Avec la mise à disposition des développeurs du SDK (Software Development Kit) Simplicity AI, associé à la fonctionnalité “Simplicity Design Intelligence”, à des développements en open source et aux initiatives liées à la technologie de la société Databricks, Silicon Labs, fournisseur américain de semiconducteurs (en cours de rachat par Texas Instruments) et spécialiste en technologies de connectivité sans fil à faible consommation, a pour ambition d’aider les développeurs à créer plus rapidement des applications de l’IoT et à intégrer l'IA dans les flux de travail des entreprises.

Cette série d'initiatives vise à faciliter la création, l'extension et l'exploitation d'appareils IoTa été  présentées lors de la septième édition du sommet annuel “Works With Summit” de la société. Elles apportent notamment la notion de conception assistée par IA - assistants de codage IA tels que GitHub Copilot, Cursor et Codex. Une intégration qui délivre aux assistants d'IA généralistes un contexte spécifique aux solutions de Silicon Labs.

La société lance également avec “Simplicity Design Intelligence” un ensemble de fonctionnalités conçues pour comprendre les intentions de conception matérielle et logicielle en vue de concrétiser ces intentions en produits fonctionnels et vérifier la mise en œuvre par rapport à l'intention initiale.

Dans ce cadre, la fonctionnalité “Hardware Intent” (Intention matérielle) constitue la première étape de cette offre. Celle-ci s'appuie sur les exigences du produit, les schémas de la carte et diverses documentations matérielles - allant des fiches techniques aux notes de réunion - pour guider la configuration des broches, des périphériques et des logiciels, puis compare le résultat à l'intention initiale.

Cette approche permet de détecter les conflits d'affectation des broches, les incompatibilités de périphériques et les contraintes manquantes avant la fabrication, contribuant ainsi à réduire les itérations de conception de cartes (respins) évitables.

La première expérience officiellement prise en charge se concentre sur le Bluetooth Low Energy avec des flux de travail couvrant la création et la configuration de projets, la compilation, la programmation (flashage), le débogage, l'analyse réseau et énergétique, la recherche documentaire ainsi que l'interaction avec le matériel.

 

 

Avec cette communauté open source en version bêta autour du Bluetooth Low Energy, les développeurs auront accès à des exemples d'applications et à des outils, ainsi qu'un moyen direct de signaler des problèmes, de proposer des correctifs, de contribuer au code et d’étendre la plateforme logicielle de Silicon Labs.

La société indique en outre que les contributions acceptées pourront suivre les processus habituels d'ingénierie et de test de l'entreprise pour être intégrées aux futures versions du SDK.

Même avant leur acceptation, les correctifs proposés et les discussions resteront visibles pour les autres développeurs, procurant ainsi à la communauté un moyen supplémentaire de partager des connaissances et de résoudre des problèmes courants.

L'équipe chargée des applications chez Silicon Labs assurera le suivi des problèmes signalés sur GitHub, et l'entreprise prévoit d'étendre cette approche à d'autres technologies sans fil au fil du temps.

Cette série d’annonces s’inscrit dans un contexte, selon Silicon Labs, de généralisation de l'intelligence en périphérie (Edge AI) dans laquelle les outils d'apprentissage automatique (machine learning) de la société, indépendants de toute plateforme matérielle, peuvent désormais se connecter aux technologies de la société Databricks, entreprise spécialisée dans l’analyse des données et l'IA.

Concrètement, avec cette approche, les utilisateurs peuvent désormais, selon Silicon Labs, gérer les données, les modèles, l'optimisation embarquée et les résultats de tests matériels au sein d’un flux de travail d'entreprise sécurisés sur la plateforme Data + AI de Databricks.

Une première expérience avec le SDK MLOps de Silicon Labs permet d’ores et déjà de connecter les développements à la solution de Databricks afin de collecter des données issues du parc d'appareils. Une fois les données transférées dans Databricks, tous les outils MLOps, les pipelines d'entraînement et les ressources GPU familiers sont directement disponibles pour l’entraînement, indique Silicon Labs.

Une fois le modèle entraîné, l'outil ML Profiler de la société fournit des indications précises pour déterminer si le modèle est adapté au matériel cible ainsi qu'à ses contraintes de mémoire et de processeur.

Ces retours aident les ingénieurs en apprentissage automatique à itérer tout en restant dans l'environnement familier de Databricks, reliant ainsi le développement de modèles aux données et à la gouvernance d'entreprise qui sous-tendent l'IA en production.

Cette manière de faire permet aux entreprises, selon Silicon Labs, d'étendre l'IA du cloud vers la périphérie sans créer de piles technologiques distinctes pour les données et l'IA dédiées aux charges de travail embarquées.

« Des composants plus performants ne devraient pas engendrer une complexité de développement accrue, explique Manish Kothari, vice-président senior chargé des logiciels chez Silicon Labs. A travers ces annonces nous proposons aux développeurs et à leurs agents d'IA un parcours intégré, allant de la définition des intentions matérielles et logicielles jusqu'à la mise en œuvre, la contribution communautaire et la gestion du cycle de vie complet de l'IA. »