Un cas publié résume à lui seul le problème du déséquilibre. Sur un jeu de données réel et déséquilibré d’images ultrasonores de soudures, un réseau de neurones classique atteignait une exactitude de 0,671, qui ne reflétait que la performance sur la classe majoritaire, avec un score F1, une précision et un rappel tous égaux à 0,000 et une aire sous la courbe de 0,500.
Deux tiers de bonnes réponses, et pas un seul défaut détecté. Le modèle avait appris la seule stratégie que le déséquilibre rendait rationnelle : répondre systématiquement conforme. Ce n’est pas une anomalie de laboratoire, c’est le comportement par défaut de tout apprentissage supervisé confronté à une classe minoritaire extrême, et c’est la raison pour laquelle un projet de détection de défauts ne se pilote pas avec les métriques habituelles.
Cet article traite de la rareté sous tous ses angles : ce qu’elle casse, comment la mesurer, comment agir sur la collecte, sur l’annotation, sur l’apprentissage, et ce que les données synthétiques apportent réellement. Il prolonge le guide complet de la détection de défauts par vision par ordinateur.
Pourquoi le déséquilibre est le problème central de la détection de défauts
Sur une ligne maîtrisée, les pièces conformes dominent massivement le corpus de détection de défauts, et cette domination n’est pas un défaut du corpus : c’est le reflet exact de la réalité industrielle que le système devra affronter.
Deux déséquilibres superposés
Le premier déséquilibre oppose le conforme au défectueux, avec des rapports qui atteignent couramment plusieurs centaines pour un. Le second, moins discuté et souvent plus gênant, concerne la répartition entre types de défauts. La distribution suit une longue traîne : quelques modes de défaillance fréquents concentrent l’essentiel des exemples, et une multitude de types rares n’apparaissent qu’une poignée de fois. Un jeu de données industriel de grande ampleur illustre cette structure, avec environ 500 000 échantillons répartis sur 81 catégories issues de processus de fabrication réels.
Ces deux déséquilibres appellent des réponses différentes. Le premier se traite bien par des approches d’anomalie, qui n’exigent pas d’exemples défectueux. Le second exige des exemples, puisqu’il s’agit de distinguer des types entre eux, et c’est là que les stratégies de collecte et de synthèse deviennent décisives.
Ce que le déséquilibre casse
Trois mécanismes cessent de fonctionner simultanément, et c’est leur conjonction qui rend le problème redoutable. Les métriques agrégées d’abord, comme le montre le cas cité en introduction : une exactitude flatteuse peut coexister avec un rappel nul. L’apprentissage ensuite, puisque la fonction de coût est dominée par la classe majoritaire et que le modèle n’a aucun intérêt à apprendre les cas rares. Le contrôle qualité enfin, car un échantillon de vérification tiré uniformément ne contiendra presque aucun défaut rare et ne dira rien de la capacité du corpus à les couvrir.
Mesurer avant de corriger
La première action d’un projet de détection de défauts n’est pas de rééquilibrer mais de mesurer correctement, faute de quoi les corrections seront pilotées à l’aveugle.
Trois principes suffisent à rétablir une mesure honnête. Rapporter les indicateurs classe par classe et jamais en agrégat, ce qui aurait immédiatement révélé le rappel nul de l’exemple introductif. Séparer explicitement les omissions des fausses détections, qui n’ont ni les mêmes causes ni les mêmes conséquences économiques. Et privilégier les indicateurs peu sensibles au déséquilibre, comme le rappel par classe et la précision associée, plutôt qu’une exactitude globale qui ne renseigne sur rien lorsque la classe majoritaire écrase tout.
S’y ajoute une exigence de dimensionnement statistique. Estimer un taux de détection sur une classe représentée par sept exemples n’a pas de sens statistique. Il faut soit accepter de ne rien conclure sur cette classe et le documenter, soit constituer un ensemble d’évaluation enrichi spécifiquement, en assumant que sa composition ne reflète plus la prévalence réelle et en le signalant.
Agir sur la collecte des défauts rares
La meilleure réponse à la rareté reste d’obtenir davantage d’exemples réels, et plusieurs leviers existent avant de recourir à la synthèse.
Le prétri
Parcourir manuellement des dizaines de milliers d’images conformes pour en extraire quelques défauts est le poste de coût dominant d’un projet de détection de défauts. Un prétri, même grossier, change l’économie du travail : un modèle d’anomalie entraîné sur les seules pièces conformes, ou une simple règle de traitement d’image, suffit à écarter la majorité des images sans intérêt et à concentrer l’effort humain sur les candidates.
La précaution est simple et systématiquement rentable : conserver un échantillon aléatoire non prétrié, afin de mesurer ce que le prétri laisse passer. Sans cette mesure, le corpus hérite silencieusement du biais du prétri, et le modèle final apprendra à ne détecter que ce que le prétri savait déjà repérer.
La mutualisation entre lignes et entre sites
Lorsqu’un même produit est fabriqué sur plusieurs lignes ou plusieurs sites, mutualiser les corpus multiplie mécaniquement le nombre d’exemples disponibles pour chaque type rare. L’opération suppose deux précautions. Les conditions d’acquisition doivent être suffisamment proches, ou la source doit être conservée en métadonnée pour permettre une analyse ultérieure par site. Et l’ontologie doit être réalignée, deux sites utilisant rarement le même vocabulaire pour désigner les mêmes défauts, même au sein d’un même groupe.
Ce travail de réalignement est fastidieux et régulièrement rentable : il transforme plusieurs corpus insuffisants en un corpus exploitable, sans aucune collecte supplémentaire.
L’apprentissage actif
Plutôt que d’annoter au hasard, on demande au modèle en cours d’entraînement quelles images l’aideraient le plus, généralement celles sur lesquelles il hésite. Le gain est réel sur les corpus déséquilibrés, puisque l’incertitude se concentre naturellement sur les cas rares et limites. La méthode demande une organisation par itérations plutôt qu’un lot unique, ce qui a des implications contractuelles à anticiper.
Les archives et les rebuts
Deux gisements d’exemples réels sont régulièrement négligés alors qu’ils ne coûtent presque rien. Les archives d’images de la ligne, lorsqu’elles existent, contiennent souvent des années de production dont seuls les rebuts documentés permettent de retrouver les cas intéressants. Et les pièces rebutées physiquement conservées par le service qualité constituent une source d’exemples réels qu’il suffit de réimager dans les conditions du montage retenu. Cette seconde voie est de loin la plus rentable lorsqu’elle est disponible, parce qu’elle fournit des défauts réels dans les conditions exactes du système.
La provocation contrôlée
Sur certains procédés, il est possible de produire délibérément des pièces défectueuses en dégradant un paramètre. La démarche est coûteuse en matière et en temps machine, et elle produit des défauts parfois plus francs que ceux rencontrés naturellement. Elle reste précieuse pour les catégories qu’aucune autre voie ne permet d’obtenir, à condition de documenter que ces exemples sont provoqués et de ne pas les mélanger sans distinction avec les défauts naturels dans un ensemble d’évaluation.
Agir sur l’annotation
La stratégie d’annotation en détection de défauts peut elle-même être adaptée au déséquilibre, ce qui est moins évident et souvent oublié.
La première adaptation utile est la différenciation de l’effort d’annotation. Il n’y a aucune raison d’annoter avec la même finesse une image manifestement conforme et une image contenant un défaut limite. Une classification rapide suffit pour la première, tandis que la seconde justifie une segmentation précise, une double lecture et un arbitrage. Cette différenciation, écrite dans le protocole, réduit sensiblement le coût sans dégrader ce qui compte.
La deuxième concerne la classe d’anomalie non répertoriée. Sur un domaine à longue traîne, l’ontologie initiale est nécessairement incomplète, et le canal par lequel les types nouveaux remontent conditionne la capacité du projet à évoluer. Cette classe doit être facile à utiliser, systématiquement revue par l’expert qualité, et donner lieu à des extensions d’ontologie documentées et versionnées.
La troisième concerne la conservation de l’incertitude. Sur les cas limites, forcer une étiquette binaire détruit une information précieuse. Conserver l’annotation d’incertitude, ou les annotations multiples divergentes, permet ultérieurement de choisir un seuil de consensus adapté à l’usage plutôt que de figer une interprétation.
Agir sur l’échantillonnage et l’apprentissage
Les techniques classiques de rééquilibrage s’appliquent à la détection de défauts et rendent des services réels, à condition de connaître leurs limites.
Le suréchantillonnage de la classe minoritaire, la pondération de la fonction de coût ou l’usage de fonctions de coût conçues pour les classes rares améliorent effectivement le rappel. Elles ne créent cependant aucune information : répéter cent fois les sept exemples disponibles d’un type de défaut apprend au modèle ces sept exemples, pas la variabilité du type. Sur des classes très peu représentées, ces techniques déplacent le problème du sous-apprentissage vers le surapprentissage sans le résoudre.
C’est précisément cette limite qui a poussé le domaine vers deux réponses plus structurelles : la génération de données synthétiques et l’approche par anomalie.
Les données synthétiques en détection de défauts
C’est le champ de recherche qui a le plus progressé ces dernières années, et celui où les résultats publiés demandent la lecture la plus attentive.
Trois familles de génération
Elles ne demandent ni les mêmes moyens ni les mêmes prérequis. La simulation physique rend des images à partir de modèles géométriques dans lesquels un défaut a été inséré, avec un contrôle total sur sa nature et son étiquetage automatique. Elle demande une modélisation détaillée et souffre de l’écart entre simulation et réel. Les modèles génératifs apprennent l’apparence du défaut directement à partir d’images existantes et permettent une édition contrôlée. La composition, enfin, consiste à insérer un défaut réel prélevé sur une image dans une image conforme, ce qui est simple et efficace lorsque le défaut est localisé et le fond homogène.
Ce que montrent les résultats
Le cas des soudures cité en introduction se poursuit de façon spectaculaire. Après ajout d’images synthétiques, le modèle atteignait un score F1 de 0,884 avec une précision parfaite, soit jusqu’à 38,9 % d’exactitude supplémentaire sur le jeu de test, à partir de quelques dizaines à quelques centaines d’images générées seulement.
Un travail plus récent confirme que le volume nécessaire est modeste : une méthode d’adaptation légère d’un modèle de diffusion se règle sur seulement vingt à cinquante images réelles d’une classe rare et améliore de façon constante le rappel et le score F1 de cette classe par rapport à un entraînement sur données réelles seules, avec une relation prévisible entre le ratio de données synthétiques et la performance.
La règle d’or
Cette même étude énonce la précaution méthodologique décisive : toutes les évaluations sont réalisées sur des ensembles réservés composés uniquement d’images réelles. C’est la règle à ne jamais transgresser. Évaluer un modèle sur des données synthétiques produit un chiffre flatteur et dénué de sens, puisque le générateur et le détecteur partagent les mêmes biais.
Ce que la synthèse ne fait pas
Une évaluation de bout en bout d’une chaîne de génération par diffusion pour des défauts de surface conclut de façon nuancée : la valeur principale de la synthèse réside dans le renforcement de jeux de données réels peu fournis plutôt que dans leur remplacement, le même travail soulignant l’importance de l’adaptation au domaine et du contrôle de la qualité d’annotation.
La conclusion pratique est claire et vaut d’être retenue telle quelle. Les données synthétiques ne dispensent pas de collecter du réel, elles rentabilisent une collecte réelle limitée. Un projet qui n’a aucun exemple réel d’un type de défaut ne peut pas en générer, puisque le générateur doit apprendre l’apparence quelque part. La séquence efficace est donc : obtenir quelques dizaines d’exemples réels, générer à partir d’eux, évaluer sur du réel réservé, et poursuivre la collecte en exploitation.
Le cas particulier de l’évaluation
Un point mérite d’être isolé, parce qu’il est source de conclusions erronées jusque dans des travaux publiés : un corpus d’évaluation en détection de défauts ne peut pas obéir aux mêmes règles qu’un corpus d’entraînement.
Trois exigences le distinguent. Il doit être composé exclusivement de données réelles, sans aucun exemple synthétique ni provoqué non signalé. Il doit être suffisamment fourni sur chaque classe dont on veut affirmer quelque chose, ce qui conduit souvent à enrichir délibérément sa composition et donc à ne plus refléter la prévalence de production. Et il doit rester figé, sans correction a posteriori, faute de quoi la mesure perd sa valeur démonstrative.
Ce dernier point suppose de conserver en parallèle une estimation de la prévalence réelle, mesurée sur un échantillon aléatoire non enrichi, sans laquelle il devient impossible de convertir un taux de détection en nombre de pièces échappées par équipe. C’est cette conversion qui intéresse le client industriel, et elle exige les deux mesures.
L’approche par anomalie comme réponse structurelle
La voie la plus radicale consiste à cesser d’exiger des exemples défectueux. Un modèle entraîné uniquement sur des pièces conformes signale tout écart, ce qui résout d’un coup le problème du déséquilibre et celui du défaut inconnu.
Le prix à payer est double et doit être accepté en connaissance de cause. Le système signale sans nommer, ce qui limite son usage lorsque la décision dépend du type de défaut. Et il signale aussi les variations normales mais inhabituelles, ce qui produit des fausses alertes que seule une bonne maîtrise des conditions d’acquisition permet de contenir.
L’architecture qui fonctionne le mieux en pratique combine les deux logiques : détection d’anomalie pour la couverture large, y compris les types nouveaux, et modèle supervisé pour classer et qualifier les types fréquents. Cette combinaison définit directement la stratégie d’annotation : un corpus important de pièces conformes, peu coûteux à constituer, et un corpus annoté finement sur les défauts fréquents et sur les cas signalés par le système d’anomalie.
La place de l’annotation dans une stratégie de détection de défauts rares
Tout ce qui précède converge vers une organisation du travail d’annotation assez différente de celle d’un projet de vision classique.
Quatre caractéristiques la définissent. Elle est itérative plutôt que séquentielle : plusieurs cycles courts de collecte, annotation, entraînement et analyse des erreurs, chacun orientant le suivant vers les zones d’incertitude. Elle est différenciée : effort minimal sur le volume conforme, effort maximal sur les cas rares et limites. Elle est évolutive : l’ontologie s’étend au fil des types découverts, avec un versionnement rigoureux pour que les lots restent comparables. Et elle est continue : la rareté implique que la collecte des cas intéressants s’étale sur la durée de vie du système, pas sur une campagne initiale.
Cette organisation a enfin une conséquence contractuelle rarement anticipée. Un projet de détection de défauts se prête mal à un forfait unique défini sur un volume d’images, parce que le volume utile n’est pas connu d’avance et que la valeur se concentre sur une fraction imprévisible du corpus. Un cadre par itérations, avec un point de décision après chaque cycle, correspond mieux à la nature du problème.
Le coût de la rareté
La structure de coût d’un projet à défauts rares diffère nettement de celle d’un projet de vision classique, et l’ignorer conduit à des budgets systématiquement dépassés.
Le premier poste n’est pas l’annotation des défauts mais leur recherche. Trouver deux cents exemples d’un type représentant un cas sur dix mille suppose de parcourir, de prétrier ou d’archiver deux millions d’images, et ce travail se compte en semaines même largement automatisé. Le deuxième poste est l’arbitrage : les cas rares sont par construction ceux sur lesquels personne n’a d’habitude, ce qui multiplie les remontées vers l’expert qualité. Le troisième est la reprise, puisque l’ontologie s’étend au fil des découvertes et que les lots antérieurs doivent parfois être réexaminés à l’aune d’une classe nouvelle.
La conséquence est qu’un devis de détection de défauts établi au prix unitaire par image décrit mal la réalité du travail. Une estimation crédible se construit sur trois volumes distincts : les images parcourues, les images annotées et les décisions arbitrées, dont les rapports varient d’un facteur considérable selon la prévalence.
Les erreurs les plus fréquentes
- Piloter le projet sur une exactitude globale et ne pas voir un rappel nul sur la classe minoritaire.
- Conclure sur une classe représentée par une poignée d’exemples sans en signaler l’incertitude.
- Prétrier sans conserver un échantillon aléatoire permettant de mesurer ce qui est écarté.
- Suréchantillonner massivement quelques exemples et confondre le surapprentissage avec un progrès.
- Évaluer un modèle sur des données synthétiques plutôt que sur du réel réservé.
- Espérer générer des exemples d’un type de défaut dont on ne possède aucun exemple réel.
- Mélanger défauts provoqués et défauts naturels dans un ensemble d’évaluation sans le documenter.
- Annoter avec la même finesse les images conformes et les cas limites.
- Ne pas prévoir de classe d’anomalie non répertoriée et fermer la porte aux types nouveaux.
- Traiter la collecte comme une campagne unique alors que la rareté impose de l’inscrire dans la durée.
Ce qu’il faut retenir
En détection de défauts, le déséquilibre n’est pas un défaut du jeu de données à corriger, c’est une propriété du problème industriel qu’il faut traiter par la méthode. Les techniques de rééquilibrage aident, la synthèse aide davantage, mais aucune ne remplace une mesure correcte et une stratégie de collecte pensée dans la durée.
Trois décisions structurent une approche efficace. Mesurer classe par classe dès le premier lot, en séparant omissions et fausses détections, pour éviter de piloter sur un indicateur qui masque exactement ce qui compte. Investir d’abord dans la collecte de quelques dizaines d’exemples réels par type, puisque c’est le seuil à partir duquel la synthèse devient exploitable. Et organiser le projet par itérations courtes avec une annotation différenciée, plutôt que par une campagne unique dimensionnée sur un volume d’images.
Pour les approches, l’ontologie et les tâches d’annotation, le guide complet de la détection de défauts pose le cadre général. Pour une application concrète sur une famille de matériaux où les défauts fins sont particulièrement difficiles à isoler, l’article consacré à la détection de défauts sur surfaces métalliques détaille le cas de l’acier, des soudures et de l’usinage.
Pour approfondir les modalités d’exécution, les formats pris en charge et les dispositifs de contrôle applicables, vous pouvez consulter notre page dédiée à l’annotation pour l’industrie. Et si vous constituez un corpus sur un domaine à défauts rares et souhaitez cadrer la stratégie de collecte et d’annotation, échangeons sur votre projet.
