Combien coûte l’annotation vidéo

Le coût d’un projet vidéo ne se déduit pas de sa durée. Une minute peut coûter quelques euros ou plusieurs centaines selon des facteurs qui n’apparaissent pas dans un cahier des charges, et cette dispersion explique la plupart des écarts entre devis et réalité. Cet article décompose ce coût et expose ce qui le réduit. Il prolonge l’article consacré à la segmentation temporelle.

Pourquoi la durée ne dit rien

Quatre raisons rendent cette unité trompeuse en annotation vidéo. La densité d’objets varie d’un facteur considérable entre une route de campagne et un carrefour urbain. La cadence d’annotation est une décision de projet et non une propriété de la vidéo. La géométrie demandée change le coût par objet dans un rapport important. Et une part de la durée ne contient parfois rien à annoter. Une conséquence pratique importante en découle. Ces quatre raisons font que deux projets d’annotation vidéo de même durée peuvent différer d’un ordre de grandeur, ce qui rend le chiffrage à la minute défendable seulement après avoir mesuré ces paramètres.

La bonne unité de mesure

Une unité rend les projets comparables. Elle se calcule sur un échantillon. Le nombre d’objets-images annotés, produit du nombre d’objets par la cadence, remplace la durée. Trois avantages en découlent. Il rend comparables des séquences de densités très différentes. Il se mesure directement sur un lot pilote plutôt qu’il ne s’estime. Et il se convertit en temps de travail par un taux observé, ce qui produit un chiffrage vérifiable. Une observation en découle. Cette unité ne convient pas à la segmentation temporelle, où l’occurrence remplace l’objet-image, ce qui impose de traiter séparément les deux types de tâches dans un même devis.

Les sept postes d’un budget

Leur séparation conditionne toute estimation réaliste en annotation vidéo. La préparation des séquences, extraction, découpage et anonymisation le cas échéant. La constitution des conventions, référentiel et lot pilote. L’annotation elle-même, poste dominant en volume. Le contrôle qualité, distinct de l’annotation et régulièrement absorbé en elle. Le corpus d’évaluation, dont l’exigence dépasse celle du corpus d’entraînement. La documentation, conventions écrites et rapport de qualité. Et l’infrastructure, stockage et environnement de traitement, poste négligeable en images fixes et significatif en vidéo.

Ce que la cadence change

Cette décision domine tous les autres leviers d’un projet d’annotation vidéo. Elle se prend au cadrage. Annoter une image sur deux plutôt que toutes divise le volume par deux. Trois considérations orientent ce choix. La vitesse des objets, un déplacement rapide exigeant une cadence supérieure pour rester exploitable. L’usage aval, un système travaillant à une cadence donnée n’ayant pas besoin d’un corpus plus fin. Et la stratégie d’interpolation, qui permet de livrer une position par image en n’en observant qu’une fraction. Une conséquence pratique importante en découle. Cette décision produit l’écart de coût le plus important d’un projet d’annotation vidéo, et elle est fréquemment prise par défaut à la cadence native alors qu’aucun usage ne l’exige.

Ce que la géométrie change

Ce second facteur multiplie le coût par objet. Il se décide indépendamment de la cadence. Quatre niveaux se rencontrent en annotation vidéo, par ordre de coût croissant. Le point ou le comptage, qui demande une localisation grossière. La boîte englobante, standard de la plupart des projets. Le polygone, qui suit le contour et coûte plusieurs fois une boîte. Et le masque précis, dont le coût sur une séquence devient prohibitif sans assistance. Une observation importante en découle. Le passage du deuxième au troisième niveau se justifie rarement en vidéo, l’interpolation fonctionnant mal sur les contours et le gain de précision étant rarement exploité par l’usage aval.

Ce que les attributs changent

Ce troisième facteur est régulièrement omis d’un chiffrage d’annotation vidéo. Chaque attribut variable doit être renseigné sur toute la durée d’une piste. Trois catégories d’attributs se distinguent. Les attributs constants, classe ou couleur, renseignés une fois par piste et de coût négligeable. Les attributs variables, occlusion ou orientation, dont le coût suit la durée de la piste. Et les attributs interprétatifs, intention ou état, qui demandent un jugement et ralentissent fortement. Une conséquence pratique s’ensuit pour un projet d’annotation vidéo. Un seul attribut variable peut doubler la charge d’un projet, ce qui justifie de les énumérer explicitement au cadrage plutôt que de les accepter comme une précision de détail.

Le coût du suivi

Cette exigence spécifique à la vidéo mérite d’être chiffrée à part. Maintenir une identité coûte davantage que localiser un objet. Trois surcoûts s’ajoutent. La méthode piste par piste, qui impose de parcourir la séquence autant de fois qu’il y a d’objets. Le traitement des occlusions, chaque interruption demandant une décision de rattachement. Et le contrôle sur séquence, plus coûteux qu’un contrôle sur images isolées. Une observation en découle. Ce surcoût justifie la question posée dans l’article consacré au tracking, l’usage aval demandant fréquemment un comptage que l’identité n’améliore pas, auquel cas ce poste disparaît entièrement.

Le lot pilote comme seule estimation

Cette méthode transforme ces facteurs en chiffre défendable. Quelques minutes de séquences réelles annotées fournissent ce qu’aucune estimation ne produit. Quatre informations décisives en découlent. La cadence observée par type de scène, qui remplace toute hypothèse. Le nombre d’objets par image et par classe, base réelle du dimensionnement. Le désaccord entre annotateurs, qui borne ce qui peut être promis. Et la faisabilité des conventions, cas limites révélés inclus. Une conséquence pratique importante en découle. L’écart entre une scène peu peuplée et une scène dense atteint un facteur que personne n’anticipe correctement, ce qui rend un chiffrage sans pilote arbitraire plutôt qu’imprécis en annotation vidéo.

Ce que le contrôle qualité coûte

Ce poste est le plus fréquemment absorbé dans l’annotation et il mérite une ligne propre. Quatre éléments le composent en vidéo. La double annotation d’un échantillon, dont le taux détermine le surcoût. Les contrôles automatiques sur séquence, sauts de position et durées de piste, dont le coût est de mise en place et non de production. La vérification humaine des alertes produites par ces contrôles. Et la mesure périodique de dérive sur un échantillon constant. Une observation en découle pour un projet d’annotation vidéo. Le deuxième élément coûte quelques heures une fois et s’exécute ensuite sur tous les lots, ce qui en fait le meilleur rapport de ce poste et justifie de le prévoir dès le premier lot plutôt que de l’ajouter après une livraison contestée.

Ce que le stockage coûte

Ce poste spécifique à l’annotation vidéo mérite d’être isolé. Les volumes de données dépassent de plusieurs ordres de grandeur ceux d’un projet d’images. Quatre éléments le composent en pratique. Le stockage des séquences sources, souvent conservées non compressées pour préserver la qualité. Le transfert, dont la durée devient une contrainte de planning sur les gros volumes. L’infrastructure de travail, une plateforme d’annotation vidéo demandant davantage qu’un outil d’images. Et la conservation après livraison, dont la durée doit être arbitrée contractuellement. Une observation en découle. Le deuxième élément est le plus sous-estimé, le transfert de plusieurs téraoctets pouvant retarder un démarrage de projet de plusieurs jours, contrainte à intégrer au planning plutôt qu’à découvrir.

Ce qui réduit réellement le coût

Cinq leviers fonctionnent en annotation vidéo. Ils agissent avant la production. Réduire la cadence, levier le plus puissant et le plus souvent négligé. Découper les séquences pour écarter ce qui ne contient rien, qui supprime du travail plutôt que de l’accélérer. Simplifier la géométrie lorsque l’usage ne demande pas mieux. Supprimer les attributs variables non exploités par la décision aval. Et renoncer à l’identité lorsque le comptage suffit. Une conséquence pratique s’ensuit. Ces cinq leviers agissent sur le périmètre et ne dégradent rien, alors que l’attention se porte spontanément sur l’accélération de la production, qui produit un gain inférieur et un risque supérieur.

Les fausses économies

Quatre réductions apparentes coûtent davantage qu’elles ne font gagner. Sauter le lot pilote, ce qui économise une journée et produit un chiffrage dont l’écart se paie en production. Absorber le contrôle qualité dans l’annotation, ce qui masque un poste plutôt que de le supprimer. Écarter les séquences difficiles, ce qui accélère la production et produit un système qui échoue en conditions réelles. Et omettre la documentation, ce qui économise des heures et rend le corpus inextensible. Ces quatre réductions partagent une structure commune. Chacune supprime un coût visible maintenant et en crée un invisible plus tard, configuration que les séries précédentes ont identifiée comme la plus trompeuse.

Les modèles de facturation

Quatre modes coexistent et leur choix redistribue le risque. La facturation à l’objet-image, la plus fidèle au travail réel et la moins lisible pour un client. La facturation à la minute, lisible et exposant fortement le prestataire à la variabilité de densité. La facturation au temps, adaptée à un travail dont la difficulté est mal connue. Et le forfait, qui donne au client une visibilité complète et transfère le risque au prestataire. Une recommandation en découle pour un projet d’annotation vidéo. Un lot pilote facturé suivi d’un forfait combine les avantages, le pilote levant l’incertitude de densité qui rendait le forfait risqué.

Comparer deux propositions

Six questions rendent deux offres d’annotation vidéo comparables. Quelle cadence d’annotation est retenue. Quelle géométrie par classe. Quels attributs sont inclus et lesquels sont variables. L’identité persistante fait-elle partie du périmètre. Le contrôle qualité figure-t-il comme ligne distincte. Et le corpus d’évaluation est-il inclus. Une observation en découle. Deux propositions affichant un prix à la minute très différent décrivent fréquemment des périmètres différents plutôt que des efficacités différentes, ce qui rend ces six questions plus informatives que le prix lui-même.

Aborder le chiffrage d’un projet vidéo

Cinq questions produisent une estimation défendable en annotation vidéo. Quelle cadence l’usage aval exige-t-il réellement. Cette réponse est le principal levier. Quelle densité d’objets les séquences présentent-elles. Cette réponse détermine le volume. L’identité est-elle nécessaire. Une réponse négative supprime un poste entier. Quels attributs variables sont exigés. Chacun multiplie la charge. Et un lot pilote est-il accepté. Son refus rend tout forfait imprudent. Ces cinq réponses déterminent le volume et la structure de l’offre. Les poser avant de chiffrer évite l’engagement sur un périmètre dont l’ampleur apparaît en production.

Ce que ce chapitre enseigne

Une observation transversale mérite de clore cet examen. Le coût d’un projet vidéo est déterminé par des décisions de périmètre plutôt que par la quantité de matière. Trois constats la composent. La cadence, la géométrie et les attributs se multiplient entre eux et déterminent le budget davantage que la durée des séquences. Ces trois décisions se prennent en une réunion et engagent la totalité de la dépense. Et elles relèvent de l’usage aval plutôt que de la technique d’annotation, ce qui place la valeur d’un prestataire au cadrage autant qu’en production. Ce constat rejoint celui que les séries précédentes ont établi dans des domaines très différents : un interlocuteur capable de ramener un périmètre à ce que l’usage demande épargne à son client une dépense sans rapport avec le prix de sa prestation.

Les erreurs les plus fréquentes

• Chiffrer à la minute sans avoir mesuré la densité d’objets.
• Retenir la cadence native sans examiner ce que l’usage exige.
• Accepter des attributs variables sans en chiffrer la charge.
• Demander une géométrie fine là où une boîte suffisait.
• Inclure l’identité persistante quand un comptage suffisait.
• Absorber le contrôle qualité dans le poste d’annotation.
• Omettre le corpus d’évaluation du périmètre chiffré.
• Négliger le transfert de données dans le planning.
• Comparer deux propositions sur le prix à la minute.
• S’engager au forfait sans lot pilote préalable.

Ce que l’assistance change au budget

Un levier modifie l’économie d’un projet et son effet est réel et surestimé. Interpolation et suivi assisté réduisent le volume produit manuellement. Trois effets se cumulent. La cadence augmente sur les segments réguliers, qui représentent l’essentiel de la durée. L’effort se concentre sur les croisements et les occlusions, qui sont les moments décisifs. Et le coût marginal d’un lot supplémentaire décroît une fois les conventions établies. Trois réserves l’accompagnent. Le repérage des points de rupture n’est pas compté dans le gain annoncé. La vérification reste nécessaire et elle porte sur l’ensemble. Et le biais de validation impose des contrôles ciblés qui consomment une part de l’économie. Une conséquence pratique s’ensuit. Le gain reste substantiel et il se situe nettement en deçà du rapport brut, écart qui doit figurer dans un chiffrage plutôt que produire une promesse intenable.

Les ordres de grandeur relatifs

Quatre rapports aident au cadrage sans citer de tarif et ils se vérifient sur un lot pilote. Une scène dense coûte un multiple d’une scène peu peuplée, à durée et cadence identiques. Un suivi avec identité coûte plusieurs fois une détection image par image, sur le même contenu. Un polygone coûte plusieurs fois une boîte englobante, et cet écart se creuse encore avec l’interpolation puisqu’elle fonctionne mal sur les contours. Et un attribut variable ajoute une charge proportionnelle à la durée des pistes, indépendante du nombre d’objets. Une observation en découle pour un projet d’annotation vidéo. Ces quatre rapports se mesurent sur un même lot pilote et ils fournissent au client une grille de conversion qu’il applique lui-même à ses arbitrages, ce qui déplace la discussion du prix vers le périmètre.

Le poste que personne ne budgète

Un coût apparaît après la première livraison et il figure rarement dans une proposition. Trois éléments le composent en annotation vidéo. L’enrichissement sur les échecs constatés, qui suppose une organisation d’enregistrement décidée en amont. L’extension à de nouvelles conditions, une caméra déplacée ou un site supplémentaire constituant un contexte que le corpus initial ne couvre pas. Et la reprise de conventions, une évolution de l’usage aval invalidant une règle appliquée à tout un corpus. Une conséquence commerciale en découle. Une proposition présentant la seule construction sous-estime la dépense réelle du client, et séparer construction et fonctionnement évite qu’un concurrent paraisse moins cher avec un chiffre incomplet.

Présenter un budget à un client

Quatre cadrages font accepter un budget dominé par le travail humain. Montrer le calcul en objets-images, dont le résultat explique un volume que la durée masquait. Exposer ce que le lot pilote a révélé sur ses propres séquences, ce qui convainc mieux qu’une grille tarifaire. Séparer construction et fonctionnement, ce qui évite la comparaison faussée avec une offre incomplète. Et proposer une réduction de périmètre chiffrée, cadence ou attributs, qui démontre que l’objectif est un résultat utilisable plutôt qu’un volume facturé. Une observation en découle. Le premier cadrage est le plus efficace en vidéo, un client découvrant fréquemment que ses séquences contiennent dix fois plus d’objets qu’il ne l’imaginait, constat qui rend le budget évident là où une justification par le tarif horaire resterait discutable.

Le calendrier de la dépense

Une observation de trésorerie complète l’estimation en annotation vidéo. La préparation et le transfert précèdent toute production et immobilisent du temps sans produire de livrable. Les conventions et le lot pilote occupent les premiers jours et déterminent tout le reste. L’annotation s’étale et constitue une charge régulière. Le contrôle et la documentation arrivent en fin de production, quand le budget est déjà engagé. Et le fonctionnement arrive après la clôture formelle du projet. Une conséquence pratique s’ensuit. Les deux postes qui déterminent si un corpus sera défendable et réutilisable tombent au moment où un budget dispose du moins de souplesse, ce qui explique qu’ils soient précisément ceux que l’on comprime.

Les signaux d’un chiffrage fragile

Cinq signes indiquent qu’une estimation ne tiendra pas et ils se repèrent avant l’engagement. Le périmètre est exprimé en heures de vidéo sans mention de densité ni de cadence. Aucun lot pilote n’a été conduit sur les séquences réelles du client. Les attributs ne sont pas énumérés ni distingués entre constants et variables. Le contrôle qualité n’apparaît pas comme une ligne distincte. Et le corpus d’évaluation ne figure pas au périmètre. Une observation en découle. Ces cinq signes se vérifient en lisant une proposition, ils ne demandent aucune compétence technique, et leur présence prédit mieux un dépassement que n’importe quelle analyse du prix affiché.

Trois questions qui divisent le budget

Trois questions posées en une réunion réduisent fréquemment le coût de moitié. À quelle cadence le système travaillera-t-il en production. Une réponse inférieure à la cadence native supprime la moitié du volume ou davantage. Le résultat sert-il à compter ou à suivre. Une réponse orientée comptage supprime le poste identité en entier. Quels attributs la décision aval exploite-t-elle réellement. Un attribut renseigné et jamais lu représente une charge pure. Ces trois questions portent sur l’usage et non sur la technique, elles se posent avant toute discussion de prix, et un client y répond volontiers dès lors qu’il comprend ce que chaque réponse coûte.

Ce que le corpus vaut ensuite

Trois propriétés déterminent si un corpus vidéo se comporte comme un actif ou comme un consommable. La documentation des conventions, notamment la cadence, la politique d’occlusion et la tolérance sur les bornes, sans lesquelles un corpus n’est pas combinable avec un autre. La conservation des séquences sources, une annotation séparée de sa vidéo perdant toute valeur. Et la stabilité des conventions dans le temps, un corpus dont les règles ont dérivé en cours de production étant difficilement réutilisable. Ces trois propriétés coûtent peu au moment de la constitution et ne s’ajoutent pas après, ce qui les place dans la même catégorie que les décisions de cadrage exposées plus haut.

Ce qu’il faut retenir

La durée d’une vidéo ne détermine pas le coût de son annotation, l’objet-image constituant l’unité pertinente et se mesurant sur un lot pilote. Trois lectures se dégagent. La cadence d’annotation produit l’écart de coût le plus important d’un projet et elle est fréquemment retenue par défaut à la valeur native alors qu’aucun usage aval ne l’exige. Un seul attribut variable peut doubler la charge, ce qui justifie de les énumérer explicitement au cadrage plutôt que de les accepter comme une précision de détail. Et deux propositions affichant un prix à la minute très différent décrivent le plus souvent des périmètres différents, ce qui rend six questions de cadrage plus informatives que le prix affiché. Pour l’outillage qui conditionne une part de ces coûts, l’article consacré aux outils d’annotation vidéo détaille les options. Pour le poste que ce chapitre isole, l’article sur le contrôle qualité en annotation vidéo expose la méthode. 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 2D et 3D. Et si vous souhaitez une estimation défendable pour un corpus vidéo, échangeons sur votre projet.