v1.0 - Version stable: multi-PC, détection UI-DETR-1, 3 modes exécution

- Frontend v4 accessible sur réseau local (192.168.1.40)
- Ports ouverts: 3002 (frontend), 5001 (backend), 5004 (dashboard)
- Ollama GPU fonctionnel
- Self-healing interactif
- Dashboard confiance

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

examples/simple_vlm_detection.py

@@ -0,0 +1,105 @@
+#!/usr/bin/env python3
+"""
+Exemple Simple de Détection VLM
+
+Montre comment utiliser le UIDetector avec VLM pour détecter
+des éléments UI dans un screenshot.
+"""
+
+import sys
+from pathlib import Path
+
+# Ajouter le répertoire parent au path
+sys.path.insert(0, str(Path(__file__).parent.parent))
+
+from core.detection.ui_detector import UIDetector, DetectionConfig
+from core.detection.ollama_client import check_ollama_available
+
+
+def main():
+    """Exemple simple d'utilisation"""
+    
+    # Vérifier qu'Ollama est disponible
+    if not check_ollama_available():
+        print("❌ Ollama n'est pas disponible!")
+        print("   Lancez Ollama avec: ollama serve")
+        print("   Puis téléchargez le modèle: ollama pull qwen3-vl:8b")
+        return
+    
+    print("✓ Ollama est disponible\n")
+    
+    # Créer le détecteur avec configuration par défaut
+    print("Initialisation du UIDetector...")
+    detector = UIDetector()
+    
+    if detector.vlm_client is None:
+        print("❌ Le VLM n'a pas pu être initialisé")
+        return
+    
+    print(f"✓ UIDetector initialisé avec {detector.config.vlm_model}\n")
+    
+    # Vérifier si un screenshot est fourni en argument
+    if len(sys.argv) > 1:
+        screenshot_path = sys.argv[1]
+    else:
+        print("Usage: python simple_vlm_detection.py <screenshot_path>")
+        print("\nExemple:")
+        print("  python simple_vlm_detection.py /path/to/screenshot.png")
+        return
+    
+    # Vérifier que le fichier existe
+    if not Path(screenshot_path).exists():
+        print(f"❌ Le fichier {screenshot_path} n'existe pas")
+        return
+    
+    print(f"Analyse du screenshot: {screenshot_path}")
+    print("(Cela peut prendre quelques secondes...)\n")
+    
+    # Détecter les éléments UI
+    elements = detector.detect(screenshot_path)
+    
+    # Afficher les résultats
+    print(f"✓ Détection terminée: {len(elements)} éléments trouvés\n")
+    
+    if len(elements) == 0:
+        print("Aucun élément UI détecté dans ce screenshot.")
+        return
+    
+    # Afficher chaque élément
+    print("=" * 80)
+    print("ÉLÉMENTS UI DÉTECTÉS")
+    print("=" * 80)
+    
+    for i, elem in enumerate(elements, 1):
+        print(f"\n{i}. {elem.type.upper()} - {elem.role}")
+        print(f"   Label:      {elem.label or '(aucun)'}")
+        print(f"   Position:   x={elem.bbox[0]}, y={elem.bbox[1]}")
+        print(f"   Taille:     w={elem.bbox[2]}, h={elem.bbox[3]}")
+        print(f"   Centre:     ({elem.center[0]}, {elem.center[1]})")
+        print(f"   Confiance:  {elem.confidence:.2%}")
+    
+    print("\n" + "=" * 80)
+    
+    # Statistiques
+    print("\nSTATISTIQUES:")
+    types_count = {}
+    roles_count = {}
+    
+    for elem in elements:
+        types_count[elem.type] = types_count.get(elem.type, 0) + 1
+        roles_count[elem.role] = roles_count.get(elem.role, 0) + 1
+    
+    print("\nTypes d'éléments:")
+    for elem_type, count in sorted(types_count.items()):
+        print(f"  - {elem_type}: {count}")
+    
+    print("\nRôles sémantiques:")
+    for role, count in sorted(roles_count.items()):
+        print(f"  - {role}: {count}")
+    
+    avg_confidence = sum(e.confidence for e in elements) / len(elements)
+    print(f"\nConfiance moyenne: {avg_confidence:.2%}")
+
+
+if __name__ == "__main__":
+    main()