XDA a publié un guide la semaine dernière qui associait Frigate avec un LLM local via Home Assistant, puis connectait un modèle de vision 8B pour enfin décrire ce que les caméras voyaient. Le résultat est la mise à niveau que les auto-hébergeurs recherchaient depuis des années : des alertes de mouvement qui disent « un livreur a déposé un colis à la porte à 11:42 » au lieu de « mouvement détecté sur la caméra avant ». Cela fonctionne parce que les trois composants sont locaux, donc le modèle de vision n’est pas limité par les limites de débit d’API.
Nous avons testé sept applications NVR de bureau et auto-hébergées qui intègrent l’IA directement dans le pipeline des caméras. Les choix s’exécutent sur Windows, macOS, Linux ou une combinaison des trois, et s’associent avec des serveurs de modèles locaux populaires comme Ollama, vLLM et LM Studio. Nous les avons classés selon ce qu’ils font réellement avec le flux vidéo : détection d’objets, reconnaissance faciale, alertes descriptives et intégration avec Home Assistant ou HomeKit.
Ce qu'il faut rechercher dans un NVR alimenté par l'IA
Cinq choses distinguent un NVR qui exécute la détection d’objets d’un qui transforme les alertes en quelque chose d’utile :
- Inférence locale véritable. L’IA basée sur le cloud facture par image, ce qui explique pourquoi la plupart des plans Ring ou Nest limitent la détection. La détection locale sur GPU ou Coral TPU est gratuite après les frais matériels.
- Ingestion RTSP en premier. La découverte ONVIF est pratique mais RTSP est ce que parlent les NVR ouverts. Le support des caméras s’arrête à cette ligne.
- Accélération matérielle. NVIDIA NVENC, Intel QuickSync ou Coral USB Accelerator pour la détection d’objets à grande vitesse. Une configuration CPU uniquement vieillit rapidement.
- Intégration Home Assistant. La fonction clé de la compilation XDA est que le LLM s’exécutait via HA pour pouvoir extraire les événements de mouvement et les décrire. La qualité de l’intégration compte.
- Backends IA modulaires. Les serveurs d’inférence enfichables (CodeProject.AI, Frigate+) battent un modèle fourni en boîte noire que le fournisseur contrôle.
Comparaison rapide
| Application | Meilleur pour | Plateformes | Forfait gratuit | Tarif de départ | Support de l’IA |
|---|---|---|---|---|---|
| Frigate NVR | Détection d’objets + intégration HA | Linux, Docker, Proxmox | Open-source | Gratuit | Coral TPU, ONNX, GPU |
| CodeProject.AI Server | Backend IA modulaire | Windows, Linux, macOS, Docker | Open-source | Gratuit | Multi-modèle |
| Blue Iris | NVR commercial lourd | Windows | $69,95 une seule fois | $69,95 | DeepStack, plugin CPAI |
| AgentDVR | NVR multiplateforme | Windows, macOS, Linux | Niveau gratuit | $7,99/mois Premium | DeepStack, ONVIF |
| Viseron | NVR conteneur léger | Docker sur Linux, macOS | Open-source | Gratuit | Edge TPU, CPU, GPU |
| Shinobi CCTV | Fonctionnalités pro open-source | Windows, macOS, Linux | Open-source | Gratuit | Détection d’objets TF |
| MotionEye | NVR classe Raspberry Pi | Linux, Docker | Open-source | Gratuit | Aucun fourni, plugin |
1. Frigate NVR, meilleur pour la détection d'objets + intégration Home Assistant
Frigate NVR est le NVR open-source sur lequel le monde de l’auto-hébergement s’est installé pour une seule raison : l’intégration Home Assistant est de première classe. Frigate exécute la détection d’objets en temps réel en utilisant Coral TPU, GPU NVIDIA ou iGPU moderne Intel, publie les événements de détection via MQTT et fournit à Home Assistant une miniature en direct par caméra. La compilation XDA qui a déclenché cet article connectait les événements Frigate à un modèle de vision Llama 3 local sur la même boîte, puis redirigez les descriptions vers les notifications HA.
Où il fait défaut : Docker-first, ce qui signifie que la courbe de configuration est plus raide que Blue Iris si vous n’avez pas exécuté un conteneur auparavant. Windows n’est pris en charge que via WSL ou Docker Desktop, pas en natif.
Tarification :
- Gratuit : open-source, MIT
- Payant : l’abonnement Frigate+ déverrouille les modèles de détection de qualité supérieure, $50/an, facultatif
Plateformes : Linux natif, Docker sur Windows/macOS, Proxmox, add-on Home Assistant OS
Télécharger : Frigate NVR
Conclusion : le NVR pour le home lab qui exécute déjà Home Assistant. Le pipeline LLM local s’exécute proprement au-dessus de Frigate, et le chemin de mise à niveau de la détection d’objets aux alertes descriptives est documenté.
2. CodeProject.AI Server, meilleur backend IA modulaire
CodeProject.AI Server n’est pas un NVR. C’est le serveur d’inférence IA sur lequel d’autres NVR se connectent. Déposez CPAI sur la même machine que Blue Iris, AgentDVR ou Shinobi, et il expose la détection d’objets, la reconnaissance faciale, la lecture de plaques d’immatriculation et la super-résolution comme points de terminaison HTTP que les NVR interrogent. La bibliothèque de modèles est modulaire : installez uniquement ce dont vous avez besoin, échangez-les sans toucher au NVR.
Où il fait défaut : par lui-même, CPAI n’enregistre rien. Associez-le à un NVR. Le programme d’installation Windows est plus convivial que la configuration Linux, qui penche toujours vers Docker.
Tarification :
- Gratuit : open-source, modules inclus
- Payant : aucun
Plateformes : Windows, Linux, macOS, Docker (accélération matérielle NVIDIA, ROCm, Intel)
Télécharger : CodeProject.AI Server
Conclusion : le backend de choix si vous souhaitez ajouter une couche d’IA à un NVR existant. S’associe particulièrement bien avec Blue Iris.
3. Blue Iris, meilleur NVR commercial lourd
Blue Iris est le NVR commercial Windows uniquement de longue date qui alimente de nombreuses installations de petits commerces. La compilation 2026 intègre CodeProject.AI en tant que module IA de première classe, de sorte que la détection d’objets, l’appariement facial et les lectures de plaques d’immatriculation sont configurés dans la même interface que les profils de caméra. La qualité d’enregistrement, les zones de mouvement et la prise en charge des caméras PTZ sont les plus approfondies de cette liste.
Où il fait défaut : Windows uniquement, $69,95 achète la version 5 avec un an de support, puis $35 par mise à jour majeure. Pas bon marché selon les normes de l’auto-hébergement.
Tarification :
- Gratuit : essai de 15 jours
- Payant : $34,95 lite (une caméra) ou $69,95 complet, plus support annuel facultatif
Plateformes : Windows 10 et 11
Télécharger : Blue Iris
Conclusion : le bon choix pour un home lab Windows uniquement qui veut toutes les fonctionnalités PTZ et est prêt à payer une fois. CPAI gère le côté IA.
4. AgentDVR, meilleur NVR multiplateforme
AgentDVR est la réponse multiplateforme à Blue Iris, écrite par l’équipe iSpyConnect. Le même noyau NVR s’exécute sur Windows, macOS, Linux et Docker. Les intégrations IA prennent en charge DeepStack et CodeProject.AI pour la détection, et l’interface Web gère la visualisation à distance sans application séparée. Le niveau gratuit couvre la plupart des usages domestiques ; Premium ajoute l’enregistrement cloud, le mouvement avancé et un historique d’événements plus long.
Où il fait défaut : l’intégration IA est moins raffinée que le pipeline Home Assistant de Frigate. Les alertes descriptives via LLM local nécessitent plus de code de liaison que les événements MQTT de Frigate.
Tarification :
- Gratuit : ensemble complet de fonctionnalités, 2 caméras, fonctionnalités cloud limitées
- Payant : Premium à partir de $7,99/mois pour le cloud complet et les caméras illimitées
Plateformes : Windows, macOS, Linux, Docker, Raspberry Pi
Télécharger : AgentDVR
Conclusion : le NVR multiplateforme pour les utilisateurs qui veulent un outil qui s’exécute sur leur machine Mac ou Linux.
5. Viseron, meilleur NVR conteneur léger
Viseron est le NVR natif Docker qui cible le même public Home Assistant que Frigate mais échange le vernis pour la flexibilité. Le détecteur d’objets prend en charge Edge TPU, ONNX et les backends CPU. La configuration est un seul fichier YAML. L’enregistrement en flux ne se produit que lors de mouvement, de sorte que l’utilisation du disque reste faible sur un petit serveur.
Où il fait défaut : communauté plus petite que Frigate, moins d’intégrations, et la documentation est à la traîne des fonctionnalités. Mieux pour les utilisateurs à l’aise lisant le code source quand ils sont bloqués.
Tarification :
- Gratuit : open-source, Apache 2.0
- Payant : aucun
Plateformes : Docker sur Linux et macOS
Télécharger : Viseron sur GitHub
Conclusion : le choix secondaire si la disposition Docker de Frigate ne convient pas. Plus fort en efficacité des ressources qu’en profondeur des fonctionnalités.
6. Shinobi CCTV, meilleur pour les fonctionnalités pro sans payer
Shinobi CCTV est le NVR open-source avec vernis professionnel, construit à l’origine pour les installateurs qui voulaient les fonctionnalités de Blue Iris sans licence. La détection d’objets TensorFlow s’exécute dans le même processus, et le tableau de bord expose le grattage de la chronologie, les grilles multi-caméras et le filtrage des événements plus proche d’un produit payant.
Où il fait défaut : le rythme de développement varie, et le module IA est plus ancien que celui de Frigate. Le mainteneur a été réactif mais les versions ne sont pas aussi fréquentes.
Tarification :
- Gratuit : open-source, MIT
- Payant : abonnement au support facultatif de Shinobi.video
Plateformes : Windows, macOS, Linux, Docker
Télécharger : Shinobi CCTV
Conclusion : le bon choix si vous voulez un tableau de bord raffiné et une licence gratuite. Les intégrés IA sont utilisables mais en retard sur Frigate.
7. MotionEye, meilleur pour le matériel classe Raspberry Pi
MotionEye est le NVR léger qui fonctionne sur les cartes Raspberry Pi depuis une décennie. Il ne regroupe pas l’IA moderne, mais il peut canaliser les flux RTSP vers Frigate ou CodeProject.AI sur une machine séparée, puis alimenter les alertes vers Home Assistant. L’image MotionEyeOS transforme un Pi 4 en NVR quatre caméras en quelques clics.
Où il fait défaut : pas d’IA native, le tableau de bord est fonctionnel plutôt que brillant, et la recherche d’événements est rudimentaire. Il est destiné à être associé à des outils plus intelligents.
Tarification :
- Gratuit : open-source, GPL
- Payant : aucun
Plateformes : Linux, Docker, image MotionEyeOS pour Raspberry Pi
Télécharger : MotionEye sur GitHub
Conclusion : l’ingesteur léger pour une machine classe Pi. Associez-le à Frigate ou CodeProject.AI pour la couche IA.
Comment choisir le bon
- Si vous exécutez déjà Home Assistant et que vous voulez la compilation d’alerte descriptive au style XDA, installez Frigate NVR en tant que backend des caméras et associez-le à un LLM local via HA. Rien d’autre sur cette liste n’est aussi bien documenté pour ce flux.
- Si c’est Windows uniquement, Blue Iris plus CodeProject.AI Server est la pile commerciale la plus raffinée. Payez une fois, apprenez l’interface, c’est fini.
- Si vous voulez une plateforme croisée et que vous détestez Docker, AgentDVR est la réponse.
- Pour un home lab Mac qui veut l’expérience Frigate, AgentDVR s’exécute en natif. Frigate via Docker fonctionne aussi mais le surcoût Docker sur macOS est réel.
- Pour les configurations basse ressource Raspberry Pi, MotionEye ingère les caméras et une deuxième machine gère l’IA.
- Si vous voulez la couche IA séparément afin de pouvoir changer le NVR plus tard, installez d’abord CodeProject.AI Server. La plupart des NVR sur cette liste s’intègrent avec elle.
FAQ
Qu'est-ce que Frigate et pourquoi la communauté des caméras IA continue-t-elle à la recommander ?
Frigate est un NVR open-source construit autour de la détection d’objets en temps réel sur Coral TPU ou GPU. L’intégration Home Assistant publie les événements de détection en tant que messages MQTT, ce qui facilite le rattachement aux automatisations, aux tableaux de bord ou, comme dans la compilation XDA, à un LLM local qui décrit ce qui a été détecté.
Comment ajouter un LLM local à ma configuration de caméra de sécurité ?
Le flux fiable : Frigate détecte un objet et publie la capture sur MQTT. Home Assistant s’abonne à l’événement et déclenche un script qui envoie la capture à un LLM local capable de vision (Llama 3.2 Vision, MiniCPM, Qwen2-VL) hébergé dans Ollama ou LM Studio. Le LLM retourne une description, HA envoie une notification avec ce texte. L’article XDA parcourt la configuration complète.
Quel matériel me faut-il pour l'analyse locale des caméras IA ?
La configuration minimale utile est un Coral USB Accelerator ($60) branché sur un Pi 5 ou une petite boîte N100, qui gère la détection d’objets pour 4-6 flux. Pour les alertes descriptives via LLM vision, un GPU consommateur avec 12 Go de VRAM (RTX 3060 ou RTX 4060 Ti) exécute un modèle de vision 8B en temps réel. Une ancienne carte 8 Go fonctionne également avec des modèles plus petits.
L'IA locale est-elle meilleure que la détection cloud de Ring ou Nest ?
Pour la confidentialité, oui par définition : la vidéo ne quitte jamais votre réseau. Pour la précision, l’écart s’est fermé en 2025. Une configuration actuelle Frigate+Coral avec un modèle affiné identifie les personnes, les véhicules, les animaux et les colis avec une précision comparable à un abonnement Nest Aware, et la qualité de description d’un modèle de vision local 8B surpasse les modèles en conserve que les services cloud envoient.
Quelle est la meilleure application gratuite de caméra de sécurité domestique alimentée par l'IA ?
Frigate NVR pour le côté NVR, CodeProject.AI Server pour le côté inférence. Les deux sont open-source, matures et s’intègrent avec Home Assistant. La pile combinée ne coûte rien au-delà du matériel.
