Arm IA physique : une unité pour systèmes embarqués
L’intelligence artificielle quitte progressivement les centres de données pour investir les machines du monde réel. Arm, concepteur britannique de processeurs, vient d’annoncer au CES 2026 la création d’une division inédite : Physical AI ou l’IA physique. Cette nouvelle entité marque un tournant stratégique majeur. Elle réunit toutes les activités liées à l’IA embarquée dans la robotique, l’automobile et les systèmes industriels intelligents.
Une réponse organisationnelle à la transformation de l’informatique
Pendant des décennies, l’informatique a séparé le calcul de l’action physique. Les systèmes centraux analysaient les données et prenaient les décisions. Les machines exécutaient ensuite des instructions prédéfinies sans autonomie réelle. Cette division rigide appartient désormais au passé. L’intelligence artificielle réinjecte la capacité de perception et de décision directement dans les objets connectés. Les véhicules, les robots et les infrastructures deviennent des systèmes autonomes capables de raisonner localement.
Arm structure cette évolution avec la création de sa division Physical AI. Elle s’ajoute aux segments Cloud & AI et Edge Computing déjà existants. Cette organisation tripartite traduit une stratégie claire : capturer la croissance des marchés industriels de l’IA embarquée. Chris Bergey, vice-président exécutif en charge de l’infrastructure, et Drew Henry, nommé responsable de cette nouvelle unité, pilotent ce déploiement ambitieux.
Des machines qui perçoivent, raisonnent et agissent
La division Physical AI regroupe l’ensemble des produits Arm destinés aux systèmes cyber-physiques intelligents. Ces plateformes traitent des signaux en temps réel, prennent des décisions localement et agissent dans un environnement dynamique. Les applications couvrent un spectre étendu : robotique industrielle, véhicules autonomes de niveau 3 ou 4, équipements médicaux actifs, drones professionnels. Les systèmes de transport intelligent, les chaînes de fabrication adaptatives et les dispositifs de monitoring critique entrent également dans ce périmètre.
Cette IA physique ne s’exécute ni dans le cloud ni sur des ordinateurs classiques. Elle repose sur des processeurs embarqués spécialisés, des microcontrôleurs temps réel et des accélérateurs IA à faible consommation énergétique. Les architectures doivent respecter les normes de sûreté fonctionnelle les plus strictes. La modularité constitue un impératif technique incontournable. Les systèmes doivent être assemblables, certifiables et industrialisables.
Arm cible particulièrement les fabricants OEM, les intégrateurs de systèmes autonomes et les producteurs de composants embarqués. L’offre technologique s’articule autour de blocs IP éprouvés : cœurs Cortex-A pour les applications complexes, Cortex-R pour le temps réel critique, microcontrôleurs avec accélérateurs Ethos-U et NPU pour l’inférence locale. Les interconnexions AMBA garantissent la cohérence de l’ensemble. L’objectif : fournir une chaîne complète du silicium aux frameworks logiciels, capable de supporter des modèles IA tout en respectant des contraintes énergétiques extrêmes.
Une technologie déjà déployée dans l’industrie
L’approche d’Arm ne relève pas de la simple annonce prospective. Les architectures du concepteur britannique équipent déjà de nombreux calculateurs centraux de véhicules définis par logiciel. NVIDIA utilise des cœurs Arm dans sa plateforme Drive AGX Thor. Qualcomm intègre également cette technologie dans son Snapdragon Ride Flex. Ces systèmes combinent des cœurs Neoverse, des moteurs IA et des interconnexions temps réel pour gérer la conduite autonome.
Dans le secteur de la robotique, des acteurs majeurs comme Boston Dynamics, LG, Unitree ou Naïo s’appuient sur des architectures Arm. Ces entreprises exécutent localement la perception visuelle, la planification de mouvement et la navigation autonome. Les robots logistiques, qu’il s’agisse d’AMR ou d’AGV, exploitent des microcontrôleurs Arm Cortex-M associés à des accélérateurs Ethos. Ces plateformes réalisent des tâches d’inférence audio, visuelle ou multimodale sans connexion réseau permanente.
L’IA et la Robotique forment désormais un duo technologique indissociable qui redéfinit les possibilités industrielles. Cette convergence permet aux machines d’apprendre, de s’adapter et de prendre des décisions en temps réel dans des environnements complexes. L’automatisation intelligente transforme profondément les chaînes de production et les interactions homme-machine.
La compatibilité avec les écosystèmes logiciels constitue un atout stratégique majeur. Arm supporte les piles ROS2 pour la robotique, Yocto pour les systèmes embarqués Linux et Zephyr pour les microcontrôleurs temps réel. Les frameworks IA comme TensorFlow Lite for Microcontrollers s’intègrent nativement. Cette ouverture facilite l’adoption par les développeurs et accélère le déploiement de solutions innovantes.
Une troisième voie pour l’intelligence artificielle
La division Physical AI incarne une approche radicalement différente de l’IA générative ou du edge cloud. Arm fait émerger une troisième catégorie : des machines autonomes capables d’interagir avec le monde physique sans dépendance à une connectivité permanente. Ce paradigme modifie profondément les critères de performance. Les flops ne suffisent plus comme référence unique. La latence, la robustesse, l’efficacité énergétique et la certifiabilité deviennent des métriques essentielles.
Cette évolution répond à des besoins industriels concrets. Les robots collaboratifs doivent réagir instantanément aux mouvements humains, les véhicules autonomes ne peuvent tolérer aucune latence réseau dans leurs décisions critiques. Les équipements médicaux exigent une fiabilité absolue. Et les drones de surveillance doivent fonctionner dans des zones sans couverture réseau. Toutes ces applications nécessitent une IA locale, rapide et déterministe.
La division Physical AI unifie des efforts jusqu’alors dispersés : robotique, vision embarquée, contrôle moteur, traitement du signal. Cette consolidation permet à Arm de se positionner face à des concurrents qui proposent des plateformes verticalement intégrées. Le concepteur britannique conserve sa stratégie historique de modularité et de portabilité. Cette approche séduit les industriels qui refusent de dépendre d’un écosystème propriétaire fermé.
Des défis techniques et stratégiques considérables
Le développement de l’IA physique soulève des enjeux techniques majeurs. Les processeurs embarqués doivent gérer simultanément des tâches déterministes temps réel et des calculs IA probabilistes. Cette dualité impose des architectures hybrides sophistiquées. Les contraintes énergétiques limitent la complexité des modèles déployables localement. Les ingénieurs doivent optimiser chaque opération pour respecter des budgets de quelques watts.
La certification constitue un obstacle non négligeable. Les systèmes critiques, qu’ils soient automobiles ou médicaux, doivent satisfaire des normes strictes comme ISO 26262 ou IEC 62304. Prouver la sûreté de fonctionnement d’algorithmes d’apprentissage machine reste complexe. Arm doit fournir des outils de développement et de validation adaptés à ces exigences réglementaires. La traçabilité, la testabilité et la robustesse formelle des systèmes IA deviennent indispensables.
La fragmentation du marché représente également un défi stratégique. Contrairement au cloud dominé par quelques acteurs majeurs, l’IA physique s’adresse à des milliers d’intégrateurs spécialisés. Chaque secteur possède ses propres contraintes techniques et réglementaires. Arm doit adapter son offre à cette diversité tout en maintenant une cohérence d’ensemble. La modularité de l’architecture IP facilite cette personnalisation sans compromettre l’interopérabilité.
Un positionnement face aux géants verticalisés
La création de la division Physical AI intervient dans un contexte concurrentiel intense. NVIDIA développe des plateformes complètes intégrant matériel, logiciel et services cloud. Qualcomm propose des solutions similaires pour l’automobile et la robotique. Tesla conçoit ses propres puces pour ses véhicules autonomes. Ces acteurs verticalement intégrés contrôlent l’ensemble de la chaîne de valeur.
Arm adopte une stratégie différente fondée sur l’architecture IP modulaire. Le concepteur ne fabrique pas de puces mais licence ses cœurs à des centaines de clients. Cette approche présente des avantages distincts : neutralité vis-à-vis des équipementiers, flexibilité d’intégration, écosystème logiciel ouvert. Les industriels peuvent assembler des systèmes sur mesure sans dépendre d’un fournisseur unique. Ils conservent leur différenciation technologique tout en bénéficiant d’une base éprouvée.
Le modèle économique d’Arm repose sur les royalties perçues sur chaque puce vendue. Le succès de la division Physical AI dépendra donc du volume de déploiements dans les marchés cibles. La robotique industrielle, les véhicules autonomes et les systèmes médicaux représentent des opportunités considérables. Les projections tablent sur des dizaines de milliards d’unités embarquant de l’IA locale d’ici 2030.
Perspectives d’évolution et impacts industriels
La division Physical AI structure les efforts d’Arm pour les dix prochaines années. Le concepteur britannique mise sur l’explosion des systèmes autonomes dans tous les secteurs économiques. Les usines deviennent intelligentes et adaptatives, les villes intègrent des infrastructures cognitives. Les équipements médicaux assistent les praticiens avec une précision accrue et les robots collaboratifs travaillent aux côtés des humains en toute sécurité.
Cette transformation nécessite des investissements massifs en recherche et développement. Arm doit faire évoluer ses architectures pour supporter des modèles IA toujours plus complexes. L’émergence des transformers et des modèles multimodaux impose de repenser les accélérateurs embarqués. La montée en puissance des réseaux de neurones spiking pourrait également bouleverser les paradigmes actuels. La neuromorphique représente une piste prometteuse pour réduire drastiquement la consommation énergétique.
L’écosystème logiciel jouera un rôle déterminant dans le succès de cette initiative. Les développeurs doivent disposer d’outils performants pour déployer et optimiser leurs modèles sur silicium Arm. La compatibilité avec les frameworks populaires comme PyTorch, ONNX ou TensorFlow reste cruciale. L’émergence de standards ouverts pour l’IA embarquée faciliterait la portabilité et accélérerait l’innovation collective.