Blog — Edge AI & inférence embarquée
Edge AI & inférence embarquée
Faire tourner un modèle au pied de la ligne : NPU et accélérateurs, vision temps réel, LLM local sur Jetson ou Raspberry Pi, quantification et latence.
-
Intégrateur industriel : guide 2026 pour PME (IoT, edge ML, MES)
Guide complet 2026 pour PME : rôle d'un intégrateur industriel, stack IoT/edge ML, méthode BCUB3, pièges et ROI typiques. Capteurs, MES, MQTT, Jetson.
Lire l'article → -
Intégrateur IA industriel : ce que ça veut dire en 2026 (et les 12 questions à poser avant de signer)
Intégrateur IA industriel = qui fait quoi en 2026 ? Critères de choix, cas d'usage à ROI rapide, coût réaliste, contraintes souveraineté + AI Act, stack technique typique. Sans le marketing, avec les chiffres.
Lire l'article → -
ESP32 + OPC UA + Siemens S7-1200 : tuto end-to-end
Remonter un capteur ESP32 vers un automate Siemens S7-1200 en OPC UA, sans passerelle commerciale à 1500€. Architecture, code, wiring, benchmark coût/perf.
Lire l'article → -
Sécurité des LLM : OWASP Top 10, prompt injection et bonnes pratiques pour l'industrie
Les 10 risques OWASP pour les LLM, les attaques par prompt injection, le red teaming.
Lire l'article → -
XGBoost + CNN : classification de défauts visuels industriels
Combiner vision par ordinateur et XGBoost pour trier les pièces industrielles. Quand le deep learning extrait les features et le gradient boosting décide.
Lire l'article → -
XGBoost vs Isolation Forest : anomalies capteurs IoT
Deux approches ML pour détecter les anomalies sur flux de capteurs industriels. Quand utiliser la classification supervisée XGBoost vs la détection…
Lire l'article → -
Combien coûte vraiment l'IA en industrie : cloud vs on-premise, le calcul que personne ne fait
Abonnements max vs on-premise, bilans Anthropic/OpenAI, extrapolation des coûts par token, break-even à 50% de marge, benchmark hardware.
Lire l'article → -
Machine Learning pour l'industrie : du signal au modèle en production
Pipeline CRISP-DM appliqué aux signaux industriels, feature engineering time-series, choix de modèles (RF, XGBoost, LSTM), et le vrai sujet qu'on évite.
Lire l'article → -
Edge devices et capteurs pour l'IA industrielle : guide de choix et modes opératoires
Nvidia Jetson, Raspberry Pi, Coral TPU, capteurs vibration/température/vision. Comment choisir, connecter et déployer un edge device pour l'IA en production.
Lire l'article → -
Machine Learning ou statistiques classiques : l'arbre de choix pour l'industrie
Régression, arbres de décision, random forest, SVM, réseaux de neurones — quand utiliser quoi. Nombre de données, linéarité, explicabilité.
Lire l'article →