Une puce optique de Floride promet jusqu’à 100 fois plus d’efficacité pour l’IA

L’intelligence artificielle ne se résume pas aux modèles qui répondent à une question ou génèrent une image. Derrière ces usages, des puces exécutent une quantité considérable de calculs, avec une consommation électrique qui devient un enjeu industriel et environnemental majeur. Des chercheurs de l’Université de Floride proposent une voie différente : confier une partie de ces calculs à la lumière plutôt qu’aux seuls signaux électriques.

Leur prototype de puce optique, aussi appelée puce photonique, est conçu pour réaliser des opérations de convolution, fondamentales dans de nombreux systèmes de reconnaissance. L’équipe annonce une efficacité énergétique 10 à 100 fois supérieure à celle de puces électroniques conventionnelles pour les mêmes opérations. Elle a également obtenu environ 98 % de précision pour classer des chiffres manuscrits, un résultat présenté comme comparable à celui de composants électroniques standards.

Cette avancée ne signifie pas que tous les processeurs d’IA sont sur le point de devenir optiques. Elle montre en revanche comment la photonique sur silicium pourrait alléger l’un des postes les plus coûteux de l’IA : effectuer des calculs intensifs tout en limitant l’énergie nécessaire.

Pourquoi la consommation de l’IA devient un problème matériel

Les progrès de l’IA reposent sur des opérations mathématiques répétées à très grande échelle. Pour analyser une image, reconnaître une voix ou traiter une vidéo, un système doit transformer des données, comparer des motifs et produire un résultat. Dans les architectures électroniques classiques, ces opérations sont assurées par des composants qui manipulent des signaux électriques.

L’efficacité énergétique désigne ici la quantité de calcul utile obtenue pour une même quantité d’énergie. Elle ne doit pas être confondue avec la seule vitesse : une puce peut être rapide, mais exiger beaucoup d’électricité pour y parvenir. À mesure que les charges de travail de l’IA augmentent, réduire l’énergie dépensée par opération devient donc aussi important que d’augmenter les performances brutes.

La piste explorée par l’équipe floridienne consiste à exploiter les propriétés physiques de la lumière. Au lieu de faire circuler exclusivement des signaux électriques à travers le circuit, la puce encode des données sous forme lumineuse et s’appuie sur des composants optiques intégrés au silicium pour obtenir le résultat mathématique recherché.

Comment cette puce optique réalise-t-elle des calculs d’IA ?

Le cœur de l’innovation concerne les convolutions. Cette opération mathématique est particulièrement connue pour son rôle dans l’analyse d’images. Elle consiste, de façon simplifiée, à appliquer un filtre à de petites zones successives d’une image afin d’en faire ressortir des éléments utiles : contours, textures, formes ou motifs plus complexes.

C’est l’une des raisons pour lesquelles les convolutions sont importantes pour la reconnaissance visuelle. Elles peuvent aussi intervenir dans l’analyse de vidéos et dans certains traitements de données textuelles. Leur répétition à grande échelle explique qu’elles représentent une cible privilégiée pour les chercheurs qui veulent réduire la dépense énergétique de l’IA.

La puce de l’Université de Floride transforme les données codées par la lumière en résultats de convolution. Pour cela, elle embarque des microlentilles Fresnel directement sur le silicium. Ces composants sont une version extrêmement fine des lentilles de Fresnel, connues notamment pour leur usage historique dans les phares. Dans ce prototype, leur épaisseur est inférieure à celle d’un cheveu humain.

Les lentilles guident l’action du laser afin de réaliser les transformations mathématiques nécessaires aux calculs. L’idée n’est donc pas de remplacer magiquement un algorithme par un faisceau lumineux : c’est de concevoir le circuit de telle sorte que le passage de la lumière à travers ses éléments physiques produise l’opération recherchée.

Quels résultats le prototype a-t-il obtenus ?

Le test rapporté porte sur la classification de chiffres manuscrits. La puce a atteint environ 98 % de précision, soit un résultat similaire à celui de puces électroniques standards pour cette tâche. Cette donnée est importante, car un gain énergétique n’aurait qu’un intérêt limité si la qualité des résultats diminuait fortement.

L’équipe avance aussi un écart notable d’efficacité énergétique par rapport aux approches conventionnelles. La fourchette annoncée va de 10 à 100 fois pour les mêmes opérations. Il s’agit d’un chiffre à lire dans son cadre précis : il porte sur les calculs visés par cette architecture, en particulier les convolutions, et non sur la consommation totale de n’importe quel système d’IA ou centre de données.

Le rôle clé des microlentilles et des lasers

Les microlentilles Fresnel ne sont pas un simple ajout optique posé à côté d’un processeur. Elles sont intégrées à la puce en silicium et participent à l’exécution des calculs. Leur finesse permet d’inscrire des fonctions optiques dans un espace très réduit, condition nécessaire pour envisager une intégration dans des systèmes informatiques compacts.

Les chercheurs ont également utilisé un principe appelé multiplexage par longueur d’onde. Concrètement, plusieurs lasers de différentes longueurs d’onde, que l’on peut assimiler à différentes couleurs de lumière, servent à transporter plusieurs flux de données simultanément.

Ce procédé offre un levier de parallélisation : plutôt que de traiter les flux l’un après l’autre, la puce peut les traiter en même temps. Selon les résultats présentés, cette approche accroît l’efficacité sans sacrifier la vitesse ni la qualité des résultats. C’est un avantage particulièrement intéressant pour l’IA, dont les traitements reposent fréquemment sur l’exécution parallèle d’un grand nombre d’opérations semblables.

Puce électronique ou puce optique : ce qui change réellement

Les puces électroniques conventionnelles restent la référence pour l’immense majorité des traitements informatiques. Elles sont polyvalentes et constituent le socle des infrastructures actuelles. La puce développée en Floride ne se présente pas comme un remplacement universel, mais comme une architecture spécialisée pour des opérations bien identifiées.

Dans cette approche, l’électronique et l’optique peuvent être vues comme complémentaires. L’électronique demeure essentielle dans un système informatique complet, tandis que l’optique peut prendre en charge certaines transformations où ses propriétés physiques procurent un avantage énergétique. L’enjeu est de savoir intégrer ces fonctions sans dégrader la précision obtenue par les modèles.

La promesse de la photonique est donc moins celle d’une IA qui fonctionnerait sans électronique que celle de puces hybrides, capables d’employer le bon support de calcul selon l’opération à réaliser. Les convolutions, qui reposent sur de nombreux calculs répétitifs, constituent un terrain naturel pour cette expérimentation.

Une recherche collaborative, dans un secteur très convoité

Le projet réunit plusieurs institutions : l’Université de Floride, l’Institut des semi-conducteurs de Floride, UCLA et l’Université George Washington. Les résultats ont été publiés dans la revue Advanced Photonics. Cette collaboration illustre le caractère transversal de la recherche : il faut à la fois maîtriser les matériaux, la conception des circuits, l’optique et les besoins propres aux algorithmes d’IA.

La convergence entre photonique et calcul est suivie de près par l’industrie des semi-conducteurs. La publication d’origine souligne que des fabricants comme NVIDIA utilisent déjà des éléments optiques dans certaines de leurs architectures. Cela rend l’idée d’une intégration progressive de composants photoniques plus crédible, même si le prototype universitaire décrit ici ne constitue pas, à lui seul, l’annonce d’un produit commercial.

Pour Volker J. Sorger, professeur et responsable de l’étude, l’optique sur puce pourrait devenir à l’avenir une composante essentielle de chaque puce d’IA. Cette vision traduit une tendance de fond : à mesure que l’IA augmente les besoins en calcul, l’innovation ne porte plus seulement sur les logiciels et les modèles, mais aussi sur la manière physique d’exécuter leurs opérations.

Ce qu’il faut surveiller

Le facteur d’efficacité annoncé, de 10 à 100, est significatif, mais il doit être examiné à la lumière du périmètre étudié. Un système d’IA complet comprend bien plus que le calcul de convolutions : il faut aussi alimenter les données, les mémoriser, les transmettre, les interpréter et refroidir les équipements. Une amélioration spectaculaire sur un composant ne se traduit pas automatiquement par une baisse équivalente de la consommation de l’ensemble d’une infrastructure.

La question décisive sera donc celle du passage du prototype à une intégration plus large. Il faudra notamment vérifier si les bénéfices énergétiques se maintiennent pour des tâches plus variées, avec davantage de données et dans des architectures associant électronique et optique. La compatibilité avec les procédés de fabrication de semi-conducteurs sera également déterminante.

Pour autant, l’expérience de l’Université de Floride apporte une démonstration concrète : la lumière peut effectuer des calculs d’IA utiles avec une précision proche des approches électroniques, tout en revendiquant un avantage énergétique considérable sur les opérations ciblées. Dans la course à une IA plus performante, l’efficacité des modèles ne dépendra peut-être pas seulement de leurs algorithmes, mais aussi de la façon dont les puces feront circuler l’information.