Le déploiement de systèmes de vision par ordinateur en environnement industriel soulève de nombreuses difficultés : variabilité des conditions d'acquisition entre sites, hétérogénéité des taxonomies, déséquilibre des distributions de classes, et rareté ou imperfection des annotations expertes. Dans ces conditions, la robustesse au transfert et la capacité d'adaptation à moindre coût deviennent des critères au moins aussi déterminants que la performance en environnement contrôlé.

Cette thèse, conduite dans le cadre d'une convention CIFRE avec Veolia, examine dans quelle mesure les modèles de fondation — modèles visuels pré-entraînés à grande échelle, souvent par apprentissage auto-supervisé ou contrastif — constituent une réponse effective à ces contraintes. Deux cas d'usage industriels structurent l'étude : la caractérisation de flux de déchets solides sur convoyeur en centre de tri et l'inspection télévisée de réseaux d'assainissement. Représentatifs de régimes de données complémentaires, ils permettent d'étudier respectivement la généralisation vers de nouveaux sites à partir d'annotations limitées, et la spécialisation de domaine lorsque les images sont abondantes mais les annotations expertes rares.

Une première contribution évalue la robustesse hors distribution de plusieurs familles de modèles pré-entraînés pour la classification de déchets, dans un protocole de transfert inter-jeux de données sans ré-entraînement sur les domaines cibles. Les résultats montrent que la performance sur le domaine d'apprentissage n'est pas corrélée à celle sur les domaines cibles et que les modèles de fondation maintiennent un avantage de généralisation dans ce contexte industriel. Ils montrent également que cet avantage se maintient après adaptation, et que des stratégies sobres — telles que l'ajustement des derniers blocs ou les méthodes à adaptation efficace en paramètres — constituent souvent des compromis particulièrement compétitifs pour améliorer le transfert.

Une seconde contribution étudie la spécialisation de domaine en régime faiblement annoté, dans le cadre de l'inspection de réseaux d'assainissement évaluée sur le jeu de référence Sewer-ML. Une stratégie en deux étapes est proposée et évaluée : poursuite du pré-entraînement auto-supervisé sur les images du domaine cible, suivie d'un ajustement fin supervisé. Cette approche apporte un gain systématique sur les classes rares, qui s'accentue à mesure que les annotations se raréfient, et se révèle compétitive face aux méthodes semi-supervisées de référence. Elle atteint le niveau de l'état de l'art sur le benchmark avec un modèle compact, sans modifications architecturales spécifiques à la tâche.

Ces travaux confirment que les modèles de fondation offrent, dans les contextes industriels étudiés, des représentations plus transférables que les approches pré-entraînées de manière standard, y compris lorsque les images s'écartent sensiblement des corpus web de pré-entraînement. Ils montrent également que leur bénéfice dépend fortement des modalités d'adaptation retenues, et contribuent ainsi à mieux caractériser les conditions dans lesquelles ces modèles constituent une réponse pertinente aux défis de la vision par ordinateur industrielle.