Par Karl D’haveloose - Indusruptiv Au cours des vingt dernières années, les entreprises de l’IoT sont parties d’une logique claire : fabriquer un produit ou fournir un service, puis y ajouter de la connectivité afin de mieux servir les clients, de créer de nouvelles sources de revenus et de renforcer leur compétitivité.
Mais la mise en place d’une telle stratégie connectée s’est souvent révélée moins prévisible et plus complexe qu’espéré. Les coûts de la connectivité, de l’infrastructure cloud et des compétences spécialisées ont rapidement pesé lourd, en particulier pour les entreprises qui fabriquent à l’origine des tronçonneuses, des machines à laver ou des équipements industriels — et qui ne sont pas expertes en roaming, en centres de données ou en architecture cloud.
Entre-temps, un écosystème IoT mature s’est constitué. Les fournisseurs de plateformes, les prestataires spécialisés et les partenaires technologiques prennent en charge une partie de cette complexité. Mais l’industrialisation de l’IoT fait apparaître un nouveau problème : des milliards d’appareils connectés signifient aussi des milliards de flux de données, ainsi qu’une hausse constante des coûts de connectivité, d’infrastructure cloud et de traitement de l’IA.
C’est pourquoi l’intelligence se déplace à nouveau — ou, plus précisément, s’installe de plus en plus dans l’appareil lui-même. Les composants sont devenus plus abordables et plus performants, tandis que les concepteurs disposent de meilleurs outils et de modèles d’IA plus efficaces. L’IA en périphérie permet d’analyser les données localement et de ne transmettre au cloud que les résultats pertinents. Cette approche réduit les besoins en bande passante, en stockage et en puissance de calcul, tout en améliorant la réactivité, la confidentialité et l’évolutivité.
La sonnette intelligente qui détecte localement la présence d’une personne et ne transmet qu’un événement pertinent en est un exemple parlant. Dans les applications industrielles, il peut s’agir de maintenance prédictive, d’inspection visuelle, de reconnaissance audio ou encore de surveillance locale.
Selon François de Rochebouet, de STMicroelectronics, l’IoT évolue vers une « intelligence distribuée ». Les appareils deviennent plus sensibles au contexte, plus autonomes et plus sélectifs quant aux informations qu’ils partagent. Le cloud ne disparaît donc pas. Il reste essentiel pour la gestion des flottes, la mise à jour des modèles et les analyses à grande échelle. Mais la première interprétation des données et la décision initiale s’effectuent de plus en plus souvent à la périphérie du réseau.
Pour les concepteurs, cette évolution implique de privilégier des plateformes intégrées. Les microcontrôleurs combinent désormais de plus en plus souvent le contrôle, les capteurs, la sécurité et l’inférence IA au sein d’une seule architecture économe en énergie. Cette intégration simplifie la conception des cartes électroniques, réduit le coût des composants et raccourcit les cycles de développement. Le logiciel joue ici un rôle aussi important que la puce : l’optimisation des modèles, les bibliothèques d’IA embarquée et les environnements de développement prêts à l’emploi rendent l’intelligence locale accessible à un nombre croissant d’équipes.
Les SoC, SoM et ordinateurs monocartes restent utiles pour le prototypage et les applications plus exigeantes. Pour les produits fabriqués en grande série, à faible consommation énergétique et soumis à de fortes contraintes de coût, les microcontrôleurs demeurent toutefois souvent le choix le plus efficace. Les développeurs recherchent donc de plus en plus une trajectoire de migration : expérimenter rapidement avec une plateforme puissante, puis passer à une architecture embarquée optimisée pour la production.
La prochaine génération de l’IoT ne reposera donc pas sur un choix entre l’appareil, l’edge et le cloud. Elle combinera les trois. La perception et la prise de décision immédiates s’effectueront localement, l’edge apportera une intelligence supplémentaire et le cloud restera chargé de la coordination, de l’analyse et de la gestion.
Il ne s’agit pas uniquement d’une évolution technologique. C’est aussi une nécessité économique. Pour maintenir l’IoT à grande échelle, à un coût maîtrisé et avec une consommation énergétique raisonnable, il ne sera plus possible d’envoyer toutes les données vers le cloud. L’avenir appartiendra aux appareils capables de réfléchir d’abord par eux-mêmes — et de décider ensuite ce qui mérite réellement d’être partagé.
