- AI
- Industries
- Edge Computing
- Clea
Choisir le matériel d’Edge AI pour les passerelles industrielles à large plage de température : pourquoi les TOPS par Watt comptent
L’Edge AI industrielle prend en charge l’analyse en temps réel dans des secteurs comme la fabrication et la gestion des bâtiments. Les processeurs basse consommation offrent des performances d’IA modestes, mais les concepteurs doivent arbitrer entre budgets de puissance, plages de température et contraintes de refroidissement. Utiliser les TOPS par Watt comme métrique aide les ingénieurs à comparer les plateformes selon leur efficacité énergétique et à choisir une solution qui répond à la fois aux exigences de performance et d’environnement.

L’edge computing s’est imposé comme un élément central de l’automatisation industrielle et du bâtiment : les passerelles industrielles assurent de plus en plus des tâches telles que la surveillance des conditions de process, la détection d’anomalies dans les flux de travail et l’optimisation de la consommation d’énergie des équipements sur site. Ces capacités reposent sur l’intelligence croissante des appareils Edge, favorisée par l’arrivée de plateformes d’intelligence artificielle (IA) capables d’exécuter des charges de travail dédiées directement sur l’appareil et en temps réel, plutôt que sur des serveurs cloud distants.
L’éventail des charges de travail d’Edge AI est large : des simples tâches de classification exécutées sur des micro neural processing units (microNPU) intégrés aux chaînes de vision complexes pour la classification de produits sur des convoyeurs dans les systèmes de contrôle qualité. Dans ce dernier scénario, l’appareil Edge nécessite des accélérateurs matériels d’IA dédiés pour traiter les données de plusieurs capteurs ou caméras avec une latence minimale.
Pour décrire, mesurer et comparer les performances d’IA, le nombre de tera operations per second (TOPS) est devenu une métrique très répandue, mais la seule spécification en TOPS ne suffit pas pour évaluer l’adéquation d’un matériel d’IA aux applications Edge industrielles. Pour choisir le bon appareil Edge, les utilisateurs doivent arbitrer entre performances d’IA, consommation d’énergie, gestion thermique et fiabilité dans des environnements de −20°C à +70°C.
Normaliser les performances d’IA avec les TOPS/W
Lors du choix d’un matériel d’IA pour des applications Edge, il est important de considérer comment les conditions thermiques réelles, et les contraintes de puissance qui en découlent, affectent la performance de calcul disponible par rapport à la performance de crête. C’est pourquoi les TOPS par Watt (TOPS/W) sont apparus comme une métrique de comparaison plus pertinente pour les plateformes d’Edge AI.
En reliant directement la performance de calcul d’IA disponible à la consommation d’énergie, les TOPS/W permettent une comparaison plus raisonnable entre différentes approches matérielles d’IA. Pour les passerelles industrielles, on peut distinguer trois solutions matérielles d’IA typiques, présentées dans le Tableau 1.
Tableau 1 : comparaison de différentes solutions matérielles d’Edge AI pour les passerelles industrielles.
| Type de matériel | SoC avec microNPU (Arm Ethos NPU) | Module GPU (NVIDIA Jetson Orin) | Accélérateur matériel dédié (Hailo-8) |
|---|---|---|---|
| Consommation typique | ~1 à 2 W | ~5 à 15 W | ~2,5 W |
| Efficacité IA | ~0,5 TOPS/W | ~2,7 à 7,5 TOPS/W | >10 TOPS/W |
| Domaines d’application idéaux | Appareils Edge économes en énergie et toujours actifs, détection de présence et d’état, prétraitement des données | Robots mobiles autonomes, optimisation du contrôle de process, systèmes multicaméras | Fusion multicapteurs pour la maintenance prédictive, détection d’anomalies, comptage d’objets |
| Avantages | De faibles besoins thermiques permettent des conceptions sans ventilateur | Les charges de travail complexes peuvent être traitées efficacement à forte utilisation | Efficacité TOPS/W de premier plan ; refroidissement passif possible selon la charge de travail |
| Inconvénients | Performances limitées pour les charges de travail complexes comme la vision en temps réel | Nécessite généralement un refroidissement actif, ce qui accroît la complexité du système ; relativement coûteux | Nécessite un processeur hôte, qui influe fortement sur l’efficacité au niveau du système ; relativement coûteux |
Pour de nombreuses applications de passerelles industrielles à ressources limitées, un système sur puce (SoC) avec microNPU intégré représente un compromis équilibré : il offre des performances d’IA suffisantes pour une consommation minimale, ce qui simplifie considérablement la gestion thermique. Par exemple, le SoC NXP i.MX 93 a démontré une estimation de pose d’Edge AI économe en énergie, exécutée directement sur son microNPU intégré. Le modèle détecte ici les postures corporelles ou les situations potentiellement dangereuses avec une latence ultra-faible pour améliorer la sécurité des travailleurs industriels. Un fonctionnement continu est possible grâce aux besoins minimes du microNPU en calcul, en gestion thermique et en puissance au sein d’un système complet. Considérer les TOPS/W plutôt que les TOPS de crête permet aux utilisateurs de reconnaître cette capacité, sans se laisser tromper par les besoins cachés de gestion thermique d’un matériel plus puissant.
Une passerelle Edge pour des applications d’IA à faible maintenance
Pour prendre en charge une fonctionnalité d’Edge AI fiable dans des environnements allant de −20°C à +70°C, les utilisateurs ont besoin d’une passerelle industrielle robuste qui permette des connexions avec l’infrastructure locale de détection et de contrôle. Basé sur le computer-on-module (COM) SOM-SMARC-MX93 de SECO, le Modular Link MX93 est un PC industriel sans ventilateur, à montage sur rail DIN, de 140 x 96 x 36 mm.
Au cœur de l’appareil se trouve le SoC NXP i.MX 93 déjà mentionné, qui comprend deux cœurs d’application Arm Cortex-A55, un cœur temps réel Arm Cortex-M33 et un microNPU Arm Ethos-U65 offrant jusqu’à 0,5 TOPS pour les charges de travail d’Edge AI. Comme le montre la Figure 1, cette plateforme prend en charge jusqu’à 2 GB de mémoire LPDDR4, un double Gigabit Ethernet et plusieurs interfaces haut débit, dont un double USB 2.0, des E/S numériques et des interfaces série.
Voir la figure 1 : la passerelle industrielle SECO Modular Link MX93 offre des performances d’IA suffisantes pour les applications d’automatisation industrielle et du bâtiment.
Pour l’intégration industrielle, les options d’E/S flexibles sont particulièrement importantes : un connecteur UART RJ12 configurable par logiciel prend en charge RS-232, RS-422 ou RS-485, ce qui rend la plateforme bien adaptée aux scénarios de rétrofit impliquant des installations et des équipements existants. La conception modulaire comprend aussi des systèmes filles empilables qui permettent d’étendre la plateforme pour des connexions propres à l’application.
Dans le scénario de sécurité évoqué plus haut, le Modular Link MX93 se connecterait directement à une caméra industrielle ou à un capteur de vision via ses interfaces haut débit. Les flux vidéo sont prétraités sur le SoC NXP i.MX 93, tandis que l’inférence d’IA elle-même s’exécute sur le microNPU Arm Ethos-U65 intégré. Les données obtenues sont évaluées localement pour détecter les postures ou les mouvements dangereux, ce qui permet au système de déclencher des alertes ou de transmettre des événements à des systèmes de contrôle de niveau supérieur, sans devoir diffuser de vidéo brute vers le cloud.
Outre une construction matérielle remarquable, le Modular Link MX93 est complété par Clea, l’écosystème logiciel complet de SECO, qui prend en charge la gestion des appareils, les mises à jour et l’exploitation sécurisée de déploiements edge AI distribués. Clea OS, basé sur Yocto, simplifie le déploiement d’applications sur le Modular Link MX93 et sur la plupart des produits edge de SECO. En complétant ainsi l’écosystème matériel et logiciel, SECO aide les utilisateurs de passerelles industrielles à tirer pleinement parti de l’edge AI pendant toute la durée du cycle de vie du déploiement.
Choisir le matériel edge AI pour les applications industrielles
À mesure que le nombre d’options matérielles edge AI augmente avec la demande du marché, choisir la bonne solution pour un déploiement industriel ou d’automatisation des bâtiments reste une tâche difficile. Une approche structurée aide néanmoins à éviter de mauvaises décisions de conception dès le départ ; les utilisateurs devraient donc suivre trois étapes clés pour choisir une plateforme edge AI :
- Adapter la puissance de calcul au cas d’usage réel ; toutes les applications n’exigent pas un maximum de TOPS.
- Utiliser les TOPS/W comme critère de sélection pour identifier des plateformes économes en énergie pour les tâches d’IA simples, et réserver les accélérateurs plus performants aux applications plus complexes.
- Prendre en compte les facteurs au niveau du système, notamment l’alimentation, la gestion thermique, les conditions environnementales, les besoins d’E/S et l’écosystème logiciel disponible, car ils sont essentiels pour le fonctionnement à long terme.
Pour de nombreuses applications fonctionnant avec un budget énergétique limité, le traitement IA basé sur microNPU du SECO Modular Link MX93 offre une solution bien équilibrée. Avec 0.5 TOPS de performances d’IA pour environ 1 W de consommation dans le système total, la gestion thermique est simplifiée, ce qui permet de réaliser des passerelles edge AI robustes et peu exigeantes en maintenance pour l’automatisation industrielle, la robotique, la gestion technique du bâtiment et bien d’autres domaines.
Pour en savoir plus sur l’edge AI pour les applications industrielles, contactez dès aujourd’hui les experts de SECO et profitez pleinement de leur expertise en edge computing.
Dans cet article

Présenté dans cet article
SOM-SMARC-MX93
Computer on Module (CoM) SMARC® Rel. 2.1.1 avec processeurs applicatifs NXP i.MX 93.
- SMARC®
- NXP i.MX 933/935
Également dans cet article : Modular Link MX93
À lire aussi

Actualités, 10 novembre 2026
SECO annonce que Modular Link IQ-615 et Modular Link MX93 sont désormais disponibles à la commande
Lire
Blog
L’IA edge industrielle en 2027 : ce que les OEM doivent concevoir dès maintenant
Lire
Blog
Des AMR aux cobots : le calcul modulaire pour les machines intelligentes
Lire
Recevez la newsletter SECO.
Inscrivez-vous avec votre adresse e-mail sur seco.com.

