Modèles en cascade : Optimiser les performances de l'IA sur les appareils embarqués

Dans cette entrevue avec Sergi Mansilla (Edge Impulse) au salon embedded world 2025, nous avons pu discuter des dernières nouveautés en matière d'apprentissage automatique en périphérie. Comme on le constate chaque année, la technologie évolue rapidement. Grâce à la cascade de modèles, les algorithmes de ML de premier niveau effectuent un pré-filtrage avant que des modèles plus gourmands en énergie ne soient exécutés. Nous avons également discuté des avantages de l'acquisition de Qualcomm pour la communauté Edge Impulse.

L’intelligence artificielle en périphérie évolue rapidement, avec des processeurs embarqués de plus en plus puissants et des algorithmes cloud adaptés pour s'exécuter sur ces plateformes. Sergi Mansilla, d'Edge Impulse, explique que l'industrie tire parti de ce changement au profit des systèmes embarqués.

En mettant en cascade des modèles d'apprentissage automatique, les algorithmes à faible consommation d'énergie peuvent procéder à une évaluation préliminaire des données. Si des attributs essentiels sont présents, un traitement supplémentaire, plus gourmand en énergie, peut être entrepris par un second algorithme, tel qu'un grand modèle de langage. Les modèles de langage visuel (VLM) s’intègrent de plus en plus aux systèmes en périphérie, permettant à des algorithmes en langage naturel de détecter des objets ou de décrire une scène.

Nous avons également discuté des avantages de l'acquisition d'Edge Impulse par Qualcomm pour la communauté, notamment l’accès à de nouveaux matériels pour les développeurs.