Jusqu’à 2000 fois moins d’énergie pour certaines opérations d’intelligence artificielle : c’est la promesse d’une nouvelle puce conçue au Royaume-Uni. Développé par des chercheurs de l’Université de Loughborough, ce composant s’attaque à l’un des plus gros freins de l’IA actuelle : sa gourmandise énergétique. Son principe repose sur un traitement directement assuré par le matériel, sans dépendre autant des méthodes logicielles classiques.
Des chercheurs britanniques misent sur une puce capable de traiter les données temporelles autrement
L’équipe de l’Université de Loughborough a mis au point une puce capable de traiter des données qui évoluent dans le temps directement au niveau du composant. Au lieu de s’appuyer sur des logiciels exécutés sur des ordinateurs traditionnels, le dispositif exploite des processus physiques intégrés au matériel.
Ce changement d’approche pourrait améliorer très nettement l’efficacité énergétique de certains systèmes d’IA. Les chercheurs avancent que, selon les usages, leur technologie peut se montrer jusqu’à 2000 fois plus économe en énergie que des méthodes logicielles classiques.
Un memristor en oxyde de niobium a été utilisé pour des tâches variées
Les résultats, publiés dans la revue Advanced Intelligent Systems, détaillent un memristor à couche mince en oxyde de niobium présentant une structure interne hétérogène formée de nanopores aléatoires. Ce composant est capable d’exécuter plusieurs types de calculs, dont des opérations XOR, de la reconnaissance d’images, de la prédiction et de la reconstruction de séries temporelles.
Pour l’évaluer, les chercheurs ont utilisé la série temporelle chaotique tridimensionnelle Lorenz-63. Trois formes d’onde de tension temporelle ont été appliquées au dispositif, tandis qu’une couche de lecture a été entraînée à partir de signaux de courant électrique. Les essais ont montré une précision jugée satisfaisante pour la prédiction et la reconstruction des données.
Les premiers tests montrent une puce capable de reconnaître, prévoir et calculer
Le composant n’a pas seulement été testé sur un cas théorique. L’équipe l’a aussi mis à l’épreuve sur la reconnaissance de chiffres pixelisés et sur l’exécution d’opérations logiques simples. La puce a réussi l’ensemble de ces tests, ce qui met en avant sa polyvalence.
Elle peut traiter des données dépendantes du temps puis les transmettre à un modèle informatique linéaire afin d’identifier des motifs et d’effectuer des prévisions à court terme. Cette capacité la rend particulièrement intéressante pour les applications où les signaux évoluent en permanence.
Les chercheurs voient déjà une voie crédible vers une IA beaucoup moins énergivore
Selon les auteurs, cette avancée souligne le potentiel de dispositifs évolutifs sur puce reposant sur des systèmes réservoirs entièrement à base d’oxydes. En clair, cette architecture pourrait ouvrir la voie à une électronique neuromorphique plus sobre, capable de traiter efficacement des signaux temporels complexes.
« C’est passionnant, car cela montre que nous pouvons repenser la manière dont les systèmes d’IA sont construits », explique le physicien Pavlo Borysov, maître de conférences en physique et responsable de l’équipe financée par l’EPSRC. Il ajoute que l’utilisation de processus physiques, plutôt qu’une dépendance totale au logiciel, peut réduire fortement la consommation d’énergie sur ce type de tâches.
Le chercheur précise aussi que l’équipe s’est inspirée du cerveau, capable de former de nombreuses connexions neuronales apparemment aléatoires, pour créer des connexions physiques complexes au sein d’un réseau neuronal artificiel. D’après lui, la puce permet de prédire l’évolution de séries temporelles complexes avec une consommation pouvant être jusqu’à 2000 fois inférieure à celle des méthodes logicielles standard.
Je m’appelle Samuel Le Goff. À 38 ans, je suis l’actualité du numérique depuis plus de 14 ans. Aujourd’hui, je m’intéresse particulièrement aux smartphones et aux usages concrets de l’intelligence artificielle, que je traite à travers des contenus clairs et accessibles sur Menow.fr.
