Des ondes radio permettent une intelligence artificielle économe en énergie sur les dispositifs embarqués, sans nécessiter de matériel lourd. Des tests menés dans le laboratoire de Tingjun Chen à l’université Duke ont démontré qu’un modèle d’IA peut identifier des milliers d’images transmises sans fil avec une grande précision en un clin d’œil. Ce progrès s’inscrit dans le contexte croissant de l’informatique au bord du réseau (edge computing), où des drones, robots et capteurs prennent des décisions autonomes sur le terrain. Toutefois, le défi réside dans la limitation des ressources matérielles : les modèles d’IA deviennent de plus en plus complexes, tandis que les dispositifs embarqués restent petits et économes en énergie. Les solutions actuelles présentent des inconvénients. Stocker un modèle complet sur le dispositif exige beaucoup de mémoire, de la consommation d’énergie pour le traitement et le déplacement des données. En revanche, transférer le calcul vers le cloud introduit des retards, consomme de l’énergie en raison des échanges de données et expose à des risques de sécurité. Des chercheurs de l’université Duke proposent une troisième voie, baptisée WISE (Wireless Smart Edge networks), qui utilise les ondes radio pour transmettre les poids des modèles d’IA sous forme de signaux sans fil entre les dispositifs et des stations de base proches. Cette approche repose sur un principe innovant : le calcul analogique en physique. Contrairement au calcul numérique classique, qui repose sur des zéros et des uns traités par des processeurs, le calcul WISE exploite le comportement naturel des ondes radio. Une station de base stocke le modèle d’IA complet et émet un signal radio modulé avec les poids du modèle. Le dispositif reçoit ce signal et le combine avec ses propres données d’entrée grâce à un mélangeur de fréquence passif, un composant courant dans les appareils sans fil. Ce mélange, effectué directement dans le domaine radiofréquence (RF), réalise une opération clé des réseaux de neurones — la multiplication de signaux — sans recourir à un processeur numérique. Grâce à cette méthode, le dispositif n’a pas besoin de stocker le modèle ni de l’exécuter en mode numérique, ce qui réduit drastiquement la consommation d’énergie et les besoins en mémoire. Zhihui Gao, doctorante dans l’équipe de Chen et auteure principale de l’étude publiée dans Science Advances le 9 janvier, souligne que cette approche peut bénéficier à de nombreux dispositifs : drones, caméras, capteurs de trafic, qui génèrent des données en continu mais peinent à exécuter des modèles d’IA avancés. Un autre avantage majeur est l’utilisation d’infrastructures existantes. Les stations 5G, les futurs réseaux 6G ou les routeurs WiFi pourraient être légèrement adaptés pour diffuser ces modèles d’IA, sans nécessiter de composants nouveaux ou énergivores. Les dispositifs courants possèdent déjà les éléments matériels (comme les mélangeurs) nécessaires au calcul analogique. Dans les expérimentations, WISE a atteint une précision de classification d’images de près de 96 %, tout en consommant plus d’un ordre de grandeur moins d’énergie que les processeurs numériques les plus performants. Bien que l’approche soit encore au stade expérimental — limitée à de courtes distances et nécessitant des améliorations pour gérer plusieurs modèles simultanément — ses perspectives sont prometteuses. Une seule station pourrait coordonner une flotte de drones ou optimiser les feux de circulation en temps réel. Selon Tingjun Chen, cette technologie marque une étape fondamentale : « Les réseaux sans fil pourront bientôt être aussi puissants que les réseaux filaires. Au-delà du transfert de données, ils pourront distribuer l’intelligence en combinant communication et calcul, permettant une IA embarquée économe en énergie à grande échelle. »