IA en périphérie : un capteur solaire imite des synapses et réduit sa consommation

Faire fonctionner de l’intelligence artificielle au plus près d’un capteur, sans envoyer en permanence les données vers un serveur distant, est l’un des grands défis de l’électronique moderne. Des chercheurs de l’Université de Tokyo proposent une piste inspirée du cerveau : un dispositif de calcul qui reproduit certains comportements de synapses humaines et tire son énergie de cellules solaires à colorant. Leur étude, publiée en 2024, vise les traitements locaux de signaux qui évoluent dans le temps, comme les mouvements d’une personne.

L’idée ne consiste pas à recréer un cerveau humain dans une puce. Elle est plus ciblée : exploiter les propriétés physiques d’un composant électronique pour analyser efficacement des informations temporelles, avec une consommation réduite. Les résultats rapportés montrent notamment une classification de mouvements humains, dont la marche, le saut et la flexion, avec une précision supérieure à 90 %.

Pourquoi l’IA en périphérie a besoin de puces plus sobres

L’expression « IA en périphérie », ou edge AI, désigne les calculs réalisés directement sur l’appareil qui collecte l’information ou à proximité immédiate de celui-ci. Un bracelet de santé, une caméra, un capteur industriel ou un équipement embarqué dans un véhicule peuvent ainsi analyser une partie de leurs données sur place.

Cette approche répond à une contrainte très concrète. Les capteurs produisent souvent des flux continus : images, intensité lumineuse, accélérations, variations physiologiques ou vibrations. Les transmettre sans interruption à une infrastructure distante peut exiger de l’énergie, créer de la latence et alourdir les besoins de communication. Pour les équipements compacts et autonomes, chaque milliwatt compte.

Les applications de surveillance ou de santé sont particulièrement concernées, car elles doivent reconnaître un événement dans une succession de mesures. Identifier une marche ou une chute, par exemple, ne dépend pas seulement d’une valeur isolée : il faut interpréter l’ordre, la durée et le rythme des signaux. C’est précisément le type de traitement auquel s’intéresse l’équipe japonaise.

Le calcul par réservoir physique, une autre manière de traiter les signaux

Le dispositif étudié relève du calcul par réservoir physique. Cette famille de méthodes s’inspire de réseaux de neurones récurrents, c’est-à-dire de systèmes capables de tenir compte d’informations passées. Sa particularité est de confier la partie la plus complexe du traitement à un « réservoir » : un système physique dont les réactions non linéaires et la mémoire à court terme transforment les données entrantes.

Dans un calculateur classique, cette transformation est obtenue par une succession d’opérations électroniques et logicielles. Dans un réservoir physique, les propriétés mêmes d’un matériau ou d’un circuit peuvent remplir une part de ce rôle. La sortie du réservoir est ensuite exploitée pour effectuer une tâche, par exemple reconnaître une catégorie de mouvement.

L’intérêt est double. D’une part, le système peut conserver une trace temporaire des signaux précédents, une propriété essentielle pour des données séquentielles. D’autre part, il évite de reproduire intégralement, par logiciel, des calculs que le dispositif physique réalise naturellement par sa dynamique propre.

Dans cette étude, le réservoir prend la forme de synapses optoélectroniques artificielles. Une synapse biologique est le point de communication entre deux neurones. Elle ne se limite pas à transmettre un signal : sa réponse dépend aussi de stimulations antérieures. Les chercheurs cherchent à retrouver une propriété analogue dans un composant sensible à la lumière, afin que le comportement du dispositif garde une mémoire utile des variations reçues.

Des cellules solaires à colorant au cœur du dispositif

L’originalité de la recherche repose aussi sur le recours à des cellules solaires à colorant. Ces cellules alimentent le dispositif, ce qui ouvre la voie à des capteurs plus autonomes sur le plan énergétique. Dans le système présenté, leurs propriétés optiques servent également à contrôler avec précision les constantes temporelles, autrement dit la vitesse à laquelle le composant réagit puis revient à son état initial après une stimulation.

Ce réglage est déterminant. Toutes les informations ne se déploient pas au même rythme : une vibration rapide, un geste humain ou une évolution physiologique peuvent présenter des signatures temporelles très différentes. En adaptant la structure du dispositif à ces diverses échelles de temps, les chercheurs visent un traitement plus pertinent des séries temporelles utilisées pour la surveillance.

L’intensité lumineuse joue elle aussi un rôle. Selon les résultats présentés, son ajustement améliore les performances de calcul lors de l’analyse de données temporelles. Le dispositif n’est donc pas seulement alimenté par la lumière : celle-ci participe au réglage de la dynamique qui rend possible l’interprétation des signaux.

Cette association entre conversion d’énergie et traitement de l’information est au centre de l’approche. Elle illustre une ambition des technologies neuromorphiques : construire des composants dont le comportement matériel contribue directement au calcul, au lieu de séparer strictement l’alimentation, les capteurs, la mémoire et le processeur.

Une consommation annoncée à 1 % et une précision supérieure à 90 %

Les performances énergétiques sont l’un des résultats les plus marquants communiqués par l’équipe. Dans la comparaison présentée, le dispositif consomme 1 % de l’énergie requise par des systèmes classiques. Ce chiffre ne signifie pas que tout système d’IA, quelle que soit sa taille ou sa tâche, pourrait automatiquement diviser sa consommation par cent. Il décrit le résultat obtenu dans le cadre expérimental de cette architecture et de ces traitements.

La démonstration porte sur la reconnaissance de mouvements humains. Le système a détecté et classé des activités telles que le saut, la marche ou la flexion avec une précision de plus de 90 %. Pour des capteurs qui doivent surveiller un état, déclencher une alerte ou prétraiter des données avant un éventuel envoi, cette performance est importante : elle montre que l’économie d’énergie recherchée ne se fait pas au prix d’une incapacité à extraire une information utile.

Le travail s’inscrit ainsi dans une logique de traitement local sélectif. Un capteur intelligent n’aurait pas nécessairement besoin de transmettre toutes les mesures brutes. Il pourrait d’abord déterminer qu’un événement correspond à une catégorie connue, puis ne communiquer que l’information pertinente selon les besoins de l’application.

Des usages possibles, de la santé connectée aux caméras embarquées

Les chercheurs envisagent que cette technologie puisse être généralisée sous la forme de capteurs optiques intelligents à faible consommation, fixables sur différents objets. Plusieurs champs d’application sont évoqués : les systèmes de surveillance, les capteurs intelligents dédiés à la santé et, plus largement, des équipements devant interpréter rapidement des signaux sur place.

Dans le domaine de la santé, un capteur capable de suivre des mouvements ou des variations au fil du temps pourrait contribuer à des dispositifs portables. L’étude ne présente pas un produit médical prêt à être utilisé : elle fournit une démonstration matérielle qui pourrait, à terme, intéresser ces usages. Entre un prototype de laboratoire et un outil déployé auprès de patients, il reste des étapes de validation, d’intégration et d’adaptation aux contraintes pratiques.

L’industrie automobile constitue une autre perspective mentionnée par l’équipe, notamment à travers les caméras embarquées. Dans un véhicule, traiter certaines informations au plus près du capteur peut être utile lorsque la rapidité de réaction et la sobriété énergétique sont recherchées. Là encore, les travaux décrivent un potentiel technologique, non l’intégration d’ores et déjà acquise dans une automobile.

Le bénéfice environnemental avancé tient principalement à la faible consommation et à l’utilisation de l’énergie lumineuse. Réduire l’énergie nécessaire à l’analyse de données peut aussi diminuer les coûts d’alimentation d’équipements électroniques. L’impact réel dépendra toutefois du cycle de vie complet de futurs produits, de leur fabrication à leur déploiement et à leur durée d’usage.

Ce que ce prototype change, et ce qu’il reste à démontrer

Le principal apport de cette recherche est de réunir dans un même dispositif trois fonctions généralement traitées séparément : l’alimentation par cellules solaires, une réponse synaptique artificielle et l’analyse de séries temporelles par calcul par réservoir physique. Cette combinaison donne une illustration concrète de la façon dont les composants neuromorphiques peuvent servir l’IA en périphérie.

Takashi Ikuno, l’un des principaux chercheurs du projet, résume l’ambition de l’équipe : « Cette invention représente une avancée vers l’idéation de capteurs intelligents à faible consommation, redéfinissant les standards actuels de performances énergétique et computationnelle. » La formulation souligne surtout une direction de recherche : rapprocher l’intelligence de la source des données en s’appuyant sur des architectures bio-inspirées.

Les prochaines avancées dépendront de la capacité de tels dispositifs à traiter des données plus complexes, à rester fiables dans des conditions réelles et à être intégrés à des systèmes complets. Il faudra aussi évaluer leur performance sur d’autres tâches que la classification de mouvements présentée ici. Mais en démontrant qu’un composant alimenté par la lumière peut combiner mémoire temporelle et traitement local, l’étude de l’Université de Tokyo ajoute une pièce intéressante à la recherche de capteurs plus autonomes et plus économes.