au sommaire
L'expression « IAIA embarquée » (en anglais : Embedded AI) désigne l'intégration de capacités d'intelligence artificielle dans des appareils de petite taille.
Le code des algorithmes destinés aux systèmes d'IA embarquée doit être très réduit, car il est appelé à fonctionner sur des puces de taille minimale. Cette prouesse est rendue possible par le fait que ces programmes sont le plus souvent dédiés à une tâche unique. Leur entraînement est habituellement effectué sur une plateforme cloud à partir de données provenant de capteurscapteurs.
Une fois le modèle mis au point, le code est transféré sur la puce d'IA embarquée (grâce à des outils comme TensorFlow Lite, X-CUBE-AI, PyTorch MobileMobile, Edge AI de NVIDIA ou OpenVINO d'IntelIntel).
Des techniques de compression sont mises à contribution pour réduire la taille du code. Ainsi, la « distillationdistillation de modèles » (transfert de connaissances d'un grand modèle à un petit modèle) peut réduire la taille des modèles de 90 % tout en conservant jusqu'à 95 % de leur précision.
Pour des raisons confidentialité des données, il est également possible de procéder à l'entraînement sur des appareils locaux (apprentissage fédéré ou federated learning).
Caractéristiques des applications d'IA embarquée :
- Fonctionne sur un microcontrôleur, un DSP (processeur numérique de signaux) ou un microprocesseurmicroprocesseur à faible consommation d'énergieénergie, avec une mémoire restreinte. Il est à noter que certaines applicationsapplications sont limitées par la puissance de calcul de la puce. Celle-ci est parfois alimentée par batterie et dans ce cas de figure, la duréedurée de vie de cette batterie peut poser problème. La gestion de la chaleurchaleur dégagée par le microprocesseur doit parfois être prise en compte.
- Le modèle d'IA peut fonctionner sans communication avec un cloud. L'usage d'algorithmes d'IA directement intégrés dans un appareil favorise des performances élevées en temps réel, puisque les données issues des capteurs sont traitées localement, par un modèle déjà entraîné. Toutefois, certaines applications hybrideshybrides utilisent à la fois l'IA embarquée et le cloud pour des tâches complexes.
- Le code peut résider sur quelques dizaines de kilo-octetsoctets mais il arrive parfois qu'il soit beaucoup plus volumineux.
Quelques applications de l'IA embarquée
L'IA embarquée révolutionne de nombreuses industries. Les secteurs les plus porteurs, l'automobileautomobile, la santé et les objets connectés, représentent 60 % du marché total.
Véhicules autonomes
Les capteurs intégrés aux automobiles collectent des données que le modèle d'IA analyse pour éviter les collisions. L'un des plus célèbres est TeslaTesla Autopilot qui assure des fonctions telles que le maintien de la trajectoire ou le freinage automatique d'urgence. Ce modèle d'IA est capable de prendre des décisions en 10 millisecondes.
Santé
L'AppleApple Watch peut analyser la fréquence cardiaque en temps réel et détecter des anomaliesanomalies comme la fibrillation auriculairefibrillation auriculaire sans avoir besoin de connexion cloud.
Objets connectés
Des appareils tels que GoogleGoogle Home ou AmazonAmazon Echo vont réagir instantanément à des phrases précises « Hey Google », « AlexaAlexa »...
Maisons intelligentes
Des appareils tels que ThermostatsThermostats Nest peuvent ajuster intelligemment la température ou les éclairages.
Agriculture
L'IA embarquée de certains appareils de John Deere détecte les mauvaises herbes de manière ciblée. Cette technologie aurait permis de réduire l'utilisation de produits chimiques de 90 % dans certaines exploitations.
Transport
La gestion des feux de circulation pour optimiser le trafic en temps réel est notamment en œuvre à Singapour.
Smartphones
L'application Scene Optimizer de SamsungSamsung améliore automatiquement les photographiesphotographies et vidéos.