Découvrez comment une technologie novatrice transforme le paysage de l’intelligence artificielle. Ce processeur spécialisé, souvent sous-estimé, joue un rôle essentiel dans l’exécution des tâches d’apprentissage automatique. Plongez dans cet univers fascinant où l’innovation rencontre des applications pratiques, promettant de révolutionner notre quotidien.
Découvrez dans ce guide complet ce qu’est une NPU, comment elle se relie aux réseaux neuronaux et pourquoi ce type de puce est si important pour l’exécution des tâches d’IA
Dans ce guide, je t’explique ce qu’est une NPU, comment elle fonctionne et pourquoi elle est si importante pour l’intelligence artificielle. Tu as peut-être entendu parler de ce type de processeurs récemment, bien que comme je vais te le montrer après ce ne soit pas une nouveauté. Avec l’arrivée des PC Microsoft Copilot+, ce terme est devenu courant. Si tu souhaites tout savoir sur les NPU, cet article est fait pour toi.
Qu’est-ce qu’une NPU
Une NPU est une unité de traitement neuronal, bien que ces initiales correspondent à la terminologie en anglais Neural Processing Unit. Comme son nom l’indique, il s’agit d’un processeur conçu spécifiquement pour exécuter des tâches liées aux réseaux neuronaux. Ce dernier concept nous permet de relier les NPU à l’intelligence artificielle.
Chip NPU fabriqué par Qualcomm en 2017
Un réseau neuronal est un ensemble d’algorithmes imitant la structure du cerveau humain. Grâce à cette structure, les humains peuvent apprendre, identifier des motifs et prédire l’avenir en fonction de leur expérience. Dans les algorithmes, cette structure permet aux machines d’émuler ces capacités de l’esprit humain.
Les réseaux neuronaux constituent la base de ce que l’on appelle l’apprentissage automatique ou machine learning, qui est un domaine spécifique de l’IA. Grâce à cette technique, il est possible de générer des modèles à partir desquels on peut créer des applications, telles que ChatGPT. En réalité, les modèles d’IA peuvent avoir de nombreuses applications. L’apprentissage automatique et les réseaux neuronaux sont utiles dans des domaines tels que :
- Reconnaissance d’images. Si tu as utilisé Google Lens, tu sais de quoi je parle. À partir d’une entrée de données, qu’il s’agisse d’une photo ou d’un graphique, l’IA peut extraire des informations et expliquer ce qu’elle « voit ». Les modèles peuvent être génériques, par exemple pour identifier tout objet, ou spécifiques, par exemple pour identifier des plantes.
- Traitement du langage naturel. Dans ce cas, l’apprentissage automatique est capable d’extraire des motifs à partir du langage humain. C’est la base de services tels que ChatGPT, des traducteurs comme DeepL ou des services de transcription.
- Systèmes de recommandation. Les réseaux neuronaux peuvent apprendre des choses que tu aimes. Par exemple, Netflix suit l’utilisation que tu fais de la plateforme et les contenus que tu regardes pour te fournir des suggestions adaptées. Bien que beaucoup ne soient pas au courant, cela fait également partie de l’apprentissage automatique et de l’IA.
Snapdragon X Elite est le processeur utilisé dans certains PC d’IA. Il comprend une NPU pour les tâches d’IA et a une architecture ARM
Par ailleurs, les réseaux neuronaux et l’apprentissage automatique sont applicables dans d’autres domaines, tels que le diagnostic médical ou la conduite autonome, comme l’Autopilot de Tesla.
Toutes ces tâches nécessitent une énorme capacité de traitement. Afin de pouvoir exécuter ces tâches localement, de nombreux appareils intègrent une NPU, qui n’est rien d’autre qu’un processeur spécifique pour les tâches d’intelligence artificielle. N’oublie pas qu’il s’agit d’une unité de traitement neuronal pour exécuter des tâches relatives aux réseaux neuronaux. Ceux-ci constituent la base de l’intelligence artificielle et de l’apprentissage automatique des machines.
Les NPU ne sont pas une nouveauté
Il est essentiel de faire une clarification : les NPU ne sont pas quelque chose de nouveau. Ce qui est nouveau, c’est que, avec l’apparition des PC d’IA, une désignation plus commerciale que technique, les NPU sont devenues populaires. Toutefois, permettez-moi de vous donner quelques exemples d’utilisation des unités de traitement neuronal dans le temps.
Le Face ID de l’iPhone X a conduit Apple à intégrer une NPU en 2017. Rien de nouveau sous le soleil
En 2017, on célébrait le dixième anniversaire du lancement du premier iPhone, et la société a marqué le coup avec le lancement de l’iPhone X. Une des principales nouveautés de cet appareil est le Face ID. Pour que cette technologie soit possible, la société a lancé le processeur A11 Bionic, qui, en plus de la CPU et de la GPU, inclut un moteur neuronal. Bien qu’il ne porte pas à l’époque le nom de NPU, je te confirme qu’en 2017, Apple a lancé trois téléphones (l’iPhone 8 et 8 Plus incluaient également ce chip) avec NPU.
Il s’est passé beaucoup de temps depuis, mais il est vrai que les NPU, les réseaux neuronaux, l’apprentissage automatique et l’exécution de tâches d’IA localement existent depuis plusieurs années.
Comment fonctionne une NPU
En essence, une NPU est un processeur comme un CPU et une GPU. Cependant, elle est conçue différemment. Tout d’abord, elle peut traiter de nombreuses opérations en parallèle, ce qui est idéal pour les tâches répétitives exigées par les réseaux neuronaux. Deuxièmement, elle est optimisée pour des opérations spécifiques, comme la multiplication de matrices. De nouveau, il s’agit d’une opération typique dans les réseaux neuronaux. Et troisièmement, contrairement aux CPU, les tâches qu’elles exécutent sont très spécifiques. Ainsi, la plupart du temps, elles consomment peu ou pas de ressources.
Les GPU de NVIDIA sont massivement utilisés pour entraîner des modèles d’IA
Les NPU sont très similaires aux GPU. Ces derniers peuvent également exécuter de nombreuses opérations parallèles et sont spécifiquement utilisés dans le domaine : le rendu graphique. Ainsi, lorsqu’une GPU s’occupe de tâches d’IA, elle est extrêmement efficace. Cependant, en raison de leur puissance supérieure, leur consommation énergétique est très élevée. Les unités de traitement neuronal sont plus équilibrées à cet égard, offrant une meilleure efficacité.
Je te recommande de jeter un œil à notre guide sur les différences entre une NPU, une CPU et une GPU si tu souhaites approfondir ce sujet.
Pourquoi avoir une NPU est important pour l’IA
Les tâches d’IA exigent un type de traitement spécifique, comme nous l’avons vu précédemment. Les CPU ne sont pas capables d’exécuter ces tâches avec la rapidité nécessaire. Bien que les GPU répondent aux exigences de l’intelligence artificielle, elles sont moins efficaces. Les NPU sont importantes pour le développement de cette technologie car elles permettent de l’implémenter de manière locale sur presque n’importe quel appareil, sans subir les inconvénients typiques des cartes graphiques.
La touche Copilot ne te conduira qu’à un service dans le cloud. Pour cela, pas besoin de NPU
Une NPU permet d’assumer des tâches liées aux réseaux neuronaux de manière efficace, en consommant peu d’énergie et à une vitesse suffisante pour offrir une expérience utilisateur positive. C’est pourquoi elles sont si importantes dans les ordinateurs portables et les téléphones mobiles, où elles gèrent des fonctions de reconnaissance d’image, de traitement photographique, d’analyse biométrique et plus encore. Et bien qu’elles n’atteignent pas encore la puissance brute des GPU, on peut s’attendre à ce que ces processeurs spécialisés deviennent de plus en plus puissants.