Une IA générative qui ne part pas “prendre l’air” sur le cloud
Jusqu’ici, faire tourner un modèle de langage ou une IA générative, c’était souvent une histoire de serveurs distants, de latence et de données qui voyagent. Avec la Coralboard, Google et Synaptics viennent poser une idée simple sur la table : et si l’IA générative tournait directement sur l’appareil, sans internet, sans cloud, sans détour ?
Présentée à la Google I/O 2026, cette carte de développement est pensée pour l’Edge AI : de l’intelligence artificielle locale, sur un petit hardware, avec des usages très concrets comme la traduction vocale en temps réel, le contrôle d’objets connectés en langage naturel, ou même des expériences créatives à base de musique générée. Oui, on parle bien d’une IA qui peut faire du son pendant que votre Wi-Fi boude.
Coralboard, c’est quoi exactement ?
La Coralboard est une carte de développement destinée aux ingénieurs ML et aux fabricants. Pas encore un gadget grand public qu’on achète au supermarché entre les pâtes et les ampoules connectées. L’objectif est clair : prototyper des produits capables d’exécuter des modèles d’IA générative en local, avec une faible consommation.
Google pousse ici une brique matérielle : le Coral NPU (Neural Processing Unit), une architecture de puce IA que Google Research avait déjà détaillée fin 2025. La promesse est sexy pour tous ceux qui rêvent d’IA embarquée : moins de latence, plus de confidentialité, et une dépendance réduite aux serveurs.
À l’intérieur : un petit monstre d’efficacité
Sous le capot, la Coralboard embarque un SoC Synaptics Astra SL2619. Ce n’est pas le nom d’un robot dans un film de science-fiction, mais presque.
Les specs qui comptent
- 2 cœurs ARM Cortex-A55 à 2 GHz
- 1 cœur Cortex-M52 pour les tâches plus légères
- 2 Go de DDR4
- Un NPU à 1 TOPS (mille milliards d’opérations par seconde)
1 TOPS peut sembler modeste face aux gros accélérateurs IA de data centers, mais l’idée n’est pas de concurrencer une ferme de GPU. L’idée, c’est de rendre possible l’IA générative dans des objets du quotidien, avec une consommation compatible batterie.
Gemma 3 en local : le LLM “format poche”
Le point clé, c’est que la carte peut exécuter Gemma 3 270M, un modèle de la famille Gemma (les modèles ouverts de Google DeepMind). Avec 270 millions de paramètres, on est sur un LLM léger, taillé pour tenir sur du hardware compact.
C’est là que la Coralboard devient vraiment intéressante : elle montre que l’IA générative n’est plus réservée au cloud. On passe d’un monde où l’assistant doit appeler un serveur à un monde où l’assistant réfléchit sur place. Un peu comme un collègue autonome, mais en plus poli et qui ne prend pas de pause café.
Les démos : quand l’Edge AI devient très concret
Google a présenté plusieurs démonstrations qui illustrent bien ce qu’on peut faire avec de l’IA générative en local.
Traduction vocale en temps réel
Une des démos phares : traduire la voix en direct, sans envoyer l’audio vers un serveur distant. Résultat : moins de latence, et surtout plus de maîtrise sur les données.
Imaginez des oreillettes capables de faire ça dans un avion, dans le métro, ou dans un pays où la connexion décide de vivre sa meilleure vie en mode “2G nostalgie”.
Contrôle d’appareils en langage naturel
Autre démo : piloter des appareils via des commandes en langage naturel. En clair, vous parlez, l’appareil comprend, agit, et tout se fait sur l’appareil.
C’est un gros sujet pour la smart home : moins de dépendance au cloud veut dire moins de risque de voir une fonctionnalité “désactivée” parce qu’un service ferme ou parce que votre box internet a décidé de redémarrer pendant votre visioconférence.
Jellectronica : des méduses qui font de la musique
La démo la plus improbable (donc forcément la plus mémorable) s’appelle Jellectronica.
Le principe :
- Un modèle de détection d’objets YOLOv8 suit en direct les mouvements de méduses filmées à l’aquarium de Monterey Bay.
- Ces mouvements pilotent ensuite une performance musicale générée par Lyria, un modèle de génération musicale de Google DeepMind.
Le tout en local, sans serveur distant. On est littéralement sur des méduses DJ pilotées par IA embarquée. Difficile de faire plus “2026”.
Pourquoi l’IA sans cloud est un tournant
Faire tourner des modèles d’IA générative sans internet, ce n’est pas juste un caprice d’ingénieur. C’est un changement de paradigme qui touche trois points majeurs.
1) Latence : le temps de réponse devient instantané
Quand l’IA tourne sur l’appareil, vous éliminez le trajet réseau, la congestion, et l’attente. Pour des usages comme la traduction, la commande vocale, l’assistance contextuelle, c’est énorme.
2) Confidentialité : vos données restent chez vous
Pas de cloud signifie potentiellement :
- moins d’audio envoyé à distance
- moins de texte transmis
- moins de risques liés au stockage et à la réutilisation
Pour des wearables, c’est crucial. Une bague, une montre ou des lunettes collectent des informations très personnelles. Si l’inférence se fait en local, on limite la fuite de données par conception.
3) Résilience : l’IA continue même quand internet tombe
Une IA locale, c’est une IA qui marche :
- dans une zone sans réseau
- en mobilité
- en environnement industriel isolé
- ou simplement quand votre opérateur a “un petit incident” (c’est leur expression préférée)
Le Coral NPU : open source et basé sur RISC-V
Autre détail qui pèse lourd : le Coral NPU est open source et basé sur RISC-V, une architecture libre qui gagne du terrain face à ARM.
Google annonce une consommation de quelques milliwatts pour 512 GOPS sur le design de référence. La cible affichée est ambitieuse : montres, lunettes AR, écouteurs.
Dit autrement : Google prépare le terrain pour que des objets minuscules embarquent de l’IA générative. Pas pour écrire un roman de 500 pages, mais pour comprendre, répondre, traduire, résumer, guider et automatiser.
Une approche qui casse le verrouillage des toolchains
Côté logiciel, Google et Synaptics mettent en avant une chaîne de développement basée sur des outils open source :
- le toolchain Torq de Synaptics, basé sur MLIR
- compatibilité avec TensorFlow, JAX, PyTorch
C’est un point important : dans le monde des puces IA, chaque constructeur a tendance à pousser son SDK maison, ses formats, ses contraintes, ses “petites subtilités” qui vous enferment vite.
Ici, la direction est plutôt : standardisation et ouverture. Pour les équipes ML, ça veut dire moins de friction pour passer d’un prototype à un produit.
De la carte de dev au wearable : où Google veut aller
La Coralboard n’est pas encore une plateforme grand public. Elle sert de preuve et d’outil pour les fabricants. Une édition limitée a été distribuée lors de la Google I/O 2026, et une disponibilité plus large ainsi que le prix doivent être annoncés plus tard dans l’année.
Mais l’intention est limpide : Google veut faire du Coral NPU une brique de base pour l’IA embarquée. Aujourd’hui, beaucoup d’usages “assistant IA” nécessitent un appel à un service distant. Demain, une partie de ces usages pourrait tourner :
- sur une montre
- sur des lunettes AR
- sur des écouteurs
- sur une bague
Et si vous vous demandez ce que ça change au quotidien, imaginez un assistant qui :
- comprend vos commandes même hors ligne
- traduit dans la rue sans réseau
- résume une conversation en local
- contrôle vos objets connectés sans dépendre d’un serveur
Tout ça, en gardant vos données sur l’appareil. Le cloud, c’est pratique, mais parfois on préfère que notre vie privée ne fasse pas de tourisme numérique.
Ce que ça implique pour la domotique et l’automatisation
L’arrivée de cartes comme la Coralboard ouvre un scénario très intéressant : une maison (ou un atelier, ou un bureau) piloté par une IA locale.
Automatisations plus fiables
Si la compréhension et la décision se font en local, une automatisation continue même si un service externe tombe. Un système local peut décider et exécuter sans attendre une réponse d’un serveur.
Interactions plus naturelles
Le langage naturel devient une interface universelle. Au lieu de créer 40 règles “si ceci alors cela”, vous dites :
- “Éteins tout sauf la lampe du salon et baisse le chauffage d’un degré”
- “Quand je lance un film, mets la lumière en mode doux”
Et l’IA transforme ça en actions.
Intégrations et workflows
Pour orchestrer des workflows plus larges, des plateformes d’automatisation comme Make restent utiles, surtout quand vous devez parler à des services web, des CRM ou des outils métiers. Si vous utilisez Make, le lien d’inscription est ici : https://www.make.com/en/register?pc=laurentwiart
L’idée la plus puissante, c’est le duo : IA locale pour comprendre et décider, et automatisation cloud quand il faut interagir avec l’extérieur.
Les limites à garder en tête
Tout n’est pas magique, évidemment.
Les modèles “poche” ont des limites
Un Gemma 3 270M reste un petit modèle. Il peut être très bon sur des tâches ciblées, mais il ne rivalisera pas avec un modèle géant en cloud sur la profondeur de raisonnement, la créativité longue, ou certains contextes complexes.
Le hardware est encore une étape de prototypage
La Coralboard vise les développeurs et fabricants. On n’est pas encore au stade où tout le monde achète un “assistant IA hors ligne” prêt à l’emploi.
L’écosystème doit suivre
Pour que ça explose, il faudra :
- des outils simples pour déployer
- des modèles optimisés
- une communauté active
- des produits finis bien pensés
La bonne nouvelle, c’est que l’ouverture (RISC-V, NPU open source, outils ML connus) favorise cet écosystème.
Ce qu’il faut retenir
La Coralboard est un signal fort : Google veut démocratiser l’IA générative sur l’Edge, avec des modèles comme Gemma qui tournent localement sur du hardware sobre.
Et si aujourd’hui ça ressemble à une carte de dev pour ingénieurs, la trajectoire est claire : demain, l’IA générative pourrait être partout, y compris dans des wearables, sans cloud, sans latence, et avec une confidentialité renforcée.
On n’a pas encore tous une paire de lunettes qui résume nos réunions hors ligne. Mais on vient clairement de voir le prototype de ce futur. Et il tient sur une petite carte.