Edge AI

Définition

L'Edge AI désigne le déploiement et l'exécution de modèles d'intelligence artificielle directement sur des appareils physiques situés en périphérie du réseau — smartphones, capteurs IoT, caméras de vidéosurveillance, systèmes embarqués industriels — plutôt que sur une infrastructure cloud centralisée, réalisant l'inférence localement sans nécessiter de connexion réseau permanente vers un serveur distant. Cette approche apporte trois avantages majeurs : une latence considérablement réduite, critique pour des applications temps réel comme la détection d'obstacles en véhicule autonome ou l'analyse vidéo de sécurité, où un aller-retour vers le cloud serait incompatible avec les contraintes de réactivité ; une réduction des coûts de bande passante et d'infrastructure cloud, en évitant la transmission continue de flux de données volumineux ; et un renforcement de la confidentialité, les données sensibles (biométrie, vidéo, données de santé) restant traitées localement sans transiter ni être stockées sur des serveurs tiers, réduisant la surface d'exposition en cas de compromission cloud. Cette approche nécessite des techniques d'optimisation de modèle spécifiques — quantification (réduction de précision numérique), élagage (pruning) et distillation de connaissances — pour faire tenir des modèles performants dans les contraintes mémoire et calcul limitées des puces embarquées (NPU, TPU Edge). L'Edge AI soulève des enjeux de sécurité propres : protection du modèle contre l'extraction, et mise à jour sécurisée du firmware sur un parc d'appareils dispersé géographiquement.