SAM (Segment Anything Model) de Meta, sorti en 2023, a révolutionné la segmentation d'images. SAM 2 (2024) étend la capacité aux vidéos avec tracking d'objets. En 2026, c'est le standard pour annotation accelerated et segmentation interactive.
TL;DR
- SAM : segmentation universelle d'images via prompts.
- SAM 2 (2024) : étend aux vidéos avec tracking.
- Modèle généraliste, fonctionne hors entraînement spécifique.
- Open source Apache 2.0, modèles gratuits.
Le problème SAM résout
Avant SAM, la segmentation d'images nécessitait un modèle spécifique par domaine (médical, automotive, satellite), entraîné sur dataset annoté laborieusement (10K-100K masks). SAM est un modèle généraliste entraîné sur 1.1B masks qui peut segmenter n'importe quoi avec des prompts simples :
- Un point cliqué sur l'objet
- Une bounding box
- Un masque grossier
- Du texte (via CLIP, SAM 2)
Architecture SAM
Trois composantes :
- Image encoder : ViT (Vision Transformer), génère un embedding dense de l'image
- Prompt encoder : encode les prompts (points, boxes, masks)
- Mask decoder : combine les deux pour générer le masque de segmentation
L'image encoder est lourd (~600 MB ViT-H), prend ~1 seconde sur GPU. Les prompts + decoder sont ultra-rapides (~50 ms). Donc on encode l'image une fois, puis on itère rapidement avec différents prompts.
SAM 2 (2024) : vidéo
SAM 2 étend SAM aux vidéos avec tracking d'objets :
- Cliquer sur un objet dans une frame
- SAM 2 propage le masque à travers la vidéo, suivant l'objet
- Memory module pour gérer occlusions et disparitions
- Streaming inference pour vidéos longues
Use cases production 2026
Besoin d'un site web professionnel ?
Kolonell crée des sites web qui attirent des clients, optimisés pour le marché sénégalais. Devis gratuit en 2 minutes.
- Annotation accelerated : 10x plus rapide qu'annotation manuelle de masks (SAM clique = mask)
- Image editing : Photoshop, Pixelmator utilisent SAM pour selection magique
- Medical imaging : segmentation tumeurs, organes (avec fine-tune)
- Satellite / drone : segmentation parcelles agricoles, bâtiments
- Robotique : segmentation pour manipulation d'objets
- Video editing : Adobe Premiere, DaVinci Resolve avec SAM 2 pour rotoscoping
- VFX : masking acteurs / objets pour effets
Tailles modèles
- SAM ViT-B : ~375 MB, plus rapide
- SAM ViT-L : ~1.2 GB, équilibré
- SAM ViT-H : ~2.5 GB, qualité maximale (défaut)
- SAM 2 : ~150-450 MB selon variante (Hiera architecture)
Déploiement
- Cloud : GPU NVIDIA A10/A100 recommandé pour latence faible
- Edge : SAM Mobile (~30 MB) pour smartphone via TFLite
- Offline : Roboflow, Encord intègrent SAM dans leurs interfaces d'annotation
FAQ
Q : SAM est-il généraliste vraiment ?
R : Oui pour domaines visuels standards. Domaines très spécialisés (médical IRM, microscopie électronique) nécessitent fine-tune.
Q : Différence SAM vs U-Net / Mask R-CNN ?
R : U-Net / Mask R-CNN = entraînés sur dataset spécifique. SAM = généraliste promptable. Souvent SAM en pre-annotation + U-Net fine-tuné en prod final.
Conclusion
SAM et SAM 2 en 2026 ont profondément transformé la segmentation. Annotation accelerated, segmentation interactive, tracking vidéo — tout est désormais accessible sans entraîner un modèle spécifique. Pour toute équipe vision en production, SAM est devenu un outil indispensable, soit en preprocessing (annotation), soit directement en inference.
Mohamed Bah
Fondateur, Kolonell
Passionné par le digital et l'entrepreneuriat en Afrique, Mohamed accompagne les entreprises sénégalaises dans leur transformation digitale depuis 2020. Fondateur de Kolonell, il croit que chaque PME mérite une présence en ligne professionnelle et accessible.
