Accueil/Smart Home/Configurer Frigate NVR : détecteurs, zones et Home Assistant (2026)

Local AI & LLMs in the Smart Home

Configurer Frigate NVR : détecteurs, zones et Home Assistant (2026)

Dernière mise à jour: 27 août 2026·16 min de lecture·Par Hans Kuepper · Fondateur de PromptQuorum, outil de dispatch multi-modèle · PromptQuorum

Lire en:

🇺🇸en 🇩🇪de 🇫🇷fr 🇯🇵ja 🇨🇳zh 🇪🇸es 🇧🇷pt 🇸🇦ar 🇰🇷ko

Frigate est un NVR open source qui exécute la détection d'objets par IA localement sur vos flux caméra et expose chaque détection à Home Assistant sous forme d'entité. Depuis Frigate 0.17.2, un iGPU Intel avec le détecteur OpenVINO — et non un Google Coral — constitue le point de départ recommandé.

Frigate est un enregistreur vidéo réseau open source qui exécute la détection d'objets par IA sur votre propre matériel et transmet chaque détection à Home Assistant sous forme d'entité. Ce guide pratique couvre le choix du détecteur en 2026 — où Google Coral n'est plus la réponse par défaut — les réglages de flux caméra, un config.yml fonctionnel, les zones qui suppriment réellement les fausses alertes, l'intégration Home Assistant et les apports des versions 0.16 et 0.17.

Configurer Frigate NVR : détecteurs, zones et Home Assistant (2026)

Points clés

Frigate 0.17.2 (28 juin 2026) est la version stable actuelle ; 0.18.0 est en bêta depuis le 8 août 2026
Le détecteur d'abord : un iGPU Intel avec le détecteur OpenVINO est le départ le moins coûteux ; Hailo-8 ou un GPU NVIDIA montent en charge
Coral est devenu la solution de repli, non le choix par défaut — recommandé uniquement quand la consommation est la contrainte déterminante
Deux flux par caméra : 1280x720 à 5 fps pour la détection, le flux principal en pleine résolution à 15 fps pour l'enregistrement
Les zones associées à required_zones, loitering_time et inertia éliminent les fausses alertes — pas un meilleur modèle
L'intégration Home Assistant exige une intégration MQTT déjà configurée, sinon aucune entité n'apparaît
La recherche sémantique demande 8 Go de RAM minimum, 16 Go et un GPU pour être confortable, et un processeur avec AVX2
Frigate+ coûte 50 $ par an (facturation en USD) pour 12 modèles affinés ; reconnaissance faciale et lecture de plaques fonctionnent sans abonnement

Que fait Frigate qu'un NVR classique ne fait pas ?

Frigate applique un traitement en deux étapes : une détection de mouvement peu coûteuse identifie les régions à examiner, puis un véritable modèle de détection d'objets décide s'il s'agit d'une personne, d'un véhicule, d'un chien ou d'un colis. Un NVR classique se déclenche au changement de pixels, d'où les alertes sur les phares, la pluie et les arbustes.

📍 En une phrase

Frigate sélectionne des régions de l'image par une détection de mouvement peu coûteuse, puis n'exécute le modèle de détection d'objets que sur ces régions : c'est pourquoi un seul petit accélérateur dessert de nombreuses caméras.

Mouvement d'abord, IA ensuite : la détection de mouvement légère détermine *où* exécuter le détecteur, ce qui permet à un petit accélérateur de couvrir de nombreuses caméras.
Enregistrement par objet : la rétention dépend de ce qui a été détecté, non d'un tampon continu 24 h/24, ce qui économise fortement le stockage.
Rediffusion via go2rtc : Frigate interroge chaque caméra une seule fois et redistribue le flux, au lieu de laisser cinq clients solliciter la caméra.
Sortie MQTT : chaque objet suivi, chaque entrée en zone et chaque comptage est publié, ce qui rend possibles les automatisations Home Assistant.
Éléments de revue : les détections sont séparées en *alertes* (ce dont vous voulez être informé) et *détections* (consignées, sans notification).

📌Remarque: La distinction entre alertes et détections est le concept le plus utile de Frigate. Les alertes réveillent votre téléphone, les détections constituent l'historique consultable. Réglez-les séparément.

Quel détecteur acheter pour Frigate en 2026 ?

Choisissez une machine Intel avec iGPU et le détecteur OpenVINO si vous partez de zéro ; un module Hailo-8 si vous visez la latence la plus faible par watt ; le détecteur ONNX si la machine possède déjà un GPU NVIDIA. La documentation de Frigate précise que Coral n'est plus recommandé pour les nouvelles installations, sauf contrainte de consommation inhabituelle.

💬 En termes simples

Le détecteur est la puce qui répond à la question « est-ce une personne ? ». Vous pouvez utiliser la partie graphique d'un processeur Intel, une carte NVIDIA dédiée ou un petit module IA au format M.2. La clé USB universellement recommandée (Google Coral) fonctionne toujours mais n'est plus le point de départ conseillé.

Utilisez OpenVINO si l'hôte dispose d'un processeur Intel de 6ᵉ génération ou plus récent : l'iGPU est déjà payé et ne demande aucun matériel supplémentaire.
Utilisez ONNX si la machine possède déjà un GPU NVIDIA ou AMD ; Frigate détecte la plateforme automatiquement.
Utilisez Hailo-8 / Hailo-8L pour obtenir une latence d'accélérateur dans un emplacement M.2 à faible consommation.
Utilisez TensorRT spécifiquement sur les cartes NVIDIA Jetson — consultez le test du NVIDIA Jetson Orin Nano pour l'IA domotique.
Utilisez edgetpu (Coral) uniquement si les watts constituent la contrainte déterminante et que vous acceptez une gamme de modèles vieillissante.
Évitez totalement le détecteur cpu : selon Frigate, OpenVINO en mode CPU est plus efficace que le détecteur CPU dédié.

Détecteur	Matériel	Inférence (publiée)
openvino	Intel Arc A750	env. 4 ms MobileNetV2 / env. 8 ms YOLOv9-320
openvino	Intel NPU	env. 6 ms MobileNetV2 / env. 11 ms YOLOv9-320
openvino	iGPU Intel UHD 730	env. 10 ms MobileNetV2 / env. 14 ms YOLOv9-tiny
hailo8l	Hailo-8	env. 6 ms SSD MobileNet / env. 7 ms YOLOv6n
hailo8l	Hailo-8L	env. 10 ms SSD MobileNet / env. 11 ms YOLOv6n
onnx	NVIDIA RTX 3070	env. 6–8 ms YOLOv9 tiny→small 320
onnx	NVIDIA RTX 3050	env. 8–10 ms YOLOv9 tiny→small 320
onnx	AMD Radeon 780M	env. 14 ms YOLOv9-tiny-320
zmq	Apple M3 Pro	env. 6 ms YOLOv9-tiny-320

Ces chiffres sont ceux publiés par Frigate pour chaque détecteur, et non des mesures PromptQuorum. Frigate propose également les types rknn (NPU Rockchip), memryx, synaptics, deepstack et degirum.

⚠️Attention: La plupart des tutoriels Frigate commencent encore par « achetez un Coral ». Ce conseil est antérieur aux travaux OpenVINO, Hailo et ONNX des versions 0.16 et 0.17, et la page matériel de Frigate le contredit désormais pour les nouvelles installations.

💡Astuce: La capacité en caméras d'un Coral correspond à environ 1000 / inference_speed images par seconde, partagées entre toutes les caméras. À 5 fps de détection, un budget de 10 ms couvre théoriquement une vingtaine de flux — la limitation thermique et l'alimentation USB réduisent ce chiffre.

De quoi le serveur Frigate a-t-il besoin ?

Un petit mini-PC Intel série N ou Core i, 8 à 16 Go de RAM, un SSD pour le système et un disque dur séparé pour les enregistrements couvrent une maison type de quatre à huit caméras. La contrainte est rarement le processeur : ce sont la mémoire partagée, l'endurance du SSD et le choix d'activer ou non la recherche sémantique.

**Mémoire partagée (shm) :** la valeur par défaut de 128 Mo ne couvre qu'environ deux caméras en 720p. Frigate compte environ 66.63 Mo par caméra en 1280x720 avec les journaux, soit environ 253 Mo pour huit caméras.
**Définissez --shm-size explicitement :** --shm-size=512mb convient à la plupart des installations ; une valeur trop faible se manifeste par des caméras qui décrochent, sans erreur explicite.
Trois points de montage : /config pour le YAML et la base, /media/frigate pour les clips, enregistrements et exports, /tmp/cache pour les segments en cours.
Enregistrements sur disque dur : l'écriture continue épuise l'endurance d'un SSD grand public. Placez /media/frigate sur un disque dur et gardez /tmp/cache sur du stockage rapide.
RAM pour les fonctions IA : la recherche sémantique exige au minimum 8 Go et un processeur avec AVX et AVX2 ; 16 Go et un GPU sont recommandés.

Configuration	Détecteur	Convient à
Mini-PC Intel N100/N150, 16 Go	openvino (iGPU)	2 à 6 caméras, sans recherche sémantique
Mini-PC Intel Core i5, 32 Go	openvino (iGPU)	6 à 12 caméras avec recherche sémantique
Hôte quelconque + Hailo-8 M.2	hailo8l	Faible consommation, nombreuses caméras
PC de bureau avec RTX 3050+	onnx	Frigate et un LLM local sur une seule machine
Raspberry Pi 5	edgetpu / hailo8l	1 à 3 caméras, budget énergétique serré

Frigate prend en charge Docker sur Debian natif, le module complémentaire Home Assistant, Kubernetes via Helm, Unraid, les NAS Synology et QNAP, ESXi et macOS sur Apple Silicon. Sous Proxmox, utilisez une machine virtuelle QEMU : LXC n'est explicitement pas pris en charge.

⚠️Attention: Exécuter Frigate dans un conteneur LXC Proxmox n'est pas pris en charge. Le passage d'un Coral ou d'un iGPU semble fonctionner puis échoue d'une manière que personne ne pourra diagnostiquer pour vous. Utilisez une machine virtuelle.

🛠️Bonne pratique: Si une seule machine doit héberger Frigate, Home Assistant et un LLM local, dimensionnez-la d'abord pour le LLM — consultez la sélection de mini-PC pour Home Assistant et l'IA locale.

Comment configurer vos caméras pour Frigate ?

Configurez deux flux dans le micrologiciel de la caméra : un sous-flux 1280x720 à 5 fps pour la détection et le flux principal en résolution native à 15 fps pour l'enregistrement, tous deux en H.264 et au même format d'image. Le modèle de détection de Frigate travaille sur une entrée 320x320 : un flux de détection 4K n'apporte rien et coûte très cher en décodage.

Utilisez H.264 plutôt que H.265 : la prise en charge navigateur du H.265 est limitée et la vue en direct en souffre en premier.
Modifiez la fréquence d'images dans la caméra, jamais dans Frigate : le sous-échantillonnage logiciel consomme du processeur sans bénéfice.
Privilégiez le PoE filaire au Wi-Fi ; un sous-flux qui décroche se traduit par des détections manquées, non par une panne visible.
Pour du matériel exposant correctement RTSP et ONVIF, consultez le guide d'achat des caméras locales pour une installation Frigate.

1
Dans le micrologiciel, réglez le sous-flux sur 1280x720, 5 fps, H.264, avec un intervalle d'images clés de 5 (une par seconde).
2
Réglez le flux principal sur la résolution native de la caméra — 2688x1520 sur un capteur 4 Mpx courant — à 15 fps, H.264, intervalle d'images clés 30.
3
Conservez le même format d'image sur les deux flux (16:9 avec 16:9) pour que les cadres de détection se transposent correctement.
4
Attribuez le rôle detect au sous-flux et le rôle record au flux principal.
5
Ne montez la détection à 10 fps que pour des sujets réellement rapides, comme un véhicule traversant une vue d'allée étroite.

💡Astuce: Si les objets au fond de l'allée ne sont jamais détectés, la cause est généralement la résolution et non le modèle : en 1280x720 ramené à une entrée 320x320, une personne éloignée ne représente que quelques pixels. Découpez cette vue sur une seconde caméra ou un flux zoomé plutôt que d'augmenter la résolution de détection globalement.

📌Remarque: Frigate interroge chaque caméra une seule fois et sert tous les autres clients depuis cette copie : pointez donc Home Assistant vers Frigate et non vers la caméra.

Comment installer Frigate ?

Utilisez Docker Compose sur un hôte Debian natif pour suivre la voie prise en charge ; utilisez le module complémentaire Home Assistant si vous acceptez moins de contrôle en échange d'une installation en un clic. Les deux réclament le même config.yml et le même courtier MQTT.

1
Installez Docker sur un hôte Debian et créez les répertoires /config et /media/frigate.
2
Rédigez un config.yml minimal avec une seule caméra et sans bloc détecteur, afin que Frigate démarre sur les valeurs par défaut et que vous puissiez vérifier le flux.
3
Démarrez le conteneur avec un shm_size explicite et le périphérique adapté : /dev/dri (Intel), le runtime GPU (NVIDIA) ou /dev/hailo0 (Hailo).
4
Ouvrez l'interface web et vérifiez l'image de la caméra, les FPS de détection et le temps d'inférence affiché sur la page Système.
5
Ajoutez le vrai bloc detectors, redémarrez et vérifiez que le temps d'inférence rejoint la valeur publiée pour votre matériel.
6
Configurez le courtier MQTT dans config.yml, puis ajoutez l'intégration Frigate dans Home Assistant.

yaml

services:
  frigate:
    container_name: frigate
    image: ghcr.io/blakeblackshear/frigate:0.17.2
    restart: unless-stopped
    privileged: true
    shm_size: "512mb"
    devices:
      - /dev/dri/renderD128:/dev/dri/renderD128   # Intel iGPU (OpenVINO)
    volumes:
      - /etc/localtime:/etc/localtime:ro
      - ./config:/config
      - /srv/frigate/media:/media/frigate
      - type: tmpfs
        target: /tmp/cache
        tmpfs:
          size: 1000000000
    ports:
      - "8971:8971"   # authenticated web UI
      - "8554:8554"   # RTSP restream
      - "8555:8555/tcp"
      - "8555:8555/udp"

⚠️Attention: Figez l'étiquette de l'image sur une version précise plutôt que sur stable. Les schémas de configuration de Frigate évoluent entre versions mineures, et un docker compose pull non surveillé au passage de 0.17 à 0.18 peut laisser un conteneur qui refuse votre YAML existant.

🛠️Bonne pratique: Mettez une caméra en service avant d'ajouter les autres. Presque tous les fils « Frigate ne marche pas » se terminent sur l'URL du sous-flux d'une seule caméra, bien plus facile à repérer avec une seule entrée dans la configuration.

À quoi ressemble un config.yml Frigate fonctionnel ?

**Une configuration fonctionnelle comporte quatre blocs : mqtt, detectors, cameras avec deux rôles de flux, puis les filtres zones et review propres à chaque caméra.** Tout le reste dispose de valeurs par défaut suffisantes le premier jour.

subtype=1 et subtype=0 correspondent à la convention Dahua/Amcrest pour le sous-flux et le flux principal ; Reolink utilise h264Preview_01_sub et h264Preview_01_main.
retain.mode: motion ne conserve les images continues que là où il y a eu du mouvement : c'est le principal levier de stockage.
review.alerts.required_zones empêche qu'un véhicule sur la voie publique réveille votre téléphone.
Frigate 0.17 a ajouté une configuration complète depuis l'interface, ce qui permet de modifier l'essentiel dans le navigateur plutôt qu'à la main.

yaml

mqtt:
  host: 192.168.1.10
  user: frigate
  password: "{FRIGATE_MQTT_PASSWORD}"

detectors:
  ov:
    type: openvino
    device: GPU

cameras:
  driveway:
    ffmpeg:
      inputs:
        - path: rtsp://user:pass@192.168.1.51:554/cam/realmonitor?channel=1&subtype=1
          roles: [detect]
        - path: rtsp://user:pass@192.168.1.51:554/cam/realmonitor?channel=1&subtype=0
          roles: [record]
    detect:
      width: 1280
      height: 720
      fps: 5
    record:
      enabled: true
      retain:
        days: 3
        mode: motion
      alerts:
        retain:
          days: 30
    snapshots:
      enabled: true
    motion:
      mask:
        - 0,0,0.35,0,0.35,0.12,0,0.12   # timestamp overlay
    zones:
      driveway_apron:
        coordinates: 0.14,0.98,0.62,0.55,0.95,0.72,0.88,1.0
        loitering_time: 4
        inertia: 3
    review:
      alerts:
        labels: [person, car]
        required_zones: [driveway_apron]
      detections:
        labels: [person, car, dog, cat]

💡Astuce: Frigate 0.17 a également introduit les profils : des surcharges de configuration nommées, commutables sans redémarrer le conteneur. Un profil « invités à la maison » élargissant required_zones vaut mieux que de modifier le YAML deux fois par semaine.

Comment les zones et les masques suppriment-ils les fausses alertes ?

Les zones filtrent les détections pertinentes ; les masques de mouvement empêchent Frigate de regarder une région. Employez une zone quand l'objet est réel mais sans intérêt, et un masque quand le mouvement n'est pas un objet. La présence en zone est évaluée au centre bas du cadre de détection : une zone doit donc couvrir le sol où se posent pieds et roues, non la hauteur des têtes.

📍 En une phrase

Dans Frigate, un masque de mouvement empêche totalement la détection dans une région, tandis qu'une zone associée à required_zones laisse la détection s'exécuter normalement et se contente de restreindre les détections autorisées à déclencher une alerte.

❌ Mauvaise approche

“Des alertes pour chaque personne, sur chaque caméra, en continu — puis des notifications coupées au bout de deux jours parce que le trottoir génère quarante alertes par nuit.”

✅ Bonne approche

“Une zone driveway_apron couvrant uniquement le sol à l'intérieur de la limite de propriété, review.alerts.required_zones réglé sur cette zone, loitering_time: 4, et les détections (sans notification) conservées pour tout le reste afin que l'historique consultable reste complet.”

Masque de mouvement : pour les incrustations d'horodatage, un arbre agité, un drapeau. Frigate n'y exécute jamais de détection. À réserver aux mouvements qui ne sont jamais un objet pertinent.
Masque de filtre d'objet : supprime une étiquette précise dans une région précise, par exemple le véhicule du voisin détecté en permanence comme car.
**Zone associée à required_zones :** l'objet est bien une personne, mais une personne sur le trottoir n'est pas une alerte. C'est la bonne réponse au passage de piétons.
loitering_time :** exige que l'objet reste N secondes dans la zone — un livreur qui remonte l'allée satisfait ce critère, un passant non.
inertia :** exige que l'objet reste dans la zone pendant N images consécutives (3 par défaut), afin que les tremblements du cadre à la frontière ne déclenchent rien.
Estimation de vitesse : une zone à exactement quatre points alignés au sol, accompagnée d'une liste distances, produit une valeur de vitesse dans l'interface et via MQTT.

⚠️Attention: Tracer une zone sur la moitié supérieure de l'image ne sert à rien. La présence est jugée au centre bas du cadre de détection : dessinez les zones au niveau du sol.

🔍Point clé: Les fausses alertes ne relèvent presque jamais de la qualité du modèle. Dans une installation résidentielle type, les zones et required_zones éliminent plus de bruit que n'importe quelle montée en gamme du détecteur.

Comment connecter Frigate à Home Assistant ?

Configurez d'abord l'intégration MQTT dans Home Assistant, pointez Frigate vers le même courtier, puis installez l'intégration Frigate : elle crée des entités camera, image, sensor, switch et binary_sensor par caméra et par zone. Sans MQTT configuré au préalable, l'intégration s'installe et ne produit rien.

1
Installez un courtier MQTT (le module Mosquitto est le choix habituel) et ajoutez l'intégration MQTT dans Home Assistant.
2
Renseignez le bloc mqtt du config.yml de Frigate avec le même courtier, doté de ses propres identifiants.
3
Installez l'intégration Frigate via HACS ou comme intégration native, et pointez-la vers l'hôte Frigate.
4
Activez l'intégration Media Source pour que enregistrements et instantanés apparaissent dans le navigateur multimédia.
5
Construisez vos automatisations sur les capteurs binaires de zone plutôt que sur ceux de caméra.

binary_sensor

Ce que vous obtenez:: Mouvement et présence d'objet par caméra, par zone et par étiquette d'objet
À quoi cela sert:: Le déclencheur de pratiquement toute automatisation — une personne dans une zone précise vaut bien mieux qu'un mouvement sur une caméra

camera

Ce que vous obtenez:: Entité de flux en direct servie par la rediffusion Frigate sur le port 8554
À quoi cela sert:: Cartes de tableau de bord et diffusion ; pointer Home Assistant ici plutôt que vers la caméra évite une seconde connexion à celle-ci

image

Ce que vous obtenez:: Le dernier instantané de l'objet détecté le plus récent, par caméra
À quoi cela sert:: Joindre une image à une notification mobile sans appeler l'API d'instantané manuellement

sensor

Ce que vous obtenez:: Comptages d'objets par zone et par caméra, plus les mesures de performance du détecteur
À quoi cela sert:: Logique d'occupation et tableau de bord de santé — le temps d'inférence est votre alerte précoce qu'un détecteur est retombé sur le processeur

switch

Ce que vous obtenez:: Interrupteurs de détection, d'enregistrement et d'instantanés par caméra
À quoi cela sert:: Automatisations de confidentialité, par exemple désactiver la détection intérieure dès que la présence indique que quelqu'un est à la maison

L'intégration expose également les actions camera.turn_on et camera.turn_off, prend en charge plusieurs serveurs Frigate avec des configurations MQTT distinctes, et permet de remplacer le modèle d'URL RTSP via Jinja2.

⚠️Attention: Si l'intégration Frigate s'installe mais qu'aucune entité n'apparaît, la cause est presque toujours MQTT : soit l'intégration n'a jamais été ajoutée dans Home Assistant, soit Frigate et Home Assistant dialoguent avec deux courtiers différents.

🛠️Bonne pratique: Déclenchez les automatisations sur le capteur binaire de zone assorti d'une condition sur l'étiquette d'objet. Un simple capteur de mouvement de caméra se déclenche sous la pluie, binary_sensor.driveway_driveway_apron_person non.

Qu'apportent la recherche sémantique, la reconnaissance faciale et la lecture de plaques ?

La recherche sémantique permet de saisir « camionnette noire dans l'allée la nuit » et d'obtenir les clips correspondants ; la reconnaissance faciale et la lecture de plaques transforment des détections anonymes en détections nommées — et les deux fonctionnent sans abonnement Frigate+. Ces fonctions coûtent de la RAM, pas de l'argent.

Recherche sémantique : exige au minimum 8 Go de RAM, un processeur avec AVX et AVX2, et idéalement 16 Go plus un GPU dédié. Elle ne tourne pas utilement sur un Raspberry Pi.
Modèle d'embedding : Jina CLIP V1 est la valeur par défaut ; la variante small est quantisée et tourne convenablement sur processeur, la variante large exploite un GPU présent.
Jina CLIP V2 prend en charge 89 langues au lieu du seul anglais, mais Frigate le documente comme environ 3 % meilleur pour nettement plus de RAM et de temps d'inférence ; l'inférence CPU y est déconseillée.
La réindexation est manuelle : activer la recherche sémantique n'indexe pas les objets existants. Utilisez le bouton « Reindex » de l'interface ou réglez reindex: True, en prévoyant une charge processeur élevée.
Reconnaissance faciale et lecture de plaques s'exécutent localement et ne demandent aucun abonnement, même si les modèles Frigate+ améliorent l'efficacité.
Descriptions GenAI : la version 0.17 a ajouté la prise en charge de plusieurs fournisseurs et une intégration llama.cpp dédiée, de sorte que les descriptions peuvent provenir d'un modèle hébergé chez vous — voir les automatisations par LLM local dans Home Assistant.

💡Astuce: Activez la recherche sémantique avant d'accumuler un an de clips. Réindexer 200 000 objets suivis sur un mini-PC sans GPU occupe une nuit entière.

📌Remarque: Frigate 0.16 a ajouté les déclencheurs de recherche sémantique : une action se lance dès qu'un objet suivi correspond à une image ou une description enregistrée. C'est le pont entre « chercher dans mes images » et « automatiser selon leur signification ».

Frigate+ vaut-il 50 $ par an ?

Frigate+ se justifie dès que vous avez un faux positif précis et récurrent que le modèle standard ne corrige pas ; sinon, les modèles gratuits et de bonnes zones suffisent. L'abonnement coûte 50 $ par an (facturation en USD) et comprend jusqu'à 12 modèles affinés, les affinages supplémentaires étant à 5 $ pièce.

Frigate+ ou modèles standards ?

Utilisez un LLM local si :

•Un objet précis est mal classé de façon répétée sur votre propriété
•Vous avez des angles de caméra inhabituels que le modèle standard gère mal
•Vous souhaitez des étiquettes suggérées par IA pour accélérer vos envois
•Vous voulez financer le développement du projet open source

Utilisez un modèle cloud si :

•Vos fausses alertes viennent du trottoir : les zones règlent cela gratuitement
•Vous avez besoin d'étiquettes hors de la liste Frigate ; les étiquettes personnalisées ne sont pas encore disponibles
•Vous n'exploitez qu'une ou deux caméras sur des vues simples

Décision rapide :

→Corrigez d'abord les zones, puis réévaluez au bout de deux semaines
→Si les alertes restent fausses sur de vrais objets, abonnez-vous
→Les modèles entraînés restent téléchargeables après résiliation

Le modèle de base Frigate+ est passé en version 2026.0, fondé sur YOLOv9, avec de nouvelles étiquettes candidates comme lawnmower et heron.
Les étiquettes personnalisées libres ne sont pas encore possibles : l'entraînement se limite à la liste prise en charge par Frigate.
La reconnaissance faciale et la lecture de plaques ne requièrent pas d'abonnement.

🔍Point clé: S'abonner avant d'avoir affiné les zones est la façon la plus répandue de dépenser 50 $ sans constater d'amélioration. Un modèle affiné rend les détections correctes plus fiables ; il n'empêche pas un piéton correctement détecté d'être un piéton.

Comment Frigate se compare-t-il en coût aux caméras sur abonnement ?

Frigate convertit un abonnement cloud récurrent par caméra en un coût matériel unique qui n'augmente pas avec le nombre de caméras. Au-delà de deux caméras, le seuil de rentabilité tombe généralement dans la première année.

Critère	Service cloud	Frigate
Coût récurrent	Mensuel, souvent par caméra	Aucun
Coût initial	La caméra seule	Hôte, détecteur, stockage
Détection IA	Cloud de l'éditeur	Locale (OpenVINO/Hailo/ONNX)
Emplacement des images	Centre de données de l'éditeur	Votre disque
Panne Internet	Dégradé ou inopérant	Pleinement fonctionnel sur le LAN
Risque de retrait de fonction	L'éditeur peut changer d'offre	Votre version continue de fonctionner

Ajouter une caméra à Frigate coûte le prix de la caméra. L'ajouter à un service sur abonnement coûte généralement la caméra plus une ligne de facture supplémentaire : c'est là que l'écart se creuse. Voir aussi gérer une maison connectée sans abonnements.

📌Remarque: Comptez l'électricité honnêtement : un mini-PC allumé en permanence avec ses disques consomme environ 15 à 30 W. Sur cinq ans c'est une somme réelle, mais elle reste bien inférieure à la plupart des forfaits cloud multi-caméras.

Erreurs fréquentes lors de la configuration de Frigate

Cinq erreurs expliquent la majorité des installations Frigate ratées, et une seule concerne le matériel.

Détecter sur le flux principal : attribuer le rôle detect à un flux 4K multiplie le coût de décodage sans aucun gain de précision, puisque l'entrée du modèle est en 320x320. Détectez toujours sur le sous-flux et enregistrez sur le flux principal.
**Laisser shm_size à sa valeur par défaut :** 128 Mo couvrent environ deux caméras en 720p. Les caméras suivantes décrochent par intermittence sans erreur claire. Réglez --shm-size=512mb et n'y revenez plus.
Installer l'intégration Home Assistant avant MQTT : l'intégration s'installe proprement et ne crée rien. Configurez d'abord l'intégration MQTT dans Home Assistant et le bloc mqtt dans Frigate, vers le même courtier.
Corriger les fausses alertes en changeant de détecteur : un piéton sur le trottoir est une détection correcte. La solution est une zone avec required_zones et loitering_time, non un accélérateur plus rapide ou un modèle payant.
Enregistrer sur le SSD système : l'écriture vidéo continue consomme rapidement l'endurance d'un SSD grand public. Placez /media/frigate sur un disque dur, gardez /tmp/cache rapide et réglez retain.mode: motion.
Déployer dans un LXC Proxmox : le passage de périphériques semble fonctionner puis se casse d'une manière non prise en charge et indiagnosticable. Utilisez une machine virtuelle QEMU.

Verdict : que faut-il réellement construire ?

Achetez un mini-PC Intel avec 16 Go de RAM, exécutez le détecteur OpenVINO sur son iGPU, utilisez des caméras PoE avec un sous-flux 720p à 5 fps, et consacrez votre première semaine aux zones plutôt qu'au matériel. Cette configuration couvre une maison ordinaire et laisse la place à un Hailo-8 si le nombre de caméras augmente.

Utilisez OpenVINO sur un iGPU Intel si vous partez de zéro : coût minimal, aucun matériel supplémentaire, marge confortable pour 2 à 6 caméras.
Utilisez un module Hailo-8 M.2 au-delà de huit caméras ou si la consommation compte.
Utilisez ONNX sur un GPU NVIDIA existant si la machine en possède déjà un, surtout si elle héberge aussi un LLM local.
Utilisez un Coral uniquement si les watts sont la contrainte absolue et que vous acceptez que ce ne soit plus la voie recommandée.
Évitez le détecteur cpu ; OpenVINO en mode CPU constitue la meilleure solution de repli.
En cas de doute, commencez par un mini-PC Intel N150 et deux caméras, réglez correctement les zones, puis montez en charge.

🛠️Bonne pratique: L'ordre budgétaire qui fonctionne réellement : caméras et commutateur PoE d'abord, puis l'hôte, puis le stockage, et un accélérateur seulement si les chiffres de la page Système l'exigent. Acheter l'accélérateur en premier est l'inversion classique.

Questions fréquemment posées

Qu'est-ce que Frigate NVR ?

Frigate est un enregistreur vidéo réseau open source qui exécute la détection d'objets par IA localement sur des flux de caméras IP, à l'aide d'OpenCV et de TensorFlow. Il enregistre les clips selon ce qui a été détecté plutôt que sur du mouvement brut, et publie chaque détection via MQTT pour que Home Assistant puisse réagir. Le logiciel principal ne comporte ni service cloud ni abonnement.

Faut-il encore un TPU Google Coral pour Frigate en 2026 ?

Non. La documentation matérielle de Frigate indique que Coral n'est plus recommandé pour les nouvelles installations, sauf lorsque la consommation est une contrainte inhabituellement stricte. Pour une nouvelle installation, le détecteur OpenVINO sur iGPU Intel, un module Hailo-8 ou le détecteur ONNX sur un GPU NVIDIA existant sont les voies recommandées.

Quelle version de Frigate faut-il exécuter ?

Frigate 0.17.2, publiée le 28 juin 2026, est la version stable actuelle. La version 0.18.0 est en bêta depuis juillet 2026 — la troisième bêta datant du 8 août 2026 — n'exécutez donc 0.18 que si vous acceptez les changements de configuration entre versions mineures.

Quelle quantité de RAM Frigate exige-t-il ?

La détection d'objets et l'enregistrement tiennent confortablement dans 8 Go. La recherche sémantique relève ce seuil : Frigate documente 8 Go comme minimum, 16 Go ou plus avec un GPU dédié comme recommandation, et exige un processeur prenant en charge les instructions AVX et AVX2.

Pourquoi Frigate m'alerte-t-il sans arrêt pour des passants ?

Parce que ce sont des détections correctes. Tracez une zone couvrant uniquement le sol de votre propriété, réglez review.alerts.required_zones sur cette zone et ajoutez loitering_time afin qu'un passant doive d'abord s'arrêter. La présence est jugée au centre bas du cadre de détection : la zone doit donc couvrir le plan du sol.

Frigate fonctionne-t-il sans connexion Internet ?

Oui. Détection, enregistrement, MQTT et automatisations Home Assistant fonctionnent entièrement sur votre réseau local. Seuls la consultation à distance depuis l'extérieur et les fournisseurs GenAI hébergés dans le cloud exigent une connexion — et la version 0.17 a ajouté une intégration llama.cpp permettant de générer les descriptions localement.

Quelle différence entre une zone et un masque dans Frigate ?

Un masque de mouvement empêche Frigate d'exécuter la moindre détection dans cette région, ce qui convient aux incrustations d'horodatage et au feuillage en mouvement permanent. Une zone laisse la détection s'exécuter normalement et restreint seulement, via required_zones, les détections autorisées à déclencher une alerte.

Combien de caméras un serveur Frigate peut-il gérer ?

Cela dépend du temps d'inférence plutôt que du nombre de caméras : les détections exploitables par seconde valent environ 1000 divisé par le temps d'inférence en millisecondes, partagées entre les caméras. À 5 fps de détection par caméra et avec un détecteur à 8 ms comme un Intel Arc A750 en YOLOv9-320, la marge reste importante pour une installation résidentielle type.

Frigate+ est-il nécessaire pour la reconnaissance faciale ou la lecture de plaques ?

Non. La reconnaissance faciale et la lecture de plaques s'exécutent localement sans abonnement, même si les modèles Frigate+ peuvent améliorer l'efficacité. Frigate+ coûte 50 $ par an et comprend jusqu'à 12 modèles affinés, les affinages supplémentaires étant à 5 $ pièce.

Peut-on exécuter Frigate dans un conteneur LXC Proxmox ?

Non, LXC sous Proxmox n'est explicitement pas pris en charge. Utilisez plutôt une machine virtuelle QEMU. Le passage d'un iGPU, d'un Coral ou d'un module Hailo peut sembler fonctionner dans un LXC puis échouer d'une manière impossible à prendre en charge.

Sources

Frigate — Matériel recommandé — docs.frigate.video/frigate/hardware — temps d'inférence publiés par détecteur et mention que Coral n'est plus recommandé pour les nouvelles installations.
Frigate — Configuration des détecteurs d'objets — docs.frigate.video/configuration/object_detectors — liste complète des valeurs type et remarque sur le détecteur CPU déconseillé.
Frigate — Configuration des caméras — docs.frigate.video/frigate/camera_setup — résolutions, fréquences d'images et intervalles d'images clés pour la détection et l'enregistrement.
Frigate — Configuration des zones — docs.frigate.video/configuration/zones — required_zones, loitering_time, valeur par défaut d'inertia et prérequis de l'estimation de vitesse.
Frigate — Recherche sémantique — docs.frigate.video/configuration/semantic_search — exigences de RAM et d'AVX2, comparaison Jina CLIP V1 et V2, comportement de réindexation.
Frigate — Intégration Home Assistant — docs.frigate.video/integrations/home-assistant — MQTT comme prérequis et types d'entités créés par l'intégration.
Versions de Frigate sur GitHub — github.com/blakeblackshear/frigate/releases — numéros de version et dates de publication des 0.17.x et des bêtas 0.18.0.
Frigate+ — frigate.video/plus/ — prix de l'abonnement, affinages inclus et limites sur les étiquettes.

← Retour à Smart Home