Comment ça marche
Ce qui se passe entre le dépôt d’une image et le PNG transparent que vous récupérez.
Supprimer un fond paraît simple : on clique, et l’arrière-plan disparaît. Derrière, une image passe par cinq traitements successifs, dont chacun corrige ce que le précédent a laissé imparfait.
Cette page décrit chaque étape, les six modèles disponibles et les outils employés. Elle indique aussi ce que le pipeline ne fait pas.
Le pipeline en cinq étapes
Upload et validation
Vous déposez votre image dans l'interface. Elle part en HTTPS vers le serveur, qui vérifie trois choses avant de la traiter : le format (PNG, JPG, WEBP, BMP ou TIFF), le poids (20 Mo maximum) et votre quota quotidien. Une image dépassant 4096 pixels de côté est refusée, faute de quoi le traitement épuiserait la mémoire du serveur.
Détail technique
Rien n'entre dans le pipeline sans passer ces contrôles. Une image invalide traitée à moitié coûterait plus cher qu'un refus immédiat.
Segmentation par le modèle
C'est le cœur du traitement. L'image est passée au modèle que vous avez choisi, qui produit un masque de segmentation : une image en niveaux de gris où chaque pixel indique sa probabilité d'appartenir au sujet (clair) ou au fond (sombre).
Détail technique
Les modèles diffèrent par leur architecture, et donc par ce qu'ils réussissent le mieux. BirefNet analyse l'image dans les deux sens pour capturer le contexte global et local, ce qui aide sur les contours difficiles. ISNet détecte des objets distincts. U2Net, avec sa forme en « U », est conçu pour repérer l'élément le plus saillant d'une image.
Détection de couleur et analyse HSV
Le masque brut est ensuite affiné par du traitement d'image classique. Le système relève les couleurs dominantes du fond et les examine dans l'espace HSV (teinte, saturation, valeur), où une couleur se décrit indépendamment de sa luminosité.
Détail technique
Cette étape sert surtout quand le fond est uniforme — un fond vert de studio, un mur blanc. L'analyse HSV rattrape les zones où le modèle a hésité, typiquement sur la frontière entre le sujet et le fond.
Traitement morphologique
Le masque subit une série d'opérations mathématiques — dilatation, érosion, ouverture, fermeture — qui éliminent les pixels isolés, comblent les trous et lissent les contours.
Détail technique
La dilatation élargit les zones claires pour inclure les bords du sujet ; l'érosion les réduit pour effacer les artefacts. L'ouverture (érosion puis dilatation) supprime les petits objets indésirables, la fermeture (dilatation puis érosion) comble les petits trous. Ces opérations sont menées avec OpenCV.
Adoucissement des bords et export PNG
Dernière étape : les bords du masque sont adoucis. Au lieu d'une frontière nette entre sujet et fond, le résultat présente un dégradé progressif. L'image est ensuite exportée en PNG, format qui porte la transparence.
Détail technique
Sans cet adoucissement, les bords paraissent découpés aux ciseaux. Avec, les cheveux fins, la fourrure et les objets semi-transparents restent crédibles. Le PNG est le format de sortie par défaut parce qu'il gère le canal alpha, ce que le JPG ne fait pas.
Les six modèles
Aucun n’est meilleur dans l’absolu. Le bon choix dépend de l’image, et vous pouvez les essayer tous.
BirefNet General
Le plus précis du catalogue sur les contours difficiles. Son architecture bidirectionnelle analyse l'image dans les deux sens, ce qui préserve les cheveux, la fourrure et les vêtements flottants.
- Poids
- Standard
- Spécialité
- Contours complexes, photo professionnelle
ISNet General Use
Le bon compromis par défaut. Détection d'instances : il identifie et isole l'objet au premier plan, ce qui convient aux produits et aux scènes nettes.
- Poids
- Standard
- Spécialité
- Produits, objets, scènes nettes
U2Net
Conçu pour les personnes. Sa forme en « U » capte les détails à plusieurs échelles, ce qui sert les visages et les silhouettes humaines.
- Poids
- Standard
- Spécialité
- Portraits, photos de personnes
U2Net-P
La variante allégée d'U2Net. Moins de paramètres, donc un traitement plus rapide, au prix d'une précision moindre sur les contours difficiles.
- Poids
- Allégé
- Spécialité
- Traitement rapide, images simples
ISNet Anime
Entraîné sur de l'animation japonaise et de l'illustration. Il comprend les contours au trait et les aplats de couleur, là où les modèles photographiques marquent le pas.
- Poids
- Standard
- Spécialité
- Manga, anime, illustration
Silueta
Visé sur les formes simples : silhouettes, logos, objets aux contours géométriques sur fond contrasté.
- Poids
- Allégé
- Spécialité
- Logos, silhouettes, formes géométriques
Les outils employés
Segmentation
- ONNX Runtime
- Le moteur d'inférence. Les modèles sont exécutés au format ONNX, ce qui évite d'embarquer un framework d'entraînement complet côté serveur.
- rembg
- La bibliothèque qui orchestre les modèles de segmentation et expose une interface unique pour les six.
- BirefNet · ISNet · U2Net
- Les architectures sous-jacentes : segmentation bidirectionnelle, détection d'instances, détection de saillance.
Traitement d'image
- OpenCV
- Opérations morphologiques, analyse HSV, adoucissement des bords.
- Pillow
- Chargement, redimensionnement et export des images.
- NumPy
- Calcul matriciel sur les tableaux de pixels.
- SciPy
- Filtrage et calculs numériques d'appoint.
Backend
- FastAPI
- Le cadre web qui expose l'API REST.
- Python 3.11+
- Langage du service.
- SQLAlchemy
- Accès à la base : SQLite en développement, PostgreSQL en production.
- slowapi
- Limitation du débit par adresse IP, complément du quota quotidien.
Frontend
- Next.js 15
- Rendu côté serveur et routage.
- React 19
- Bibliothèque d'interface.
- TypeScript
- Typage statique sur tout le front.
- Tailwind CSS 3
- Styles utilitaires.
Face aux logiciels de retouche
Les différences ci-dessous portent sur la nature de chaque outil, pas sur un classement.
| Critère | Warult Tools | Photoshop | Canva |
|---|---|---|---|
| Modèle de segmentation | Six, au choix | Sélection manuelle | Non exposé |
| Préalable | Compte gratuit | Abonnement, logiciel à installer | Compte gratuit |
| Installation | Aucune, dans le navigateur | Application de bureau | Aucune, dans le navigateur |
| Traitement par lot | Une image à la fois | Automatisable par scripts | Non |
| Accès programmatique | API REST documentée | Scripts internes | Non exposé ici |
Les informations sur les autres logiciels sont indicatives et peuvent évoluer : vérifiez leurs conditions actuelles auprès de leur éditeur.
Ce que le pipeline ne fait pas
- Il ne traite pas plusieurs images à la fois : une opération, une image, décomptée du quota.
- Il ne conserve ni vos images ni vos résultats après traitement.
- Il ne garantit pas un résultat parfait sur tous les sujets : un fond très chargé ou un contour flou demandent parfois un essai avec un autre modèle.
- Il n'entraîne aucun modèle sur vos données.
- Six modèles de segmentation au choix, et le réglage des paramètres du pipeline.
- Un quota quotidien de dix opérations et une file d'attente, annoncés comme des protections de capacité.
Questions fréquentes
Quest-ce que le pipeline en cinq étapes ?
Il combine un modèle de segmentation et des techniques classiques de traitement d'image : validation de l'entrée, segmentation, analyse de couleur HSV, morphologie mathématique, puis adoucissement des bords et export PNG. L'hybridation corrige ce qu'un modèle seul laisse passer.
Quelle est la différence entre BirefNet, ISNet et U2Net ?
Les trois répondent à des architectures différentes. BirefNet privilégie la précision sur les contours difficiles, ISNet la détection d'objets distincts, U2Net les personnes et les portraits. Aucun n'est meilleur dans l'absolu : le bon choix dépend de l'image.
L'adoucissement des bords est-il nécessaire ?
Oui, pour un rendu crédible. Sans lui, la frontière entre sujet et fond reste nette et trahit le découpage, surtout sur les cheveux et la fourrure. Il produit un dégradé qui rend la transition naturelle.
Comment fonctionne l'analyse HSV ?
L'espace HSV décrit une couleur par sa teinte, sa saturation et sa valeur, plutôt que par ses composantes rouge-vert-bleu. Cela permet de repérer une zone du fond indépendamment de son éclairage, et de rattraper les endroits où le modèle a hésité.
Puis-je intégrer le traitement à mon application ?
Oui, une API REST documentée sur la page /api-docs expose les mêmes outils que l'interface, avec une authentification par jeton.
Le traitement est-il instantané ?
Non, et nous ne le présentons pas comme tel. Le temps dépend du modèle choisi et de la taille de l'image : les modèles allégés (U2Net-P, Silueta) répondent plus vite que BirefNet, qui fait plus de travail. Une file d'attente limite les traitements simultanés pour que le service reste disponible.