Publié le 22 février 2026 à 08h27. L’essor de l’intelligence artificielle de périphérie (Edge AI) promet de révolutionner le traitement des données issues de l’Internet des objets, en rapprochant la puissance de calcul des capteurs et des appareils connectés, tout en préservant la confidentialité et en réduisant la latence.
- L’Edge AI permet de traiter les données directement sur les appareils, comme les smartphones ou les capteurs industriels, sans passer par le cloud.
- Cette approche améliore la réactivité des systèmes, réduit les coûts de transfert de données et renforce la protection de la vie privée.
- Des initiatives européennes, comme le projet PANDORA, visent à développer un cadre pour déployer efficacement l’Edge AI dans divers secteurs.
Initialement conçu pour accélérer et sécuriser le traitement du Big Data, le « Edge computing » s’associe désormais à l’intelligence artificielle pour offrir une alternative au stockage et à l’analyse centralisés dans le cloud. Cette technologie permet d’exécuter des modèles d’apprentissage automatique directement sur les capteurs, les caméras ou les systèmes embarqués des objets connectés du quotidien, des lave-vaisselle aux automobiles en passant par les smartphones.
Les maisons, les bureaux, les exploitations agricoles, les hôpitaux et les réseaux de transport sont de plus en plus équipés de capteurs, ouvrant ainsi des perspectives considérables pour améliorer la qualité de vie et la sécurité publique. L’Internet des objets (IoT) intègre ainsi des capteurs de température et de qualité de l’air pour optimiser le confort intérieur, des capteurs portables pour surveiller la santé des patients, des systèmes LiDAR et radar pour faciliter la gestion du trafic, ainsi que des caméras et des détecteurs de fumée pour une détection rapide des incendies et une intervention d’urgence efficace.
Ces dispositifs génèrent d’importants volumes de données qui peuvent être analysés pour identifier des tendances et améliorer les performances des applications grâce à des informations issues de l’IA. Par exemple, les données de connectivité des points d’accès Wi-Fi ou des balises Bluetooth déployées dans les bâtiments peuvent être analysées à l’aide d’algorithmes d’IA pour déterminer les schémas d’occupation et de déplacement des personnes en fonction de la période de l’année et du type de bâtiment (bureaux, hôpitaux, universités, etc.). Ces informations peuvent ensuite être utilisées pour optimiser le chauffage, la ventilation et la climatisation (CVC), planifier les évacuations, et bien d’autres applications.
L’Intelligence Artificielle des Objets (AIoT) combine l’IA et l’infrastructure IoT pour permettre une prise de décision, une automatisation et une optimisation intelligentes des systèmes interconnectés. Ces systèmes s’appuient sur des données réelles à grande échelle pour améliorer la précision et la robustesse de leurs prédictions. Cependant, le transfert de ces données vers le cloud peut entraîner des délais importants, allant de quelques centaines de millisecondes à plusieurs secondes, en fonction de la qualité du réseau et du volume de données.
De plus, le transfert de données sensibles vers le cloud soulève des questions de confidentialité. Dans une maison intelligente, par exemple, les données des compteurs intelligents ou des commandes d’éclairage peuvent révéler des habitudes de vie ou permettre de localiser les occupants. Il est donc préférable de traiter ces informations à proximité de la source pour minimiser les délais et protéger la vie privée.
Pour pallier ces limitations, l’Edge computing offre une alternative en rapprochant les ressources informatiques des appareils IoT et des utilisateurs finaux, généralement au sein du même bâtiment ou dans des micro-centres de données à proximité. Toutefois, ces ressources de périphérie sont moins puissantes que les plateformes cloud centralisées, ce qui pose des défis pour le déploiement de modèles d’IA complexes. C’est là qu’intervient l’Edge AI, qui étudie les méthodes permettant d’exécuter efficacement les charges de travail d’IA en périphérie, notamment grâce à des techniques comme l’informatique fractionnée, qui divise les modèles d’apprentissage profond sur plusieurs nœuds périphériques.
L’Edge computing améliore non seulement les temps de réponse, mais aussi la confidentialité des données. L’apprentissage fédéré, par exemple, permet de former des modèles d’apprentissage automatique directement sur les appareils Edge, garantissant que les données brutes restent sur l’appareil et que seules les mises à jour du modèle sont transmises pour l’agrégation. Une fois formés, les modèles d’IA peuvent être déployés en périphérie, permettant un traitement local des données sans exposition à l’infrastructure cloud. Ceci est particulièrement pertinent pour les entreprises souhaitant utiliser des grands modèles de langage tout en préservant la confidentialité de leurs données, par exemple pour prédire les besoins de maintenance des machines industrielles.
Bien qu’il n’existe pas encore de plateforme bien établie pour le déploiement à grande échelle d’applications Edge AI, les fournisseurs de télécommunications commencent à exploiter les ressources locales existantes sur les sites d’antennes pour offrir des capacités de calcul plus proches des utilisateurs. La gestion de ces ressources hétérogènes reste un défi, mais les progrès de l’Edge AI offrent des perspectives prometteuses pour améliorer leur utilisation et leur gestion.
Dans le cadre du projet Horizon Europe PANDORA, notre groupe de recherche, en collaboration avec des partenaires européens, développe un cadre basé sur l’IA qui fournit des modèles d’IA en tant que service (AIaaS) adaptés aux besoins des utilisateurs en termes de latence, de précision et de consommation d’énergie. Ces modèles peuvent être entraînés au moment de la conception ou en temps réel à partir des données collectées par les appareils IoT. Le framework gère l’ensemble du cycle de vie du modèle d’IA, garantissant un fonctionnement continu et robuste des applications AIoT, en allouant intelligemment les charges de travail aux ressources les plus appropriées (IoT, Edge ou Cloud) en fonction des performances et des exigences spécifiques.
Recevez notre newsletter hebdomadaire en anglais présentant l’expertise d’universitaires et de chercheurs européens. Elle offre un aperçu de la diversité de la recherche menée sur le continent et aborde certains des principaux défis auxquels sont confrontés les pays européens. Inscrivez-vous à la newsletter !