Google Cloud Vision

Google Cloud Vision est un ensemble de fonctions d’analyse d’image préentraînées, disponibles via une API. Tu envoies une image, et elle peut renvoyer des étiquettes qui décrivent ce qu’elle contient, détecter des objets et leurs positions, lire du texte imprimé et manuscrit, identifier des monuments et des logos, détecter des visages et des émotions sans identifier les personnes, et signaler du contenu explicite avec SafeSearch. Elle traite des images seules et des lots, y compris des documents scannés.

Les usages typiques incluent l’indexation de photothèques, l’extraction de texte sur des reçus et des panneaux, la modération d’images envoyées, et la recherche par image. Google propose des produits proches pour des besoins plus spécialisés, comme Document AI pour les formulaires et Vertex AI pour des modèles personnalisés et les modèles multimodaux Gemini plus récents, qui peuvent décrire et raisonner sur des images plus en détail. Les fonctions de recherche produit aident les commerçants à rapprocher des photos de catalogues.

Les tarifs sont par image et par fonction, avec un quota mensuel gratuit. L’API classique est simple mais moins souple que les modèles multimodaux, et les développeurs choisissent de plus en plus Gemini pour les tâches qui demandent de la compréhension. La détection de visages pose des questions de vie privée. Les alternatives incluent Amazon Rekognition, Azure AI Vision, Clarifai et des modèles open source. Google Cloud Vision convient aux développeurs qui veulent un service d’analyse d’image simple et scalable.