Autrefois confin\u00e9e dans l’enceinte de supercalculateurs massifs et de centres de donn\u00e9es, l’intelligence artificielle (IA) a pris son essor, notamment gr\u00e2ce \u00e0 l’\u00e9mergence du Edge Computing. D\u00e9sormais, elle est omnipr\u00e9sente. On la retrouve dans nos smartphones, dans les voitures autonomes et au c\u0153ur du concept m\u00eame de maison intelligente.<\/p>\n\n\n\n
Cette r\u00e9volution technologique ouvre des perspectives in\u00e9dites. Pour autant, elle suscite aussi des craintes. Domestiquer l\u2019IA embarqu\u00e9e, la ma\u00eetriser de bout en bout pour en faire une alli\u00e9e et exploiter son fabuleux potentiel, voici quels sont les d\u00e9fis auxquels nous sommes aujourd\u2019hui confront\u00e9s. <\/p>\n\n\n\n
Pour mieux cerner les enjeux, nous vous proposons dans cet article de partir \u00e0 la d\u00e9couverte du nouveau monde de l\u2019IA embarqu\u00e9e : de quoi s\u2019agit-il et comment la technologie a-t-elle \u00e9volu\u00e9 ? O\u00f9 est-elle actuellement utilis\u00e9e et quel impact a-t-elle sur nos vies ? Nous plongerons au c\u0153ur de cette technologie qui red\u00e9finit radicalement notre avenir \u00e9conomique et social, tout en nous penchant sur les d\u00e9fis qu’elle doit encore relever, en termes de performances, de confidentialit\u00e9, de s\u00e9curit\u00e9 et d\u2019\u00e9thique.<\/p>\n\n\n\n
Pour que l\u2019IA devienne embarqu\u00e9e, il a fallu d\u00e9velopper des algorithmes sophistiqu\u00e9s et des processeurs graphiques performants \u00e0 bas co\u00fbt. Autre facteur cl\u00e9 : la capacit\u00e9 \u00e0 g\u00e9rer des bases de donn\u00e9es volumineuses et d\u00e9taill\u00e9es, dont l\u2019IA embarqu\u00e9e a besoin pour son apprentissage. Le d\u00e9veloppement de la technologie s\u2019est appuy\u00e9 sur un mat\u00e9riel informatique \u00e0 faible consommation \u00e9nerg\u00e9tique, diff\u00e9rents syst\u00e8mes de capteurs, des algorithmes optimis\u00e9s1<\/a><\/sup>.<\/p>\n\n\n\n Les smartphones constituent l\u2019un des exemples les plus frappants de cette \u00e9volution. Les capteurs \u00e0 faible consommation d\u2019\u00e9nergie ont \u00e9t\u00e9 utilis\u00e9s dans un premier temps pour lib\u00e9rer de la bande passante. Puis les smartphones ont \u00e9t\u00e9 capables de reconna\u00eetre diff\u00e9rentes expressions, comme \u201cDis Siri\u201d ou \u201cok Google\u201d, avec le d\u00e9veloppement d\u2019assistants vocaux. En d\u2019autres termes, les smartphones ont montr\u00e9 qu’il est possible de d\u00e9ployer des algorithmes d’apprentissage automatique pour les capteurs sur des plates-formes informatiques \u00e0 tr\u00e8s faible consommation d’\u00e9nergie telles que les microcontr\u00f4leurs et les DSP.<\/p>\n\n\n\n Miniaturisation, syst\u00e8mes \u00e0 faible consommation \u00e9nerg\u00e9tique et capteurs performants constituent en quelque sorte l\u2019\u00e9pine dorsale du d\u00e9veloppement de l\u2019IA embarqu\u00e9e. Mais il convient aussi d\u2019\u00e9voquer le r\u00f4le central du Edge Computing.<\/p>\n\n\n\n Le Edge Computing a largement particip\u00e9 \u00e0 l\u2019essor de l\u2019intelligence artificielle. Plut\u00f4t que de centraliser le traitement des donn\u00e9es dans de grands data centers, le Edge Computing vise \u00e0 d\u00e9placer le traitement des donn\u00e9es vers la \u00ab\u00a0p\u00e9riph\u00e9rie\u00a0\u00bb du r\u00e9seau, c’est-\u00e0-dire vers les appareils locaux. Cette approche r\u00e9duit la latence, \u00e9conomise la bande passante et am\u00e9liore la confidentialit\u00e9, ce qui est particuli\u00e8rement important pour les applications d’IA qui n\u00e9cessitent une prise de d\u00e9cision en temps r\u00e9el et une analyse des donn\u00e9es sur site2<\/a><\/sup>.<\/p>\n\n\n\n Au cours des ann\u00e9es 1990 et 2000, le edge computing a pu se d\u00e9velopper gr\u00e2ce \u00e0 des avanc\u00e9es majeures dans la miniaturisation des composants \u00e9lectroniques et l’augmentation de la puissance de calcul qui ont permis d’int\u00e9grer des algorithmes d’IA sophistiqu\u00e9s dans des appareils de dimensions r\u00e9duites.<\/p>\n\n\n\n L\u2019av\u00e8nement de l’Internet des objets (IoT) a favoris\u00e9 la connectivit\u00e9 des appareils, multipliant les \u00e9changes de flux de donn\u00e9es et offrant un \u00e9cosyst\u00e8me favorable \u00e0 l’IA embarqu\u00e9e. L\u2019essor du Machine Learning et du Deep Learning a permis de d\u00e9velopper des algorithmes d’IA capables \u201cd’apprendre\u201d et de \u201cs’adapter\u201d, de mani\u00e8re automatique. Il s\u2019agit l\u00e0 de capacit\u00e9s essentielles pour les syst\u00e8mes embarqu\u00e9s3<\/a><\/sup>.<\/p>\n\n\n\n Aujourd’hui, avec l’IA embarqu\u00e9e, les appareils peuvent traiter et interpr\u00e9ter des donn\u00e9es localement, prendre des d\u00e9cisions en temps r\u00e9el et interagir avec le monde d’une mani\u00e8re plus intelligente et plus automatis\u00e9e. Du smartphone \u00e0 la voiture autonome, l’IA embarqu\u00e9e est en train de transformer fondamentalement une large gamme d’appareils et d’applications, tout en modifiant notre mani\u00e8re de les utiliser.<\/p>\n\n\n\n Mais l\u2019histoire de l’IA embarqu\u00e9e ne fait que commencer. Avec le d\u00e9veloppement de la technologie et l’augmentation de la puissance de calcul, nous pouvons nous attendre \u00e0 voir l’IA embarqu\u00e9e gagner en sophistication et devenir omnipr\u00e9sente dans les ann\u00e9es \u00e0 venir. Ainsi, parmi les d\u00e9veloppements actuels des plus impressionnants figure le nouveau pansement cutan\u00e9 ultra fin de l\u2019universit\u00e9 de Monarch. Ce pansement est dot\u00e9 de nanocapteurs et d\u2019IA embarqu\u00e9e. Il permet de surveiller 11 signaux li\u00e9s \u00e0 la sant\u00e9 humaine4<\/a><\/sup>.<\/p>\n\n\n\n Comme nous l\u2019avons vu, l’IA embarqu\u00e9e est \u00e0 l’\u0153uvre \u00e0 la \u00ab\u00a0p\u00e9riph\u00e9rie\u00a0\u00bb du r\u00e9seau. Elle traite les donn\u00e9es \u00e0 la source, c’est-\u00e0-dire sur l’appareil m\u00eame, plut\u00f4t que de les envoyer \u00e0 un serveur distant. Cette transformation radicale bouscule les pratiques industrielles. La prise de d\u00e9cision est rapide et adapt\u00e9e, ce qui contribue \u00e0 augmenter la productivit\u00e9 et l\u2019efficience, par exemple dans les processus industriels.<\/p>\n\n\n\n Le succ\u00e8s actuel de l\u2019IA embarqu\u00e9e s\u2019explique par diff\u00e9rents facteurs. Si elle s\u2019impose aujourd\u2019hui dans des secteurs aussi divers que l\u2019automobile, l\u2019\u00e9lectronique grand public, l\u2019industrie ou la sant\u00e9, c\u2019est que l\u2019IA embarqu\u00e9e r\u00e9pond \u00e0 nombres de probl\u00e9matiques actuelles.<\/p>\n\n\n\n Mais surtout, l\u2019IA embarqu\u00e9e r\u00e9pond \u00e0 de nouveaux besoins. Son essor s\u2019appuie sur la demande croissante d\u2019appareils automatis\u00e9s et r\u00e9actifs, ainsi que sur les pr\u00e9occupations accrues en mati\u00e8re de confidentialit\u00e9 des donn\u00e9es. Il faut encore citer notre volont\u00e9 d\u2019\u00e9conomiser les ressources. Tous ces facteurs convergent pour propulser l\u2019IA embarqu\u00e9e sur le devant de la sc\u00e8ne.<\/p>\n\n\n\n On confond souvent les deux. Si certains utilisent ces expressions de mani\u00e8re interchangeable, IA embarqu\u00e9e et IA int\u00e9gr\u00e9e peuvent avoir des significations diff\u00e9rentes selon le contexte.<\/p>\n\n\n\n L’IA embarqu\u00e9e fait r\u00e9f\u00e9rence \u00e0 l’int\u00e9gration de capacit\u00e9s d’intelligence artificielle dans des appareils physiques ou des syst\u00e8mes automatiques. Elle implique l’inclusion de composants mat\u00e9riels et logiciels sp\u00e9cifiques pour ex\u00e9cuter des t\u00e2ches d’IA directement sur l’appareil, sans n\u00e9cessiter de connexion \u00e0 des ressources externes. Ainsi, les voitures autonomes sont \u00e9quip\u00e9es d’IA embarqu\u00e9e pour prendre des d\u00e9cisions en temps r\u00e9el, les appareils de reconnaissance vocale utilisent l’IA embarqu\u00e9e pour traiter les commandes localement, etc.<\/p>\n\n\n\n L’IA int\u00e9gr\u00e9e renvoie \u00e0 l’int\u00e9gration d’algorithmes ou de fonctionnalit\u00e9s d’IA dans des applications, des logiciels ou des syst\u00e8mes. L\u2019IA int\u00e9gr\u00e9e peut fonctionner localement, mais elle peut \u00e9galement \u00eatre connect\u00e9e \u00e0 des ressources externes. Contrairement \u00e0 une IA embarqu\u00e9e, un syst\u00e8me avec une IA int\u00e9gr\u00e9e peut effectuer des appels pour faire r\u00e9aliser des calculs suppl\u00e9mentaires externes \u00e0 l\u2019appareil. En termes math\u00e9matiques, l\u2019IA embarqu\u00e9e est strictement incluse dans l\u2019IA int\u00e9gr\u00e9e. Par exemple, de nombreuses applications mobiles utilisent l’IA int\u00e9gr\u00e9e pour fournir des recommandations personnalis\u00e9es. On trouve aussi des filtres de photos s\u2019appuyant sur l\u2019IA int\u00e9gr\u00e9e. C\u2019est le cas, par exemple, de Firefly, l\u2019IA int\u00e9gr\u00e9e d\u2019Adobe5<\/a><\/sup>.<\/p>\n\n\n\n En somme, l’IA embarqu\u00e9e int\u00e8gre l\u2019intelligence artificielle dans des appareils physiques autonomes tandis que l’IA int\u00e9gr\u00e9e se concentre sur l’int\u00e9gration d’algorithmes d’IA dans des logiciels ou des syst\u00e8mes, qu’ils soient utilis\u00e9s localement ou en se connectant \u00e0 des ressources externes.<\/p>\n\n\n\n L\u2019Edge computing6<\/a><\/sup> fait en quelque sorte la transition entre l\u2019IA embarqu\u00e9e et l\u2019IA int\u00e9gr\u00e9e. En effet, il s\u2019agit d\u2019une architecture informatique dans laquelle les donn\u00e9es sont trait\u00e9es \u00e0 la p\u00e9riph\u00e9rie du r\u00e9seau, aussi pr\u00e8s que possible de la source d\u2019origine. C\u2019est donc un moyen par lequel l\u2019IA peut passer pour r\u00e9aliser des traitements de donn\u00e9es sans transf\u00e9rer des informations sur de grandes distances.<\/p>\n\n\n\n Le Edge computing permet de r\u00e9pondre aux d\u00e9fis actuels en termes de gestion des bases de donn\u00e9es volumineuses. Il permet de d\u00e9passer le concept informatique traditionnel, qui s\u2019appuie sur un centre de donn\u00e9es de taille croissante et de d\u00e9passer les limitations de la bande passante, les probl\u00e8mes de latence et les perturbations impr\u00e9visibles du r\u00e9seau qui peuvent poser probl\u00e8me, face \u00e0 la croissance exponentielle des donn\u00e9es \u00e0 traiter. L\u2019architecture p\u00e9riph\u00e9rique du Edge computing permet de r\u00e9pondre \u00e0 ce d\u00e9fi, en ce sens qu\u2019elle d\u00e9place une partie des ressources de stockage et de calcul \u00e0 l\u2019ext\u00e9rieur du data center pour les rapprocher de la source des donn\u00e9es et limiter les \u00e9changes.<\/p>\n\n\n\n Le edge computing est ce qui permet de d\u00e9passer l\u2019IA int\u00e9gr\u00e9e et d\u2019apporter l\u2019IA embarqu\u00e9e.<\/p>\n\n\n\n L’IA embarqu\u00e9e est aujourd’hui omnipr\u00e9sente. Elle influence une grande vari\u00e9t\u00e9 de processus industriels, mais a aussi un impact majeur sur de nombreux aspects de notre vie quotidienne. Voici quelques domaines d\u2019application de l\u2019IA embarqu\u00e9e.<\/p>\n\n\n\n L’IA embarqu\u00e9e joue un r\u00f4le essentiel dans le d\u00e9veloppement des voitures autonomes<\/a>. Les syst\u00e8mes de conduite automatique utilisent une combinaison de capteurs (comme des cam\u00e9ras, des lidars et des radars) pour recueillir des donn\u00e9es sur l’environnement. Ces donn\u00e9es sont ensuite trait\u00e9es par un syst\u00e8me d’IA embarqu\u00e9e et les r\u00e9sultats serviront \u00e0 orienter la conduite \u00e0 adopter pour la voiture. L’IA peut identifier les autres v\u00e9hicules, les pi\u00e9tons, les panneaux de signalisation et les marqueurs de voie, et utiliser ces informations pour aider \u00e0 prendre des d\u00e9cisions de conduite s\u00fbres et efficaces.<\/p>\n\n\n\n Comme nous venons de le voir, les syst\u00e8mes d’IA embarqu\u00e9e des v\u00e9hicules autonomes traitent diverses donn\u00e9es en parall\u00e8le et en temps r\u00e9el : ils prennent en compte le trac\u00e9 de la route, les panneaux de signalisation et les feux de signalisation, les mouvements des autres usagers de la route et bien plus encore. Pour y parvenir, le syst\u00e8me d’IA embarqu\u00e9e doit apprendre \u00e0 interpr\u00e9ter correctement ces donn\u00e9es le plus rapidement possible. Les d\u00e9veloppeurs utilisent des ensembles de donn\u00e9es complexes pour entra\u00eener l’IA et tester ses d\u00e9cisions. Au fur et \u00e0 mesure des tests, l\u2019IA d\u00e9veloppe la capacit\u00e9 \u00e0 naviguer en toute s\u00e9curit\u00e9 au fil du trafic routier. Le syst\u00e8me apprend \u00e0 r\u00e9agir rapidement en cas d’\u00e9v\u00e9nements impr\u00e9vus, comme le freinage brusque d’une autre voiture.<\/p>\n\n\n\n Dans le cas de la robotique domestique, l’IA embarqu\u00e9e permet \u00e0 des appareils comme les aspirateurs de d\u00e9tecter les diff\u00e9rents types de sol et de s\u2019y adapter7<\/a><\/sup>. Ces aspirateurs de derni\u00e8re g\u00e9n\u00e9ration sont \u00e9galement capables de naviguer de mani\u00e8re automatique dans nos maisons8<\/a><\/sup>.<\/p>\n\n\n\n Les robots de cuisine intelligents (aussi appel\u00e9s les \u201cRobot chefs\u201d) constituent un autre exemple d’application domestique de l’IA embarqu\u00e9e. Ces appareils utilisent l’IA pour automatiser et optimiser diverses t\u00e2ches de pr\u00e9paration des aliments. Par exemple, le robot de cuisine peut utiliser une cam\u00e9ra pour identifier les ingr\u00e9dients, un bras robotis\u00e9 pour m\u00e9langer et cuire les aliments, et un syst\u00e8me d’IA embarqu\u00e9e pour suivre les recettes et ajuster le processus de cuisson en fonction des mesures sensorielles9<\/a><\/sup>.<\/p>\n\n\n\n Les montres intelligentes et les bracelets de fitness sont de plus en plus souvent dot\u00e9s de syst\u00e8mes d’IA embarqu\u00e9e. Ces appareils peuvent suivre les signes vitaux, comme la fr\u00e9quence cardiaque et le taux d’oxyg\u00e8ne dans le sang. Ils utilisent ces donn\u00e9es pour fournir des conseils sur l’activit\u00e9 physique, le sommeil et d’autres aspects li\u00e9s \u00e0 la sant\u00e9 au quotidien10<\/a><\/sup>. L’IA peut \u00e9galement d\u00e9tecter des anomalies dans les signes vitaux et alerter l’utilisateur ou son m\u00e9decin11<\/a><\/sup>.<\/p>\n\n\n\n L\u2019IA embarqu\u00e9e r\u00e9volutionne aussi le secteur de la sant\u00e9. Certains vont jusqu\u2019\u00e0 parler de sant\u00e9 intelligente. Les proth\u00e8ses intelligentes, en particulier, utilisent l’IA embarqu\u00e9e pour am\u00e9liorer la fonctionnalit\u00e9 et l’adaptabilit\u00e9. Ainsi, une proth\u00e8se de main peut utiliser l’IA pour apprendre \u00e0 reconna\u00eetre les sch\u00e9mas de mouvement de l’utilisateur. C\u2019est ce qui lui permet de mieux s’adapter \u00e0 diff\u00e9rents objets et diff\u00e9rentes t\u00e2ches12<\/a><\/sup>. On peut citer aussi les robots de soin, qui peuvent assister les personnes \u00e2g\u00e9es ou handicap\u00e9es dans leurs t\u00e2ches quotidiennes13<\/a><\/sup>.<\/p>\n\n\n\n Dans l’industrie a\u00e9rospatiale, l’IA embarqu\u00e9e est utilis\u00e9e pour automatiser diverses t\u00e2ches. L’IA embarqu\u00e9e permet l’exploration spatiale automatis\u00e9e : les robots spatiaux peuvent prendre des d\u00e9cisions ind\u00e9pendamment, bas\u00e9es sur leur environnement14<\/a><\/sup>. Mais elle devient aussi incontournable pour g\u00e9rer les satellites et exploiter les donn\u00e9es r\u00e9colt\u00e9es par leurs capteurs15<\/a><\/sup>.<\/p>\n\n\n\n De plus en plus de satellites se trouvent en orbite. La tendance actuelle est aux constellations satellitaires, plut\u00f4t qu\u2019aux satellites individuels, qui appartiennent au pass\u00e9. Ces constellations16<\/a><\/sup> se composent de centaines, voire de milliers de petits satellites, ce qui pose un d\u00e9fi aux exploitants : ils doivent veiller \u00e0 \u00e9viter les collisions.<\/p>\n\n\n\n L\u2019IA embarqu\u00e9e permet de calculer avec pr\u00e9cision les orbites et les trajectoires des satellites actifs ou passifs, ainsi que des d\u00e9bris spatiaux. Elle aide \u00e0 d\u00e9terminer les trajectoires des man\u0153uvres d\u2019\u00e9vitement et les automatise.<\/p>\n\n\n\n Ces exemples ne constituent que quelques-unes des nombreuses applications de l’IA embarqu\u00e9e. \u00c0 mesure que la technologie \u00e9volue, nous pouvons nous attendre \u00e0 voir l’IA embarqu\u00e9e \u00eatre int\u00e9gr\u00e9e dans davantage d’appareils et de syst\u00e8mes, transformant ainsi notre fa\u00e7on de vivre et de travailler.<\/p>\n\n\n\n Il ressort de tout ce que nous venons de voir que l’IA embarqu\u00e9e a un impact significatif, tant sur l’\u00e9conomie que sur la soci\u00e9t\u00e9. Voici une analyse plus approfondie de certains de ces impacts.<\/p>\n\n\n\n L’IA embarqu\u00e9e a le potentiel de g\u00e9n\u00e9rer d’importantes retomb\u00e9es \u00e9conomiques. Selon certaines estimations, l’IA pourrait contribuer \u00e0 hauteur de 15,7 milliards de dollars \u00e0 l’\u00e9conomie mondiale d’ici 2030. Ce chiffre englobe les gains de productivit\u00e9 d\u00e9coulant de l’automatisation des processus, les nouvelles opportunit\u00e9s commerciales cr\u00e9\u00e9es par les technologies d’IA et l’am\u00e9lioration de la qualit\u00e9 des produits et services gr\u00e2ce \u00e0 l’IA.<\/p>\n\n\n\n La Direction G\u00e9n\u00e9rale des Entreprises (DGE) estime que le d\u00e9veloppement du Edge computing, ou Intelligence Artificielle Embarqu\u00e9e, repr\u00e9sente une valeur potentielle de 175 \u00e0 215 milliards de dollars, \u00e0 \u00e9ch\u00e9ance de 202517<\/a><\/sup>. Cette estimation porte sur la seule composante hardware. Le potentiel \u00e9conomique de l\u2019IA embarqu\u00e9e s\u2019\u00e9tend au march\u00e9 de l\u2019emploi, avec la cr\u00e9ation de 5 000 emplois directs et plus de 10 000 postes dans les fili\u00e8res applicatives.<\/p>\n\n\n\n Alors que de nombreuses personnes s\u2019inqui\u00e8tent d\u2019un impact n\u00e9gatif de l\u2019IA sur l\u2019emploi, il n\u2019en est rien. Cette technologie contribuerait \u00e0 l\u2019inverse \u00e0 la cr\u00e9ation de nouvelles potentialit\u00e9s. Bien s\u00fbr, l\u2019IA embarqu\u00e9e risque de remplacer \u00e0 terme nombre d\u2019emplois classiques. Elle va in\u00e9vitablement transformer le march\u00e9 du travail.<\/p>\n\n\n\n L\u2019IA embarqu\u00e9e est destin\u00e9e \u00e0 assumer des t\u00e2ches de routine, aux processus pr\u00e9visibles. L\u2019automatisation croissante conduira \u00e0 la suppression de certains emplois, mais d\u2019autres seront cr\u00e9\u00e9s. En effet, le d\u00e9veloppement et la g\u00e9n\u00e9ralisation de l\u2019IA embarqu\u00e9e entra\u00eenent de nouvelles demandes : les entreprises auront besoin de sp\u00e9cialistes de l\u2019intelligence artificielle, ce qui va ouvrir un tout nouveau march\u00e9 de l\u2019emploi18<\/a><\/sup>.<\/p>\n\n\n\n Au-del\u00e0 de son impact \u00e9conomique, l’IA embarqu\u00e9e a \u00e9galement des implications sociales profondes. Comme nous l\u2019avons vu ci-dessus, les technologies d\u2019intelligence artificielle pourraient permettre aux personnes \u00e2g\u00e9es ou handicap\u00e9es de vivre de mani\u00e8re plus autonome, en am\u00e9liorant l’acc\u00e8s aux soins de sant\u00e9 \u00e0 domicile et en facilitant les t\u00e2ches quotidiennes.<\/p>\n\n\n\n Cependant, l’IA pose \u00e9galement des d\u00e9fis sociaux. Les questions de confidentialit\u00e9 et de s\u00e9curit\u00e9 sont particuli\u00e8rement pr\u00e9occupantes et l\u2019Union Europ\u00e9enne cherche d\u2019ores et d\u00e9j\u00e0 \u00e0 les mitiger, comme soulign\u00e9 dans le rapport Europ\u00e9en \u201cEthics Guidelines for Trustworthy AI\u201d19<\/a><\/sup>. Alors que l’IA embarqu\u00e9e devient omnipr\u00e9sente, les risques de violations de la confidentialit\u00e9 et de la s\u00e9curit\u00e9 des donn\u00e9es augmentent \u00e9galement. L\u2019Union europ\u00e9enne entend ainsi d\u00e9velopper des normes qui visent \u00e0 encadrer l\u2019IA, avec pour objectif d\u2019offrir des garanties de confiance et de fiabilit\u00e9 (AI ACT20<\/a><\/sup>). Il s\u2019agit l\u00e0, \u00e9videmment, d\u2019enjeux strat\u00e9giques majeurs. En France, la Strat\u00e9gie nationale pour l\u2019IA (SNIA) a \u00e9t\u00e9 d\u00e9finie en 2018 et comprend diff\u00e9rents axes strat\u00e9giques de recherche et de d\u00e9veloppement21<\/a><\/sup>.<\/p>\n\n\n\n Mais d\u2019autres d\u00e9fis sociaux doivent \u00e9galement \u00eatre relev\u00e9s. Ainsi, l’IA pourrait exacerber les in\u00e9galit\u00e9s sociales si les b\u00e9n\u00e9fices de cette technologie ne sont pas r\u00e9partis de mani\u00e8re \u00e9quitable. Les emplois automatis\u00e9s par l’IA et destin\u00e9s \u00e0 dispara\u00eetre sont principalement des emplois \u00e0 faible salaire, ce qui pourrait augmenter l’\u00e9cart de revenus et accro\u00eetre la pr\u00e9carit\u00e922<\/a><\/sup>.<\/p>\n\n\n\n Pour g\u00e9rer ces d\u00e9fis, il est essentiel d’adopter des politiques appropri\u00e9es, notamment en mati\u00e8re d’\u00e9ducation et de formation, de protection de la confidentialit\u00e9 et de la s\u00e9curit\u00e9, et de r\u00e9glementation de l’IA. Des obstacles techniques persistent \u00e0 ce jour. Il conviendra de les surmonter pour am\u00e9liorer les performances et l’efficacit\u00e9 de l’IA embarqu\u00e9e. Par exemple, l’IA embarqu\u00e9e doit souvent fonctionner avec des ressources limit\u00e9es en termes de puissance de calcul, de m\u00e9moire et d’\u00e9nergie. Les progr\u00e8s dans la conception des puces et des algorithmes sont n\u00e9cessaires pour faire face \u00e0 ces contraintes. L\u2019objectif est de diminuer la taille des algorithmes et la consommation d\u2019\u00e9nergie, gr\u00e2ce \u00e0 l\u2019efficience du mat\u00e9riel et \u00e0 l\u2019utilisation de composants FGPA ou MCU. L\u2019IA embarqu\u00e9e peut \u00eatre coupl\u00e9e \u00e0 diff\u00e9rents modes d\u2019\u00e9conomie d\u2019\u00e9nergie. Le mode \u201cDeep sleep\u201d permet par exemple de n\u2019activer les syst\u00e8mes qu\u2019\u00e0 certains intervalles, puis de revenir \u00e0 l\u2019\u00e9tat de veille. L\u2019id\u00e9e est de limiter la dur\u00e9e pendant laquelle un syst\u00e8me consomme le maximum d\u2019\u00e9nergie. Cet objectif fait \u00e9galement \u00e9cho au d\u00e9veloppement durable et \u00e0 la recherche de la limitation de l\u2019empreinte carbone de l\u2019IA, qui reste un gros sujet pour le domaine.<\/p>\n\n\n\n Parmi les d\u00e9fis techniques, comment la cam\u00e9ra d\u2019une IA embarqu\u00e9e diff\u00e9rencie-t-elle une voiture d\u2019un chat ou d\u2019un chien ? Les architectures d’apprentissage automatique, telles que les r\u00e9seaux neuronaux convolutionnels (CNN), effectuent des millions, voire des milliards de calculs pour y parvenir. D\u2019o\u00f9 un second objectif, celui de la frugalit\u00e9, avec des algorithmes plus l\u00e9gers. Pour r\u00e9soudre ce probl\u00e8me et relever les d\u00e9fis de l\u2019IA embarqu\u00e9e, les chercheurs peuvent \u00e9tudier des solutions comme TinyMl. Il s\u2019agit d\u2019une technique d’apprentissage automatique applicable sur des microcontr\u00f4leurs aux ressources limit\u00e9es. Les algorithmes utilis\u00e9s fonctionnent avec une faible consommation d’\u00e9nergie et se contentent de peu de m\u00e9moire et de puissance de calcul. L’apprentissage automatique peut \u00eatre ex\u00e9cut\u00e9 sur des syst\u00e8mes embarqu\u00e9s et permet de multiples applications dans les environnements IoT et Edge Computing.<\/p>\n\n\n\n With the proliferation of devices equipped with embedded AI, the privacy and security of data are becoming increasingly concerning. How can we ensure that the data collected by these devices are processed safely and with respect for privacy? New approaches, such as federated learning and homomorphic encryption, could play a significant role in addressing these challenges.<\/p>\n\n\n\n As we mentioned above, France and the European Union have established a framework to meet these challenges. It remains to assess the relevance and effectiveness of the device in light of technological developments and their speed.<\/p>\n\n\n\n Embedded AI also raises ethical questions. How can we ensure that AI is used fairly and does not perpetuate existing biases? Efforts are needed to develop ethical principles for AI and ensure that these principles are respected in practice, by setting up validation mechanisms.<\/p>\n\n\n\n Despite these challenges, the future of embedded AI seems promising. With the advances in technology, we can expect to see an ever-broadening range of applications of embedded AI, from smart home devices to smart cities and personalized healthcare. However, to fully realize this potential, it will be essential to address technical challenges, as well as challenges related to privacy, security, and ethics.<\/p>\n\n\n\n Embedded AI is a transformative technology with the potential to profoundly reshape our world while opening new perspectives. Its history denotes rapid and ongoing evolution, propelled by advances in computer technology and AI. Today, embedded AI is ubiquitous, affecting a variety of industries and aspects of our daily life, from automotive to health, through cooking and fitness.<\/p>\n\n\n\n Despite its potential, embedded AI poses significant challenges, including in terms of technology, privacy, security, and ethics. It\u2019s crucial that these challenges are recognized and proactively addressed to ensure a future where embedded AI can develop its full potential safely and fairly, with respect for everyone.<\/p>\n\n\n\n The future of embedded AI is incredibly exciting, and undoubtedly, we are only glimpsing today what is possible.<\/p>\n\n\n Autrefois confin\u00e9e dans l’enceinte de supercalculateurs massifs et de centres de donn\u00e9es, l’intelligence artificielle (IA) a pris son essor, notamment gr\u00e2ce \u00e0 l’\u00e9mergence du Edge Computing. D\u00e9sormais, elle est omnipr\u00e9sente. On la retrouve dans nos smartphones, dans les voitures autonomes et au c\u0153ur du concept m\u00eame de maison intelligente. Cette r\u00e9volution technologique ouvre des perspectives […]<\/p>\n","protected":false},"author":8,"featured_media":6904,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"History of Embedded AI<\/a>\",\"id\":\"9e78acc1-07cc-4ad3-b086-fa6eb4915bd6\"},{\"content\":\"Definition of Edge Computing<\/a>\",\"id\":\"44c54b7f-a2d4-4005-bab8-551ef1e17df4\"},{\"content\":\"History of AI, ML, and DL<\/a>\",\"id\":\"58208e4f-85f4-487d-a3bf-a3da96749687\"},{\"content\":\"Nanotechnological Patch<\/a>\",\"id\":\"780be98a-8c3f-421f-b620-070894f3da50\"},{\"content\":\"Firefly AI in Photoshop<\/a>\",\"id\":\"17faefa3-dffa-4a42-a0f6-98ecf1b30b83\"},{\"content\":\"What is Edge Computing?<\/a>\",\"id\":\"a71afc4d-babf-45ee-95a8-fbf2f98514ea\"},{\"content\":\"Samsung \u2013 BESPOKE Jet AI Cordless Vacuum<\/a>\",\"id\":\"c8b84d3e-1e60-420f-b0ce-971c89300b9c\"},{\"content\":\"What are Smart Vacuums?<\/a>\",\"id\":\"2be62987-894f-406e-8077-dfd5f92f597f\"},{\"content\":\"Cooking Robots<\/a>\",\"id\":\"2c53ce65-a1ed-4563-ad39-14c09818d002\"},{\"content\":\"Report on \u201cWearable AI\u201d<\/a>\",\"id\":\"2d12e772-6c55-4b7f-8726-dcc895d9e511\"},{\"content\":\"Attia, Z.I., Harmon, D.M., Dugan, J. et al. Prospective evaluation of smartwatch-enabled detection of left ventricular dysfunction. Nat Med 28, 2497\u20132503 (2022)<\/a>\",\"id\":\"16d1f224-ca62-41d0-8ef6-4d78e3457563\"},{\"content\":\"Smart Prosthesis<\/a>\",\"id\":\"0b9bea9a-2b6b-4ad1-9ed2-6ec3d8d87c3d\"},{\"content\":\"Robots in Elderly Care<\/a>\",\"id\":\"a9f4a60e-245f-401d-8e9f-d51692b9a977\"},{\"content\":\"Artificial Intelligence in Space<\/a>\",\"id\":\"55c38a55-619d-4ee5-aa91-523d1b23c6cc\"},{\"content\":\"IoT and Satellite Sensor Data Integration for Assessment of Environmental Variables: A Case Study on NO2 \u2013 PMC<\/a>\",\"id\":\"d4fd7cdf-de50-4366-81c1-268aacc23a9f\"},{\"content\":\"European Satellite Constellation Project<\/a>\",\"id\":\"d0d9e083-5b38-4642-876e-fcd0b93d5bc1\"},{\"content\":\"Presentation of Embedded AI<\/a>\",\"id\":\"6deed1f9-1973-483b-8277-6be6be2bfbb6\"},{\"content\":\"Adaptation of the Job Market<\/a>\",\"id\":\"956a5de1-07ff-4a33-9037-aaecb7b89520\"},{\"content\":\"EU Ethics Guidelines for Trustworthy AI<\/a>\",\"id\":\"b47a0705-328b-4995-b050-126356212bfa\"},{\"content\":\"EU AI ACT<\/a>\",\"id\":\"691da98b-a486-4c41-8b6f-73281a3a503b\"},{\"content\":\"National Strategy for Artificial Intelligence<\/a>\",\"id\":\"2a5720e7-ef82-4fcb-bcb7-b0a1bb2b8155\"},{\"content\":\"Impact of AI on Jobs<\/a>\",\"id\":\"3576acd8-da6b-418d-9179-59baf938b9b0\"},{\"content\":\"Microcontrollers and AI: Challenges of Embedded Machine Learning<\/a>\",\"id\":\"6b51405b-c535-4b3c-b3cb-a015acf734ba\"}]"},"categories":[149],"tags":[168,186],"class_list":["post-6900","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-industrie","tag-embarque","tag-semantique"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6900","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=6900"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/6900\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/6904"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=6900"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=6900"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=6900"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Essor de l\u2019intelligence artificielle : l\u2019importance du Edge Computing<\/h3>\n\n\n\n
IA embarqu\u00e9e, Internet des objets et Machine Learning : perspectives<\/h3>\n\n\n\n
Sp\u00e9cificit\u00e9s de l\u2019IA embarqu\u00e9e<\/h3>\n\n\n\n
Diff\u00e9rence entre l\u2019IA embarqu\u00e9e et l\u2019IA int\u00e9gr\u00e9e<\/h3>\n\n\n\n
IA embarqu\u00e9e (Embedded AI ou IAE)<\/h4>\n\n\n\n
IA int\u00e9gr\u00e9e (Integrated AI)<\/h4>\n\n\n\n
Gros plan sur le Edge computing<\/h3>\n\n\n\n
Les principales applications de l’IA embarqu\u00e9e<\/h2>\n\n\n\n
Les automobiles autonomes<\/h3>\n\n\n\n
La robotique domestique<\/h3>\n\n\n\n
Les montres intelligentes et les bracelets de fitness<\/h3>\n\n\n\n
La sant\u00e9 intelligente<\/h3>\n\n\n\n
L\u2019industrie a\u00e9rospatiale<\/h3>\n\n\n\n
Impact \u00e9conomique et social de l’IA embarqu\u00e9e<\/h2>\n\n\n\n
Impact \u00e9conomique<\/h3>\n\n\n\n
Impact social<\/h3>\n\n\n\n
L’IA embarqu\u00e9e a le potentiel d’avoir un impact significatif, \u00e0 la fois \u00e9conomique et social. Comme pour toute nouvelle technologie, il est crucial d’\u00e9quilibrer les avantages, les d\u00e9fis et les pr\u00e9occupations associ\u00e9es.<\/p>\n\n\n\nLes d\u00e9fis et l’avenir de l’IA embarqu\u00e9e<\/h2>\n\n\n\n
D\u00e9fis techniques<\/h3>\n\n\n\n
Les ing\u00e9nieurs doivent g\u00e9rer des contraintes de latence, de performance, de taille ou de co\u00fbt. Si l\u2019accent doit \u00eatre mis sur la rapidit\u00e9 d\u2019ex\u00e9cution, il est envisageable d\u2019utiliser un GPU, un FPGA ou des processeurs multic\u0153urs tr\u00e8s sophistiqu\u00e9s. Mais toutes ces solutions sont g\u00e9n\u00e9ralement encombrantes et co\u00fbteuses. Elles n\u00e9cessitent aussi beaucoup d’\u00e9nergie et il faut s\u2019assurer du maintien de la robustesse des algorithmes car leur taille devra certainement \u00eatre revue pour une utilisation sur des syst\u00e8mes \u00e0 la puissance r\u00e9duite.
Si un processus d\u2019IA embarqu\u00e9e doit \u00e0 l\u2019inverse \u00eatre ex\u00e9cut\u00e9 en \u00e9conomisant de l\u2019\u00e9nergie, il est envisageable de se tourner vers le choix d\u2019un microcontr\u00f4leur23<\/a><\/sup>. Mais celui-ci aura besoin de beaucoup de temps pour effectuer des op\u00e9rations complexes de type CNN. Sur des appareils de petite taille, une consommation d\u2019\u00e9nergie \u00e9lev\u00e9e \u00e0 court terme peut parfois \u00eatre acceptable, mais elle ne l\u2019est pas sur le long terme.<\/p>\n\n\n\nOther challenges related to embedded AI<\/h3>\n\n\n\n
Privacy and security issues<\/h4>\n\n\n\n
Ethical questions<\/h4>\n\n\n\n
The essential in brief<\/h2>\n\n\n\n