroit, alors qu’elles partagent la même chaîne technique.

Le traitement est conteneurisé avec Docker et opéré sur GCP. L’analyse vidéo est un travail par lots à charge très irrégulière : l’élasticité du cloud permet d’absorber les pics sans immobiliser cette capacité en permanence. Le même conteneur sert au flux courant et au rattrapage de contenus déjà produits.

Le principe qui gouverne le reste : la sortie alimente le travail des équipes éditoriales, elle ne le remplace pas. Une chaîne de Computer Vision bien conçue prépare, propose et hiérarchise ce qui mérite un regard humain. La bonne mesure de sa qualité est le temps gagné, pas un taux d’automatisation affiché.