Types d’annotation de données : guide complet pour les équipes IA

Qu’est-ce que l’annotation de données et pourquoi les types comptent-ils ?

Tout modèle d’IA apprend à partir de données annotées. Mais la manière d’annoter dépend de la modalité, de la tâche à entraîner et du niveau de précision attendu. Une image ne se labellise pas comme un texte, une vidéo ne se traite pas comme une image isolée, et une segmentation pixel-perfect n’a pas le même coût qu’une simple classification.

Choisir le mauvais type d’annotation conduit à des modèles qui généralisent mal, détectent les mauvais objets, ne comprennent pas les relations importantes ou échouent silencieusement en production. À l’inverse, un format d’annotation bien choisi permet d’obtenir un signal d’apprentissage aligné avec l’usage final.

Ce guide présente les principaux types d’annotation utilisés pour les images, le texte, l’audio, la vidéo et les données 3D. Pour une introduction plus générale, consultez aussi notre article sur ce qu’est l’annotation de données.

Types d’annotation d’images

Boîtes englobantes

L’annotation par boîte englobante consiste à tracer un rectangle autour d’un objet. C’est l’un des formats les plus utilisés pour la détection d’objets : véhicules, personnes, produits, défauts, animaux, équipements ou éléments de scène. Elle est relativement rapide et compatible avec de nombreux frameworks de détection comme YOLO, COCO ou Pascal VOC.

Les services d’annotation par boîtes englobantes conviennent lorsque l’objectif est de localiser un objet sans avoir besoin d’un contour très précis. Ils sont moins adaptés lorsque l’objet est irrégulier, très imbriqué ou lorsque la surface exacte compte.

Annotation par polygones

Les polygones permettent de suivre le contour réel d’un objet. Ils sont utiles pour les objets aux formes irrégulières : bâtiments, routes, cultures, pièces industrielles, vêtements, zones de chantier ou objets partiellement occultés. Le coût est plus élevé qu’une boîte, mais le signal est plus précis.

L’annotation par polygones est souvent utilisée lorsque le modèle doit comprendre les limites exactes d’un objet ou produire une détection plus fine qu’une simple boîte.

Segmentation sémantique

La segmentation sémantique attribue une classe à chaque pixel d’une image. Tous les pixels appartenant à la route, au ciel, à une culture, à un organe ou à une zone de défaut reçoivent le même label. Le modèle apprend donc une carte dense de classes.

Les services de segmentation sémantique sont indispensables pour les cas où la surface exacte compte : imagerie médicale, agriculture, conduite autonome, satellite, inspection industrielle ou analyse de scènes complexes.

Segmentation d’instances

La segmentation d’instances distingue chaque objet individuel, même lorsqu’ils appartiennent à la même classe. Deux personnes proches ou deux véhicules superposés reçoivent des masques séparés. Ce format est plus riche que la segmentation sémantique, mais aussi plus coûteux.

Il est utile lorsque le modèle doit compter, suivre ou analyser séparément chaque instance : personnes dans une foule, produits en rayon, cellules, défauts multiples ou objets imbriqués.

Points clés et landmarks

L’annotation par points clés place des repères sur des parties précises d’un objet : articulations humaines, points du visage, coins d’un document, éléments anatomiques, pièces mécaniques ou repères agricoles. Elle est utilisée pour l’estimation de pose, l’alignement, la biométrie, la robotique ou l’analyse de mouvement.

Classification d’images

La classification attribue un label à l’image entière : présence ou absence d’un défaut, type de scène, qualité d’un produit, catégorie de document ou statut d’un échantillon. Elle est moins coûteuse que l’annotation spatiale, mais ne permet pas de localiser l’objet ou la région responsable de la décision.

Types d’annotation texte et NLP

Reconnaissance d’entités nommées (NER)

La NER consiste à identifier des entités dans un texte : personnes, organisations, lieux, dates, montants, produits, diagnostics, contrats ou références. Elle est utilisée pour l’extraction d’information, la recherche documentaire, la conformité et les assistants métier.

Les services d’annotation NLP doivent définir précisément les limites des entités, les classes et les cas ambigus pour éviter des labels incohérents.

Sentiment et émotion

L’annotation de sentiment classe un texte comme positif, négatif, neutre ou selon des catégories plus fines. L’annotation d’émotion identifie des états comme colère, joie, peur, frustration ou satisfaction. Ces tâches sont utiles pour l’analyse client, la modération, les réseaux sociaux ou les assistants conversationnels.

Intentions et dialogues

Les assistants virtuels et chatbots ont besoin de données annotées par intention : demande de remboursement, prise de rendez-vous, question technique, escalade, réclamation ou achat. Les dialogues peuvent aussi être annotés avec des tours de conversation, slots, actions attendues et réponses correctes.

Extraction de relations

L’extraction de relations identifie les liens entre entités : une personne travaille pour une organisation, un médicament traite une pathologie, une clause s’applique à un contrat, un événement implique un lieu. Cette annotation alimente des graphes de connaissance, moteurs de recherche et systèmes de raisonnement.

Résolution de coréférence

La coréférence relie plusieurs mentions qui désignent la même entité. Par exemple, “Marie”, “elle” et “la directrice” peuvent référer à la même personne. Cette tâche améliore la compréhension de documents longs, de dialogues et de rapports complexes.

Classification de texte

La classification de texte attribue une catégorie à un document, un paragraphe ou une phrase : thème, risque, urgence, type de ticket, conformité, langue ou intention. Elle est souvent plus rapide à produire que les annotations token-level, mais elle doit être alignée avec des catégories claires.

Types d’annotation audio et parole

Transcription de parole

La transcription convertit un fichier audio en texte. Elle peut être verbatim, nettoyée, horodatée ou enrichie avec des marqueurs de bruit, hésitations et chevauchements. Elle sert à entraîner ou évaluer des systèmes ASR, assistants vocaux et outils de réunion.

Diarisation et identification des locuteurs

La diarisation répond à la question “qui parle quand ?”. Elle segmente l’audio par locuteur et peut être complétée par une identification si les personnes sont connues. Elle est essentielle pour les réunions, centres d’appel, interviews et contenus multi-locuteurs.

Classification d’événements acoustiques

L’audio ne se limite pas à la parole. Les modèles peuvent apprendre à détecter des alarmes, moteurs, bris de verre, coups, animaux, machines, sons urbains ou événements industriels. L’annotation peut être réalisée au niveau fichier, segment temporel ou événement précis.

Phonèmes et prosodie

Certains projets nécessitent une annotation phonétique, prosodique ou linguistique fine : phonèmes, intonation, accentuation, pauses, rythme ou erreurs de prononciation. Ces tâches demandent souvent des annotateurs spécialisés.

Émotion et sentiment dans la voix

Les émotions vocales peuvent être annotées pour détecter frustration, stress, satisfaction, colère ou incertitude. Ces projets exigent des consignes très claires, car les perceptions humaines peuvent varier fortement.

Types d’annotation vidéo

Annotation frame-by-frame

L’annotation image par image consiste à annoter chaque frame ou un sous-échantillon de frames. Elle permet de créer des données précises, mais peut devenir coûteuse sur de longues vidéos. Le taux d’échantillonnage doit être défini selon le mouvement, la fréquence des événements et l’objectif modèle.

Suivi d’objets

Le tracking relie le même objet à travers le temps. Une personne, un véhicule, un joueur ou un animal reçoit un identifiant stable sur plusieurs frames. Cette annotation est essentielle pour la surveillance, le sport, la mobilité, la robotique et les systèmes multi-objets.

Les services d’annotation vidéo doivent gérer les occultations, sorties de champ, réapparitions et changements d’apparence.

Reconnaissance d’actions et d’événements

L’annotation d’actions identifie ce qui se passe dans une séquence : chute, geste, interaction, dépassement, manipulation d’objet, comportement anormal ou événement sportif. Elle peut être réalisée au niveau segment temporel, frame, objet ou scène entière.

Classification vidéo

La classification vidéo attribue un label à une séquence complète : type de scène, présence d’un événement, qualité d’un process ou catégorie de contenu. Elle est utile lorsque la localisation exacte n’est pas nécessaire.

Types d’annotation 3D et spatiale

Boîtes 3D

Les boîtes 3D représentent la position, la taille et l’orientation d’un objet dans l’espace. Elles sont utilisées pour les véhicules autonomes, la robotique, les entrepôts, la sécurité et les environnements industriels.

Annotation de nuages de points

Les nuages de points LiDAR nécessitent des annotations adaptées à la géométrie 3D : objets, surfaces, obstacles, voies, végétation, bâtiments ou équipements. Les services d’annotation de nuages de points 3D demandent des outils spécialisés et des règles de cohérence spatiale.

Fusion de capteurs

La fusion de capteurs combine caméra, LiDAR, radar, GPS ou autres sources. L’annotation doit maintenir la cohérence entre modalités, ce qui devient essentiel pour les systèmes autonomes et les applications de perception avancée.

Comment choisir le bon type d’annotation

Le choix doit partir du comportement attendu du modèle. S’il doit seulement classer une image, une classification suffit. S’il doit localiser un objet, une boîte peut convenir. S’il doit mesurer une surface ou comprendre des contours précis, il faut un polygone ou une segmentation. S’il doit suivre des objets, il faut un identifiant temporel. S’il doit extraire de l’information dans un texte, il faut des entités, relations ou labels structurés.

Les équipes doivent aussi considérer le budget, le délai, la difficulté des données, le niveau d’expertise requis, le format d’export et la capacité à maintenir la cohérence à grande échelle. Le choix le plus précis n’est pas toujours le meilleur choix si le modèle n’en a pas besoin.

Coût et complexité selon le type d’annotation

Le coût augmente généralement avec la précision spatiale, la densité des objets, l’expertise métier, le niveau de QA et la longueur des données. Une classification image peut prendre quelques secondes. Un masque de segmentation complexe peut prendre plusieurs minutes. Une revue médicale ou juridique peut nécessiter des experts qualifiés.

Pour comprendre les facteurs de coût, consultez notre guide sur les tarifs de l’annotation de données. Pour clarifier la terminologie, vous pouvez aussi lire notre comparaison entre annotation de données et labellisation de données.

Bien définir l’annotation dès le départ

Le type d’annotation choisi détermine la qualité du signal que le modèle recevra. Une bonne décision en amont évite des corrections coûteuses, des réannotations et des modèles qui échouent en production. Avant de lancer un projet, définissez la tâche modèle, les classes, les formats, les cas limites, le niveau de précision et le protocole QA.

DataVLab accompagne les équipes IA sur l’annotation de données, la labellisation de données, l’annotation d’images, l’audio, la vidéo, le texte et les données 3D. Pour cadrer le bon type d’annotation pour votre cas d’usage, contactez-nous.