Chaque année, Le Gartner Group publie son Hype Cycle. Ce rapport, très attendu par les industriels et les investisseurs, rend plus accessibles les modèles de maturité des technologies. Il décrit notamment les grandes tendances qui auront un impact fort sur les DSI et sur les entreprises. La dernière mouture s'intéresse aux semi-conducteurs et aux technologies électroniques. Elle place le Edge AI comme une technologie émergente et génératrice d'innovation.
Cartesiam : Seul éditeur de logiciel recensé parmi les grands acteurs du microcontrôleur.
Pour le Gartner Group, ces technologies d'IA embarquée auront de forts impacts transformationnels dans les deux à cinq ans. Cartesiam est le seul éditeur de logiciel listé comme vendeur. Ceci s'explique par le fait que la start-up a développé une technologie (NanoEdge™ AI) destinée à l'intelligence artificielle dans le « Edge ». Les deux autres acteurs mentionnés par le Gartner dans cette catégorie « Edge AI » sont deux fabricants de semi-conducteurs, STMicroelectronics et Renesas Electronics.« Le fait d'être identifié dans la Gartner Hype Cycle 2019 comme l'un des 3 fournisseurs de la brique Edge AI est un grand honneur et une belle reconnaissance pour toute l'équipe Cartesiam. Notre technologie est le fruit de plusieurs années de recherche et développement où nous avons fait le choix de réécrire, à partir de l'algèbre, tous les algorithmes de machine learning afin qu'ils puissent tourner dans un environnement aussi frugal que celui d'un microcontrôleur. » commente Joël Rubino, CEO et co-fondateur de Cartesiam
Innover et gagner en productivité
Pour le Gartner Group, le « Edge AI » va s'imposer rapidement grâce à un avantage décisif : via les fonctionnalités de Machine Learning embarquées dans un microcontrôleur, les industriels analysent et interprètent localement les données. Ils sont ainsi en mesure de supprimer la latence en termes de décision et peuvent agir vite et de manière sécurisée car les données restent en périphérie et n'ont pas besoin d'être transmises dans un cloud. Le traitement et l'analyse s'exécutent dans un microcontrôleur très peu énergivore, alors que les architectures qui utilisent des réseaux neuronaux pré-entraînés sur des serveurs restent très consommatrices d'énergie.S'émanciper des Data Set et des Data Scientists
Comme l'explique le Gartner dans son rapport « les 3 barrières à l'adoption de l'IA », les compétences en IA et la disponibilités des données sont deux des trois barrières à l'entrée ralentissant l'adoption de l'IA et son déploiement massif dans les entreprises. Dans un modèle traditionnel, data-set et datascientist sont indissociables pour la réussite de tout projet. Or, la constitution d'un jeu de données pertinentes et la disponibilité de datascientists pour travailler ces données et développer des algorithmes basés sur les apprentissages profonds (Deep Neural Network) sont la condition sine qua non du développement de solutions.Cartesiam décrit NanoEdge AI comme le seul moteur de machine learning capable de fonctionner en apprentissage et en inférence directement sur tous les microcontrôleurs de type Cortex M. La technologie permet d'analyser les données à la source sans passer par un traitement dans le cloud.