Article sponsorisé

Source de l’image : Unsplash

Astuces rapides

• Vérifiez les spécifications de l’NPU : Lors de l’achat d’un nouveau téléphone, d’une tablette ou d’un ordinateur portable, regardez au-delà du CPU et de la RAM traditionnels pour vérifier la présence d’une unité de traitement neuronal (NPU) dédiée qui gère les charges de travail d’IA locales.
• Vérifiez les capacités hors ligne : Testez des fonctionnalités critiques comme la transcription ou la traduction en direct sans connexion Internet pour voir si elles dépendent uniquement du matériel local ou nécessitent un accès au cloud.
• Évaluez le modèle hybride : Comprenez que de nombreux appareils répartissent les tâches entre le traitement local et les serveurs cloud, ce qui signifie que les protections de la vie privée peuvent varier selon la fonctionnalité utilisée.

Pourquoi votre prochain gadget fera plus sans le cloud

Pendant des années, les choses les plus intelligentes que nos appareils pouvaient faire dépendaient de ce qui se passait ailleurs. Posez une question à un assistant vocal, identifiez un objet dans une photo ou demandez une traduction complexe, et il y avait de bonnes chances qu’une partie du travail voyage vers un centre de données lointain avant que la réponse ne revienne sur votre écran.

Cet arrangement avait du sens. Les téléphones et ordinateurs portables avaient des ressources de calcul limitées, tandis que les serveurs cloud géraient des charges de travail bien plus lourdes. Mais l’équilibre est en train de changer. Les nouveaux appareils grand public exécutent l’intelligence artificielle localement, sans envoyer chaque tâche sur Internet.

Ce changement est moins spectaculaire qu’un nouvel écran pliable ou un capteur photo de taille inhabituelle, mais il a un impact plus important sur l’utilisation de la technologie quotidienne. L’IA sur appareil rend les fonctionnalités plus rapides, plus utiles sans connexion Internet, et moins dépendantes du partage d’informations avec des serveurs distants. L’aspect intéressant est moins que les gadgets deviennent « propulsés par l’IA » que le fait qu’une plus grande part de l’intelligence se déplace à l’intérieur du gadget lui-même.

IA se rapproche de l’utilisateur

L’IA sur appareil effectue une partie ou la totalité de son travail en utilisant le processeur, la mémoire et le matériel spécialisé à l’intérieur d’un téléphone, d’un ordinateur portable, d’une tablette ou d’un appareil portable.

Cela diffère de l’IA cloud, où les informations sont dirigées vers des serveurs distants pour traitement. Les systèmes cloud restent extrêmement utiles car ils exécutent des modèles beaucoup plus grands que ceux qui sont pratiques sur un appareil grand public. De plus en plus, les fabricants combinent les deux approches. Les tâches simples ou sensibles sont traitées localement, tandis que les requêtes plus lourdes passent au cloud.

La connectivité est discrètement devenue un critère pour de nombreux produits dits intelligents. Lorsqu’une fonctionnalité cesse de fonctionner dans un avion, dans un tunnel de métro ou dans une zone avec une mauvaise couverture mobile, son intelligence paraît moins impressionnante. Le traitement local change cette équation. La traduction en temps réel, l’amélioration d’image, la réduction du bruit et la transcription continuent à fonctionner même lorsqu’un appareil est hors ligne.

Pour les voyageurs naviguant dans des zones inconnues sans un signal stable, avoir l’intelligence hors ligne intégrée directement dans votre matériel fait une énorme différence, tout comme l’utilisation des meilleures applications alimentées par la technologie pour la sécurité des voyages lors de l’exploration de lieux éloignés.

L’IA utile est celle que vous remarquez à peine

Les chatbots génératifs dominent la conversation publique autour de l’intelligence artificielle, mais certains des cas les plus forts pour l’IA locale sont beaucoup moins dramatiques.

Un voyageur essaie de comprendre une conversation sans données mobiles fiables. Un créateur retire le bruit de fond d’une vidéo avant de la téléverser. Un ordinateur portable génère des sous-titres pendant une réunion, tandis qu’un téléphone identifie les informations pertinentes à un rendez-vous ou améliore une photographie immédiatement après sa capture.

Aucune de ces fonctionnalités n’a besoin de s’annoncer avec un bouton AI lumineux. Idéalement, la technologie élimine simplement un petit inconvénient. Les caméras de smartphone s’appuient sur le traitement computationnel depuis des années, combinant des données de capteur et des logiciels pour produire des images difficiles à atteindre uniquement avec des optiques. Une IA locale plus performante étend cette approche à l’édition, l’organisation, la reconnaissance d’objet et la vidéo.

Les appareils portables évoluent également rapidement sous ce paradigme, avec des fonctionnalités intelligentes transformant des compagnons quotidiens portés au poignet, comme on peut le constater avec la manière dont l’IA pourrait rendre l’Apple Watch indispensable pour le suivi de la santé et l’automatisation contextuelle.

Le matériel devient une partie de l’histoire de l’IA

Ce changement explique pourquoi les fabricants parlent de plus en plus des unités de traitement neuronal, ou NPU, aux côtés de spécifications familières comme la vitesse du CPU, la mémoire et la capacité de la batterie.

Un NPU est un matériel spécialisé conçu pour gérer les calculs couramment utilisés par les systèmes d’apprentissage automatique. Pour les consommateurs, l’ingénierie importe moins que le résultat : plus de traitement d’IA se produit localement sans alourdir le processeur principal avec l’intégralité de la charge de travail.

• Silicium dédié : Les NPUs déchargent les mathématiques tensoriels et les opérations de réseau de neurones, laissant le CPU libre pour les tâches générales du système et maintenant une performance globale plus réactive.
• Efficacité thermique et énergétique : Exécuter des modèles d’apprentissage automatique sur du matériel conçu à cet effet consomme nettement moins d’énergie de la batterie que de forcer un processeur graphique standard ou un CPU à gérer cette charge.
• Scalabilité à la demande : Les architectures modernes acheminent dynamiquement les tâches entre le CPU, le GPU et le NPU en fonction de la complexité de l’opération locale d’IA.

Cela donne un tournant intéressant au cycle traditionnel de mise à niveau des gadgets. Pendant des années, un processeur plus rapide signifiait que les applications s’ouvraient plus rapidement, que les jeux tournaient mieux ou que le montage vidéo devenait plus fluide. Maintenant, la capacité de traitement supplémentaire détermine quelles fonctionnalités intelligentes un appareil peut exécuter sans aide extérieure.

Cette synergie matérielle est évidente lors de l’évaluation de dispositifs puissants comme la revue de la Samsung Galaxy Watch Ultra, qui met en avant comment un traitement avancé s’intègre à des constructions physiques robustes pour offrir des informations de santé plus intelligentes et un suivi réactif.

La confidentialité s’améliore, mais pas automatiquement

La confidentialité est l’un des arguments les plus solides en faveur du traitement sur appareil, et aussi l’un des plus faciles à simplifier à l’extrême.

Si une tâche est effectuée localement, les données nécessaires à cette tâche n’ont pas besoin d’être téléversées sur un serveur distant. Cela réduit l’exposition et offre aux utilisateurs plus de contrôle sur les matières sensibles. Cela ne signifie cependant pas que chaque fonctionnalité annoncée comme IA fonctionne entièrement hors ligne, ou qu’un appareil utilisant l’IA locale ne communique jamais d’informations connexes ailleurs.

Les systèmes modernes utilisent de plus en plus un modèle hybride. Certaines requêtes restent sur l’appareil, tandis que d’autres passent à l’infrastructure cloud lorsqu’elles nécessitent plus de puissance de calcul, c’est pourquoi vous devriez découvrir ce que propose ExpressVPN sur son site si vous voulez sécuriser ces connexions externes.

Pour les consommateurs, cela crée une nouvelle spécification à laquelle il convient de prêter attention. Au lieu de demander simplement si un appareil a de l’IA, il vaut la peine de demander quelles fonctionnalités fonctionnent localement, lesquelles nécessitent Internet, et ce qui arrive aux informations impliquées lorsque le traitement cloud est utilisé.

Ne mettez pas à niveau juste pour les lettres IA

L’arrivée d’un traitement local plus performant donne aux fabricants une autre raison de vendre du nouveau matériel, mais cela ne signifie pas que tout le monde en a besoin.

Si un ordinateur portable de trois ans gère encore votre travail avec aisance, un NPU seul n’est pas une raison convaincante pour le remplacer. De même, un téléphone capable de générer des images localement n’est pas nécessairement plus utile qu’un modèle avec une meilleure autonomie de batterie, un appareil photo plus performant ou un plus long support logiciel.

Le test pratique est de savoir si la nouvelle intelligence améliore quelque chose que vous faites déjà. Quelqu’un qui travaille régulièrement hors ligne apprécie la transcription locale. Un voyageur fréquent bénéficie de la traduction hors ligne. Les photographes et créateurs de vidéos apprécient un traitement plus rapide sans besoin de téléverser de gros fichiers.

La conséquence la plus intéressante de l’IA sur appareil a peu à voir avec l’intelligence artificielle en tant que point de vente. Pendant la majeure partie de l’ère connectée, les appareils sont devenus plus performants en devenant plus dépendants de l’infrastructure ailleurs. L’IA sur appareil inverse cette relation, créant un morceau de technologie plus autonome. Ignorez la fréquence à laquelle l’IA apparaît sur la boîte et concentrez-vous sur ce que l’appareil peut réellement accomplir par lui-même.