À retenir
- Architecture bio-inspirée mimant les neurones et synapses.
- Efficacité énergétique exceptionnelle (très basse consommation).
- Traitement massif de l'information en parallèle et en temps réel.
Se dit d'une architecture informatique conçue pour reproduire le fonctionnement physique du cerveau humain. Contrairement aux processeurs classiques, un composant neuromorphe utilise des réseaux de neurones artificiels matériels pour traiter l'information de manière fluide, parallèle et extrêmement économe en énergie, un peu comme notre propre système nerveux.
Étymologie
Vient du grec neuron (nerf, fibre) et morphê (forme, structure). Le terme a été popularisé dans les années 1980 pour décrire des systèmes électroniques dont la structure physique imite les circuits biologiques.
Exemples d'usage
- La puce Loihi d'Intel, capable d'apprendre à reconnaître des objets en temps réel avec une consommation électrique infime.
- Le processeur TrueNorth d'IBM qui simule un million de neurones pour des tâches de vision artificielle complexe.
Cas d'usage
On utilise cette technologie principalement dans la robotique autonome pour des réflexes rapides, dans les prothèses médicales intelligentes et pour l'intelligence artificielle embarquée (Edge AI) où l'autonomie de la batterie est cruciale.
Bonnes pratiques
Il ne faut pas considérer le neuromorphe comme un remplaçant du processeur classique (CPU) pour les tâches logiques ou de calcul pur. C'est un coprocesseur spécialisé dans la reconnaissance de motifs et le traitement de données sensorielles (vue, ouïe, toucher).
Synonymes
Antonymes
Conseil
Pour bien comprendre, visualisez la différence entre une usine très rigide (ordinateur classique) et une colonie de fourmis où chaque membre agit localement pour un but commun (puce neuromorphe).
Questions fréquentes
Est-ce que c'est la même chose qu'un réseau de neurones classique ?
Non. Un réseau classique est souvent un logiciel tournant sur une puce normale. Le neuromorphe, c'est le matériel lui-même qui est construit sous forme de neurones.
Pourquoi est-ce l'avenir de l'IA ?
Car ces puces consomment jusqu'à 1000 fois moins d'énergie que les processeurs graphiques (GPU) actuels pour des tâches similaires.