Contrairement aux détecteurs classiques appris sur une liste fermée de catégories et aux VLM (grands modèles vision-langage) qui sont limités à un vocabulaire figé, trop lourds et non explicables, cette thèse propose une approche explicable et frugale de détection d'objets en monde ouvert. En effet, les détecteurs d’objets dans un monde ouvert sont capables non seulement de reconnaître les objets connus, mais aussi de signaler des éléments inconnus ou inattendus.

Le projet de thèse repose sur l'utilisation des VLM uniquement comme des enseignants (teachers) hors ligne lors de l'entraînement afin de distiller leurs connaissances dans un détecteur léger en temps réel. En s'appuyant sur l'apprentissage et le raisonnement à partir d'une hiérarchie de concepts visuels partagés (couvrant l'apparence, les attributs et les familles sémantiques), le modèle proposé sera capable non seulement de reconnaître les objets connus, mais aussi de signaler et de caractériser les objets inconnus sans requêtes (prompts) préalables. Cette approche fournira ainsi des explications visuelles directement ancrées dans l'image, répondant aux exigences de robustesse, de transparence et de frugalité, essentielles dans des applications de nombreux domaines où la sécurité est critique (mobilité, défense et sécurité, santé et contrôle industriel).