FR
EN
Portée par de vraies applications comme la reconnaissance de motifs en informatique, en vidéosurveillance ou encore en automobile, l’IA s’est d’abord concentrée au cœur des réseaux, dans de puissants serveurs cloud prenant en charge les phases d’apprentissage et d’inférence, et qui seront toujours nécessaires.
Ses applications sont si nombreuses que l’IA tend aussi à se déporter à l’extrémité des réseaux, directement au niveau du capteur ou de l’objet connecté capturant l’information. Toutes ces applications mobilisent un large panel de semi-conducteurs, depuis les processeurs graphiques de Nvidia et d’AMD jusqu’aux microcontrôleurs dotés d’accélérateurs IA et d’un environnement logiciel dédié.
PROGRAMME
> 13h30 : Accueil
Partie 1 : Les composants de calcul
> 14h00 : Introduction
> 14h15 – 14h45 : Edge AI : pourquoi et comment embarquer de l’IA sur STM32, par Ismail Guedira et Pierrick Autret de STMicroelectronics
> 14h45 – 15h15 : Processeurs à ultra basse consommation pour l’audio et l’analyse multi-capteurs, par Monssef Makhlouf de GreenWaves Technologies
> 15h15 – 15h45 : Retour d’expérience d’implémentation sur FPGA, par Christophe Alayrac de CRESITT Industrie
>> 15h45 – 16h15 : Pause – Stands intervenants
Partie 2 : Les pistes d’optimisation
> 16h15 – 16h45 : Accès aux data: la piste des memristors, par Serge Dos Santos du laboratoire IBRAIN
> 16h45 – 17h15 : DEEPGREEN : pour une plateforme open source et indépendante dédiée au Deep Learning embarqué, par Cyril Moineau du CEA-List
>> 17h20 : Échanges autour d’un verre et d’un petit buffet
VIDÉO
PRÉSENTATIONS
IA Edge, qu’est-ce que cela signifie exactement ? Pierre Guiglion nous éclaire sur ces points et sur les outils disponibles chez STMicroelectronics France pour intégrer des modèles IA dans leurs microcontrôleurs et microprocesseurs. Il nous parle aussi de la roadmap des futurs composants ST qui intégrent des accélérateurs dédiés à l’IA, dont le STM32N6.
Comment intégrer une combinaison de traitement numérique du signal et des algorithmes sophistiqués basés sur des réseaux neuronaux, le tout avec une énergie et une latence ultra-faibles ? C’est le défi qu’a relevé GreenWaves Technologies !
Découvrez leurs processeurs apportant des capacités d’IA et de DSP pour des appareils grand public et des capteurs alimentés par batterie.
L’équipe CRESITT a déjà travaillé sur la comparaison des performances de calcul et de consommations énergétiques d’algorithmes de comptage et de suivi de visages dans une scène. Les plateformes Raspberry Pi et Nvidia avaient été testées.
Cette fois, c’est une plateforme à base de FPGA de Microchip/MicroSemi qui a été choisie et évaluée.
Une électronique du futur bio-inspirée, à faible impact environnemental, serait-elle une candidate potentielle pour répondre aux enjeux de sobriété énergétique ?
DEEPGREEN : pour une plateforme open source et indépendante dédiée au Deep Learning embarqué
Le consortium DEEPGREEN, piloté par le CEA-List, a pour ambition de fédérer une communauté autour du développement d’une plateforme open source et indépendante pour l’IA embarquée.
Soutenue par l’ambition France 2030, la plateforme proposera des fonctionnalités innovantes pour répondre à des enjeux stratégiques.
Cyril Moineau du CEA-List présente les enjeux et les derniers développements de cette plateforme qui sera mise à disposition en open source au travers de la fondation Eclipse dès l’automne 2023.
PHOTOS
