Découvrez tout le potentiel de l’ AI e embarquée avec Sonatus , directrice deAI

0:00 Introduction : Lancement de « Sonatus », avecAI , réalisatrice

Bienvenue dans ce nouvel épisode de « Driving Innovation », le podcast qui explore les produits et solutions qui font évoluer l’industrie automobile vers des véhicules définis par logiciel et dotés de l AI.

Nous vous proposons aujourd’hui un épisode spécial. Nous allons parler de notre tout dernier produit : Sonatus AI Director. Il y a eu beaucoup de débats autour de AI et de l’industrie automobile.

Aujourd'hui, bon nombre des innovations dans le domaine de AI

se sont concentrées sur les solutions basées sur le cloud. Pensez à vos chatbots ou à vos assistants vocaux ; pourtant, il existe encore un immense potentiel d’ AI s directement intégrées au véhicule pour rendre celui-ci bien plus intelligent, adaptatif et agréable à conduire pour les clients finaux.

Et c’est précisément à cela que sert l’ AI e de pointe embarquée dans les véhicules. Et c’est d’ailleurs le défi que relève le directeur d’ AI . Alors, voyons voir…

Commencer.

Je reçois aujourd'hui Steve Stoddard, chef de produit pour les produits « AI » ici, chez Sonatus.

Steve va présenter le lancement du programme « AI Director », en expliquant quels sont ses objectifs et ce qu'il apporte concrètement.

Steve, bienvenue à nouveau dans ce podcast.

Merci,

1 h 25 Qu'est-ce que « AI » ? Réalisateur

Sanjay. Je suis ravi d'être ici.

J'ai l'impression que je devrais t'offrir un t-shirt ou un mug pour fêter ta troisième participation d'affilée. C'est vraiment un plaisir de t'avoir parmi nous. Merci. Allons donc droit au but. Qu'est-ce que « AI Director » et pourquoi lançons-nous ce produit maintenant ?

Bien sûr. AI Director est une plateforme permettant aux équipementiers de développer, déployer, exécuter et gérer des modèles d’ AI s dans leurs véhicules. Et il y a trois raisons principales pour lesquelles AI est désormais prêt à être utilisé dans les véhicules. La première est que les clients finaux, tout comme les équipementiers eux-mêmes, réclament en quelque sorte une personnalisation accrue, des fonctionnalités davantage axées sur l’ AI, car celle-ci fait désormais partie intégrante de notre quotidien.

Une deuxième raison tient au fait qu’avec la multiplication des véhicules et des données définis par logiciel, ceux-ci sont véritablement omniprésents, et les coûts liés aux données deviennent vraiment exorbitants si tout doit être renvoyé vers le cloud pour y faire fonctionner des modèles d’ AI .

À cela s'ajoute la sécurité des données. Tout ce qui sort du véhicule représente une menace potentielle, un risque de fuite, et l'exécution des modèles d'AI s directement dans le véhicule constitue, lorsque cela est possible, une méthode plus sûre. Enfin, la troisième raison tient au fait que toutes les technologies commencent aujourd'hui à se conjuguer pour rendre cela réellement possible, alors qu'il y a quelques années à peine, cela n'existait pas vraiment et n'était pas envisageable sous la forme que l'on connaît aujourd'hui.

Oui. Il y a donc un potentiel bien plus important pour les fonctionnalités intelligentes basées sur l’ AI ie à l’intérieur du véhicule. Je vois bien comment, à l’instar des autres appareils et dispositifs qui nous entourent, qui deviennent de plus en plus intelligents et s’adaptent de mieux en mieux à nos besoins personnels, la voiture ou le véhicule peut lui aussi faire de même.

Aidez-moi donc à comprendre, ou aidez-nous à comprendre un peu ce que propose « AI Director » et que, par exemple, les autres solutions disponibles aujourd’hui sur le marché ne proposent pas. Bien sûr.

3:13 Défis relevés

L’un des problèmes que nous constatons est qu’il existe en réalité de nombreux outils différents pour créer, développer et déployer des modèles d’ AI , mais ceux-ci sont liés à l’histoire du développement de l’ AI et de l’Internet en général. Ainsi, de nombreuses applications basées sur le cloud se concentrent sur la création de modèles destinés à être déployés dans des centres de données où la puissance de calcul disponible est pratiquement illimitée, afin de pouvoir exécuter ces modèles lors de la phase d’inférence. Un autre problème réside dans le fait que les données nécessaires à la construction de ces modèles se trouvent actuellement dans le véhicule. La situation s’améliore, bien sûr, car de plus en plus de données sont aujourd’hui renvoyées vers le cloud, mais c’est l’un des défis que nous avons constatés chez nos clients concernant leur capacité à déployer concrètement leurs modèles.

Et le troisième aspect majeur réside dans le fait que ces modèles vont fonctionner dans des véhicules. Il s’agit donc d’un matériel non standardisé. Chaque véhicule est légèrement différent. Les différentes

Les calculateurs embarqués du véhicule disposent de capacités différentes et ont accès à diverses sources de données.

Il est donc réellement nécessaire de pouvoir optimiser ces modèles pour qu’ils fonctionnent à bord du véhicule, mais aussi de les alimenter avec les données appropriées au bon moment, provenant des différents calculateurs.

Bien sûr. Donc, ce que vous décrivez, c’est en substance une chaîne d’outils permettant de gérer l’ensemble du cycle de vie, depuis le développement, la formation et l’optimisation du développement, jusqu’à l’intégration effective dans le véhicule, pour ensuite laisser cette technologie opérer sa « magie » à l’intérieur de celui-ci. Eh bien, parlons de cette « magie ». Quels sont, selon vous, les cas d’utilisation que les constructeurs automobiles voudront mettre en œuvre avec l’ AI e embarquée dans le véhicule ?

Ouais. Tout à fait.

4 h 41 Exemples de cas d'utilisation

De nombreux cas d'utilisation peuvent donc réellement tirer parti de l'AI. L'un d'entre eux est tout simplement la personnalisation générale. Il s'agit donc de toutes sortes de fonctionnalités permettant d'adapter le fonctionnement du véhicule aux besoins spécifiques de l'utilisateur.

Les capteurs virtuels en sont un autre exemple. Bien sûr, aujourd’hui, le coût est un facteur déterminant. Et grâce aux véhicules définis par logiciel, il est possible d’intégrer des capteurs dans le véhicule

pratiquement grâce à ces modèles « AI » et réduire ainsi certains coûts liés au matériel.

La cybersécurité automobile est un autre domaine dans lequel nous avons généralement constaté de nombreux avantages. Comme je l’ai mentionné précédemment, certains des défis liés au transfert des données du véhicule vers le cloud pour faire fonctionner ces modèles disparaissent dès lors que l’on peut les exécuter directement dans le véhicule, ce qui permet de mieux les protéger.

Les modèles BMS, ou systèmes de gestion des batteries, constituent un autre domaine d'intérêt à mesure que les véhicules se tournent de plus en plus vers l'électrification. Cela représente généralement un défi pour les équipementiers aujourd’hui, en particulier alors qu’ils opèrent la transition des moteurs à combustion interne vers les véhicules électriques. Mais ces véhicules sont aussi, en règle générale, beaucoup plus « définis par le logiciel », et la gestion correcte de ces systèmes de batterie, ainsi que la garantie de leur fonctionnement efficace et de leur recharge à des niveaux optimaux, nécessitent le traitement d’une quantité bien plus importante de données. Il s’agit donc là d’opportunités mûres pour les modèles « AI » destinés à faire fonctionner un véhicule.

5 h 53 : Optimisation pour le matériel embarqué

Bien sûr. On sait tous que l’on a beaucoup entendu parler de l’énorme quantité de ressources informatiques que nécessite, comme vous le savez, l’exécution d’ AI . Et bien que les véhicules deviennent de plus en plus puissants et performants d’un point de vue électronique, ils ne sont toujours pas équipés, comme vous le savez, de GPU et de NPU haut de gamme. Comment le directeur d’ AI , ou comment le directeur d’ AI , compte-t-il surmonter ces difficultés afin de rendre réellement possible le déploiement de modèles d’ AI , tels que ceux que vous avez décrits, dans la génération actuelle de véhicules ?

Oui. Tout à fait. C'est une très bonne question. Les secteurs de l'AI e et de l'automobile traditionnels se sont bien sûr concentrés sur les systèmes ADAS ou la conduite autonome.

Et c’est un domaine qui est déjà très saturé. Il est très bien maîtrisé. Mais ces autres domaines, comme je l’ai mentionné précédemment, n’ont pas bénéficié du même niveau de développement. L’une des choses que nous constatons avec le directeur d’ AI s et bon nombre de nos partenaires spécialisés dans les modèles, c’est qu’il existe une grande variété de types de modèles que les gens développent et souhaitent pouvoir déployer dans les véhicules.

Donc, cela peut

Cela va des modèles très simples basés sur la physique, comme la régression linéaire par exemple, jusqu’aux réseaux neuronaux, voire aux modèles basés sur des grands modèles de langage (LLM). Ainsi, en fonction du type de modèle et du type de matériel embarqué dans le véhicule, il est possible d’optimiser ces modèles pour ce matériel et de les déployer au bon endroit et au bon moment, afin que les données pertinentes puissent alimenter ces modèles et leur permettre d’apporter les avantages attendus.

7 h 24 : Partenaires du lancement

Vous avez évoqué quelques cas d'utilisation, ainsi que, si je ne me trompe pas, quelques fournisseurs. Je sais que nous avons déjà établi des partenariats avec plusieurs d'entre eux, et je suis sûr que d'autres viendront s'y ajouter. Pourriez-vous toutefois nous en dire un peu plus sur certains des partenaires avec lesquels nous avons collaboré dans le cadre de ce lancement ?

Oui. C'est donc un écosystème très important qui permet de rassembler tous les acteurs et toutes les étapes nécessaires à ce processus.

Nous avons en effet collaboré avec AWS dans le domaine du cloud, notamment pour mettre en œuvre,

s'intégrer à nos processus de développement de modèles. Bien sûr, il existe aujourd’hui de nombreux outils performants permettant de former des modèles à partir de données propres, puis de les préparer en vue de leur intégration finale dans notre système pour un déploiement dans les véhicules. AWS SageMaker Studio est à cet égard un excellent outil avec lequel nous avons beaucoup travaillé.

En ce qui concerne les puces et le matériel, nous entretenons d'excellentes relations avec NXP, et nous travaillons en étroite collaboration avec eux sur l'optimisation, notamment pour faciliter l'optimisation de ces modèles en vue de leur déploiement sur le matériel NXP.

8 h 25 : Exposants de maquettes

En ce qui concerne les modèles, nous travaillons avec plusieurs fournisseurs. L'un des cas d'utilisation concerne le réglage de la hauteur des phares. En dehors de l'UE, une nouvelle réglementation entrera en vigueur à partir de 2027 concernant le réglage de la hauteur des phares. Une entreprise appelée Compredict a développé un capteur virtuel permettant de mettre en œuvre cette fonctionnalité, sans avoir besoin de matériel supplémentaire. C'est donc une application vraiment intéressante sur laquelle nous travaillons.

Une autre entreprise, spécialisée dans la gestion des batteries (BMS), s'appelle QNovo.

Ils travaillent sur la gestion de l’état des batteries des véhicules et la détection de l’état des cellules, leurs performances, la prévision des pannes, etc. Il s’agit donc d’un nouveau modèle sur lequel ils ont travaillé et que nous avons également lancé. Nous avons également établi un partenariat avec VicOne, un autre fournisseur spécialisé dans la cybersécurité. Ils disposent d’un nouveau modèle très innovant basé sur un LLM, que nous avons également intégré à notre matériel. Un autre modèle que nous présentons est un modèle de détection des anomalies du moteur, que nous avons développé en interne ici, chez Sonatus. Là encore, nous avons largement utilisé les outils d’optimisation proposés à la fois par AWS et NXP.

NXP. D’accord. Donc, un bon mélange de partenaires, une belle variété de fournisseurs de modèles, etc. Cela montre vraiment la diversité des types de modèles que AI un administrateur est capable de gérer et de prendre en charge. Je pense que rapprocher les modèles AI de la périphérie, plus près de l’utilisateur, est une démarche importante. Et nous attendons avec impatience de nouvelles discussions autour d’ AI Director et de certaines de ses solutions dérivées dans les prochains épisodes. Encore une fois, merci d’être venu et d’avoir si généreusement consacré votre temps à cette émission, alors que c’est déjà votre troisième participation.

Et merci. Oui. Et félicitations pour ce lancement. Merci beaucoup, Sanjay. J’apprécie beaucoup.

10 h 10 - Conclusion : où trouver plus d'informations

C'est tout pour cet épisode de « Driving Innovation ». Pour en savoir plus sur AI Director et obtenir davantage de détails sur les sujets que nous avons abordés aujourd'hui, rendez-vous sur la page produit du site sonatus.com et consultez également la fiche de présentation détaillée de la solution, que vous pouvez télécharger. Merci encore de nous avoir suivis dans cet épisode de « Driving Innovation » ; nous avons hâte de vous retrouver prochainement.