« Aujourd’hui, l’Intelligence Artificielle (IA) nous entoure : smartphones, objets connectés, voitures, robots… Mais la plupart du temps, l’IA n’est pas vraiment dans ces objets. Les données qu’ils captent sont envoyées vers des serveurs puissants, dans de grands centres de données (les data centers), qui consomment énormément d’énergie. Cela pose deux problèmes : ça coûte cher en énergie, et ça peut mettre en danger notre vie privée.
Dans ma thèse, je cherche à permettre aux objets connectés et aux petits capteurs d’être autonomes et intelligents, même s’ils ont très peu d’énergie. Pour cela, je conçois des circuits électroniques spécialisés capables d’exécuter des algorithmes d’IA tout en consommant un minimum d’énergie.
L’idée est de se rapprocher du fonctionnement du cerveau, qui est très efficace : il consomme environ l’équivalent d’une ampoule, alors qu’un centre de données peut consommer autant qu’une ville.
Mes travaux se concentrent sur :
· Intégrer l’IA directement dans les capteurs, sans passer par des communications externes.
· Utiliser des circuits reprogrammables optimisées pour l’IA.
· Développer des modèles d’IA capables d’apprendre seuls en observant leur environnement, grâce à des réseaux de neurones inspirés du cerveau.
Applications concrètes :
· Faire marcher un robot quadrupède plus longtemps grâce à une IA embarquée économe.
· Localiser une source sonore dans l’environnement avec un réseau de neurones qui apprend seul.
· Déployer des capteurs sans batterie pour l’environnement (par exemple : capteur d’humidité dans le béton ou station météo isolée).
En résumé, je travaille à rendre l’IA plus propre, plus locale, et plus autonome, sans dépendre de géants technologiques ou de grosses machines énergivores. »