IA Traitement du son · 12 September 2026

NPU et audio : la course aux TOPS ne fait pas le son — plongée dans les architectures, les écosystèmes et les vrais enjeux de 2026

Le traitement audio temps réel est devenu le nouveau champ de bataille des processeurs neuronaux. Suppression de bruit, clarté vocale, séparation de sources, mastering automatique : les promesses marketing parlent de latence inférieure à 10 ms et d’efficacité énergétique inédite. Mais derrière les TOPS qui flambent — jusqu’à 85 sur le Snapdragon X2 Elite — une question taraude les ingénieurs du son : ces NPU tiennent-ils leurs promesses dans un vrai studio ? Entre l’arrivée de modèles unifiés comme SwanTale chez ByteDance, la levée record de Fish Audio, la puce audio THUS d’Anker dévoilée à l’IFA 2026 et l’absence criante de benchmarks audio standardisés, plongée au cœur des architectures, des écosystèmes logiciels et des cas concrets pour démêler le vrai du faux.

Le silence avant la tempête : pourquoi l’audio professionnel attendait les NPU

Depuis l’essor des PC Copilot+ en 2024, les NPU (Neural Processing Units) ont envahi les fiches techniques des portables et mini-PC. En mars 2026, selon Canalys, les AI PC représentent déjà 43 % du marché laptop mondial, avec plus de 150 modèles certifiés Copilot+ (source : lagazetteia.fr). Le seuil fatidique des 40 TOPS, imposé par Microsoft, a poussé Intel, Qualcomm, AMD et Apple à muscler leurs unités dédiées à l’IA. En juin 2026, la comparaison des architectures publiée par LocalAIMaster confirme que Qualcomm mène la course avec 80 TOPS (85 sur la variante Extreme), suivi d’AMD à 55-60 TOPS selon les configurations, d’Intel à 48-50 TOPS selon les générations, et d’Apple qui a cessé de publier ses chiffres depuis le M5 (octobre 2025) (source : localaimaster.com).

Mais pour un ingénieur du son, un NPU n’est pas seulement un chiffre de TOPS. Ce qui compte, c’est sa capacité à exécuter des convolutions 1D/2D, des FFT et des modèles de deep learning audio avec une latence imperceptible et une consommation électrique compatible avec un usage sur batterie. Les promesses sont alléchantes : suppression de bruit en direct, clarté vocale pour les streams, voire mastering automatique. Pourtant, en 2026, aucun benchmark audio standardisé n’a été publié pour ces NPU. Pas de MLPerf audio, pas de tests indépendants sur RNNoise, Demucs v4 ou DeepFilterNet. Le paradoxe est flagrant : les TOPS explosent, mais le son reste un angle mort des comparatifs.

Comme le rappelle un guide récent de Geekom, le NPU est un processeur spécialisé, conçu pour les tâches d’IA répétitives — « le commis qui ne fait que couper les légumes, mais de manière extrêmement efficace » (source : geekom.fr). Mais cette spécialisation a un revers : les opérations audio ne sont pas toutes des multiplications matricielles pures, et les dépendances temporelles des modèles récurrents limitent le parallélisme. Un NPU de 85 TOPS peut ainsi être moins efficace qu’un GPU de 30 TOPS sur un modèle récurrent comme RNNoise.

Architecture sonique : comment chaque NPU digère les convolutions et les FFT

Pour comprendre les performances audio, il faut plonger dans le silicium. Les opérations reines du traitement audio sont les convolutions (filtrage, réverbération) et les transformées de Fourier rapides (analyse spectrale). Le choix de la précision numérique – FP16 vs INT8 – est crucial : le FP16 offre une meilleure dynamique pour les signaux audio, tandis que l’INT8 maximise le débit mais peut introduire des artefacts.

Intel AI Boost (Lunar Lake et Panther Lake)

Le NPU d’Intel, présent dans les Core Ultra 200V (Lunar Lake), supporte nativement le FP16 (source : localaimaster.com). Avec 48 TOPS sur le Core Ultra 9 288V, 47 sur l’Ultra 7 et 40 sur l’Ultra 5, Intel mise sur la précision. La génération Panther Lake, attendue comme le nouveau socle x86 de 2026, atteint 50 TOPS et bénéficie du procédé 18A (source : localaimaster.com). Les cœurs de convolution sont optimisés pour les matrices de petite taille, typiques des modèles audio. L’architecture inclut des accélérateurs dédiés aux opérations de fenêtrage et aux FFT, même si les détails précis ne sont pas publics. L’avantage théorique : une meilleure fidélité pour les signaux transitoires (attaques de caisse claire, sibilantes) grâce au FP16.

Qualcomm Hexagon NPU v8 (Snapdragon X2 Elite)

Qualcomm a toujours favorisé l’INT8 pour maximiser le débit. Le Snapdragon X2 Elite atteint 80 TOPS (85 sur la variante Extreme) (source : localaimaster.com). Son Hexagon NPU intègre des vecteurs de convolution à haute largeur, capables d’exécuter plusieurs filtres en parallèle. Pour l’audio, cela signifie un traitement rapide des blocs de 512 ou 1024 échantillons. Mais la quantification INT8 peut dégrader la précision sur les signaux à faible niveau (bruit de fond, réverbérations lointaines). Qualcomm compense par des techniques de calibration post-entraînement, mais aucun test indépendant ne valide leur efficacité en conditions réelles.

AMD XDNA 2 (Ryzen AI 400)

AMD a dévoilé le Ryzen AI 400 avec un NPU de 55 à 60 TOPS selon les configurations, toujours en INT8 (source : localaimaster.com et faits datés 2026). L’architecture XDNA 2, héritée des FPGA Xilinx, offre une flexibilité unique : les cœurs peuvent être reconfigurés pour des opérations spécifiques. Pour l’audio, cela permet d’optimiser le pipeline FFT + convolution sans passer par des blocs fixes. AMD annonce des gains de rapport signal sur bruit de +42 dB à +48 dB et une latence inférieure à 2 ms pour le traitement audio sur NPU (faits datés 2026). Cependant, cette flexibilité a un coût : la reconfiguration dynamique peut ajouter quelques microsecondes, critiques pour le temps réel. AMD mise sur OpenVINO et ONNX Runtime pour offrir des chemins d’exécution optimisés, mais l’écosystème reste moins mature que celui d’Intel.

Apple Neural Engine (M4 et M5)

Apple a fait un choix radical avec le M5 (octobre 2025) : elle ne publie plus les TOPS de son Neural Engine (source : localaimaster.com). Désormais, l’IA est déportée vers des « GPU Neural Accelerators » intégrés à chaque cœur GPU. Cette approche hybride permet de bénéficier de la puissance massive du GPU (plusieurs TFLOPS FP16) pour les charges audio lourdes, tout en conservant une faible latence grâce à la mémoire unifiée. Pour le M4, les chiffres publiés avant cette transition indiquaient 38 TOPS, avec un gain SNR estimé de +28 dB à +42 dB et une latence passée de 8-15 ms à moins de 5 ms (faits datés 2026). Mais attention : il ne s’agit plus d’un NPU dédié sur le M5. Les opérations de convolution passent par les shaders du GPU, ce qui peut monopoliser des ressources normalement dédiées à l’affichage ou au rendu. Pour un producteur utilisant Logic Pro, cela peut être un avantage (intégration parfaite avec Core ML) ou un inconvénient (compétition avec les tâches graphiques).

Anker THUS : la surprise de l’IFA 2026

Le 3 septembre 2026, à Berlin, Anker a dévoilé sa première puce audio dédiée à l’IA, nom de code THUS. Une architecture inédite, basée sur le compute-in-memory : la puce calcule dans sa propre mémoire, ce qui réduit drastiquement les transferts de données et la latence (source : article magazine « Anker THUS AI »). Équipant cinq modèles audio (dont les Soundcore Liberty Buds 2 et Space 2 Pro), THUS promet un traitement audio entièrement local, sans cloud. Anker n’a pas communiqué de TOPS ni de gain SNR, mais l’approche compute-in-memory pourrait bien redéfinir les standards de l’audio embarqué. Pour l’instant, THUS cible principalement les écouteurs et aides auditives, mais la stratégie MindBase d’Anker laisse entrevoir une généralisation à d’autres appareils.

TOPS vs décibels : le grand écart entre les chiffres et la réalité audio

Les TOPS sont une mesure de débit théorique sur des opérations matricielles simples (multiply-accumulate). Mais un modèle audio comme RNNoise (suppression de bruit) ou Demucs v4 (séparation de sources) ne se résume pas à des MACs : il implique des dépendances temporelles (LSTM, convolutions dilatées) qui limitent le parallélisme. Résultat : un NPU de 85 TOPS peut être moins efficace qu’un GPU de 30 TOPS sur un modèle récurrent.

Aucun benchmark audio standardisé n’a été publié pour ces NPU en 2026. Les seules données disponibles concernent des modèles de langage (LLaMA 3.2) : Qualcomm annonce 22 tokens/s pour 8 W sur NPU contre 15 tokens/s pour 25 W sur GPU intégré (source : lagazetteia.fr). Mais pour l’audio, rien. Les sources que nous avons consultées (localaimaster.com, neobitdaily.com, aipc.computer) ne fournissent aucun chiffre de throughput (échantillons/s) ou de latence (ms) pour RNNoise, Demucs ou DeepFilterNet. Les benchmarks de juillet 2026 évoqués dans l’article « Le DAW est-il mort ? » de notre magazine se concentrent sur les modèles de diffusion et les transformeurs, pas sur les NPU eux-mêmes. Le constat est clair : les promesses marketing ne sont pas vérifiées.

« Les TOPS sont un indicateur biaisé pour l’audio, car ils mesurent des opérations 8-bit sur des matrices carrées, pas des convolutions 1D avec des fenêtres glissantes », explique un développeur de plugins interrogé par Solidaitech (source : solidaitech.com). En l’absence de tests indépendants, tout comparatif reste spéculatif. Le guide NPU 2026 de SolidAITech insiste d’ailleurs sur la différence entre TOPS marketing et réalité : la bande passante mémoire et la capacité des tiles (quelques Mo) sont souvent les vrais goulots d’étranglement pour l’audio. Un article d’Unite.AI rappelle également que « le TOPS maximal n’est pas un benchmark d’application de bout en bout et peut supposer une précision ou une parcimonie spécifiques » (source : unite.ai).

L’écosystème logiciel : qui parle vraiment le langage des plugins audio ?

Le meilleur NPU du monde ne sert à rien si les logiciels audio ne peuvent pas l’exploiter. En 2026, l’écosystème est encore fragmenté, mais des signes d’unification apparaissent.

Windows Copilot+ Audio Effects API

Windows 11 24H2 et versions ultérieures intègrent des « Studio Effects » (voice clarity, arrière-plan flou) qui tournent sur NPU (source : minipcblogs.com). La fonction « Voice Clarity » est disponible sur tous les PC Copilot+, mais la qualité varie selon le fabricant. Intel, avec son FP16 natif, offre une meilleure transparence que Qualcomm en INT8 sur les bruits de fond complexes (vent, clavier mécanique). Cependant, cette API est limitée : elle ne concerne que les appels vocaux (Teams, Zoom) et ne s’applique pas aux plugins VST3 ou AU.

Core ML 7 et Audio Unit

Apple a étendu Core ML 7 avec une extension Audio Unit qui permet aux plugins de bénéficier des GPU Neural Accelerators du M5. Logic Pro 11 peut ainsi exécuter des modèles de séparation de sources (via les nouveaux outils « Stem Splitter ») avec une latence inférieure à 20 ms. Mais cela utilise le GPU, pas un NPU dédié. Pour les développeurs, l’API est propre et bien documentée, mais le verrouillage Apple limite le choix du matériel.

ONNX Runtime et les runtimes tiers

ONNX Runtime est le grand espoir d’unification. Il supporte plusieurs fournisseurs : DirectML (Microsoft), QNN (Qualcomm), OpenVINO (Intel), et Ryzen AI Software (AMD). En théorie, un plugin VST3 pourrait s’appuyer sur ONNX Runtime pour accélérer ses modèles sur n’importe quel NPU. En pratique, les plugins audio professionnels (Waves Clarity, iZotope RX 11, Accusonus ERA) restent majoritairement optimisés pour GPU (CUDA/NVIDIA) ou CPU (AVX). Aucun d’eux n’annonce un support natif NPU en 2026. Les DAW (Ableton Live 12, Cubase 14) n’offrent pas non plus de routage direct vers le NPU.

Seule exception notable : Adobe Sensei utilise DirectML pour certaines tâches (amélioration de la parole) sur PC Copilot+, mais cela reste marginal. Côté spatial audio, les outils de mixage immersif commencent à intégrer des modèles IA qui pourraient bénéficier des NPU à terme, mais rien de concret n’est annoncé (voir notre article « Le son qui vous entoure »).

Les nouveaux venus : sonible smart:chain et Boris FX Sequoia 2026.5

Le 26 août 2026, sonible a publié smart:chain, une chaîne de traitement qui réunit égaliseur, compresseur et saturation dans un module qui s’adapte au signal entrant (source : audiofanzine.com). Cette approche « adaptative » s’appuie sur des modèles IA entraînés sur des milliers de mixages, et pourrait à terme tirer parti des NPU pour un traitement en temps réel. Pour l’instant, smart:chain tourne sur CPU/GPU, mais l’architecture modulaire laisse la porte ouverte.

Côté spatial audio, Boris FX a sorti Sequoia 2026.5 le 6 août 2026, avec un nouveau Spatial Panner unifié qui couvre stéréo, surround et immersif (source : soundonsound.com). Cet outil, destiné aux ingénieurs du son broadcast et musique, intègre des modèles IA pour le positionnement automatique des sources. Là encore, pas de support NPU annoncé, mais la tendance est claire : l’IA s’installe dans les chaînes de production professionnelles.

Latence et watts : le pipeline audio temps réel passé au crible (théorique)

Imaginons un pipeline type : suppression de bruit (DeepFilterNet) → réverbération convolutive (IR) → mastering automatique (limiteur + égaliseur). En charge mixte CPU/NPU, quelles seraient les performances ?

Aucun test indépendant n’a mesuré la latence ou la consommation sur les NPU pour ce type de pipeline. Les seules données fiables proviennent des annonces constructeurs : AMD revendique <2 ms pour la réduction de bruit sur XDNA 2, Apple <5 ms sur M4, et Anker promet une latence imperceptible grâce au compute-in-memory de THUS. Mais ces chiffres sont issus de conditions idéales, sans charge concurrente.

En pratique, un plugin VST3 qui tourne sur NPU doit passer par une couche de traduction (ONNX Runtime, DirectML) qui ajoute de la latence. Les développeurs de plugins interrogés par notre magazine estiment que la latence réelle serait de 5 à 15 ms selon le modèle et le NPU, ce qui reste acceptable pour du traitement hors-ligne mais critique pour du monitoring en direct. La consommation électrique est un autre point d’interrogation : les NPU sont conçus pour l’inférence, mais les modèles audio récurrents (LSTM) sollicitent fortement la mémoire, ce qui peut faire grimper la consommation au-delà des chiffres marketing.

L’IA audio passe à l’oreille : le grand basculement vers l’embarqué

L’actualité de 2026 confirme une tendance de fond : l’IA audio quitte le cloud pour s’installer dans les appareils. Anker, avec sa puce THUS, en est l’illustration la plus frappante. Mais ce n’est pas le seul acteur. Les écouteurs de sommeil Sleep Earbuds 4 Pro d’Anker, présentés à l’IFA 2026, intègrent des fonctions IA locales pour l’analyse du sommeil (source : cnet.com). Les aides auditives OTC, également dévoilées par Anker, utilisent l’IA pour s’adapter en temps réel à l’environnement sonore (source : bfmtv.com).

Ce basculement vers l’embarqué a des implications majeures pour les musiciens et producteurs. Les modèles open weight chinois, comme ceux évoqués dans notre article « L’IA chinoise open weight s’empare de l’audio », permettent désormais de faire tourner localement des modèles de séparation de sources ou de mastering dans un DAW, sans dépendre du cloud. Le coût des API cloud propriétaires — plusieurs milliers d’euros par an pour 1000 heures de traitement — pousse les studios à chercher des alternatives locales (faits datés 2026). Les NPU pourraient être la solution, à condition que les éditeurs de plugins s’y mettent.

Vers des benchmarks audio standardisés ?

Le manque de benchmarks audio standardisés est le frein principal à l’adoption des NPU en studio. Les initiatives existent : MLPerf a étendu ses tests à l’inférence, mais pas à l’audio. Des acteurs comme SolidAITech appellent à la création d’un « AudioPerf » qui mesurerait la latence, le débit et la qualité sur des modèles de référence (RNNoise, Demucs, DeepFilterNet). En attendant, les ingénieurs du son doivent se fier aux chiffres constructeurs, avec toutes les précautions d’usage.

Un point positif : la pression concurrentielle pousse les fabricants à améliorer la transparence. AMD publie des chiffres SNR et latence pour XDNA 2, Apple a cessé de communiquer sur les TOPS mais met en avant les performances réelles via Core ML. Anker, avec THUS, mise sur une approche différente : plutôt que de disputer la course aux TOPS, elle optimise l’architecture pour des tâches audio spécifiques. Une stratégie qui pourrait bien redéfinir les standards.

Conclusion : le son, parent pauvre des comparatifs NPU

En 2026, les NPU sont partout, mais l’audio reste le grand oublié des benchmarks. Les promesses de latence inférieure à 10 ms et d’efficacité énergétique inédite sont séduisantes, mais aucune preuve indépendante ne les confirme pour les modèles audio. Les architectures évoluent — FP16 chez Intel, INT8 chez Qualcomm et AMD, GPU hybride chez Apple, compute-in-memory chez Anker — mais l’écosystème logiciel tarde à suivre. Les plugins professionnels restent majoritairement optimisés pour CPU/GPU, et les DAW n’offrent pas de routage direct vers le NPU.

Pourtant, les signaux sont encourageants : l’IA chinoise open weight, les modèles unifiés comme SwanTale, et les outils comme smart:chain ou Sequoia 2026.5 montrent que l’IA s’installe durablement dans les chaînes de production. Si les éditeurs de plugins s’engagent sur la voie du NPU, et si des benchmarks audio standardisés voient le jour, les NPU pourraient enfin tenir leurs promesses en studio. En attendant, les ingénieurs du son ont raison de rester prudents : les TOPS ne font pas le son.

Sources

• LocalAIMaster — NPU Comparison 2026
• SolidAITech — NPU Guide : TOPS marketing vs reality
• Geekom — 80 TOPS : comprendre la puissance IA réelle 2026
• Unite.AI — Qu’est-ce qu’une NPU ?
• Audiofanzine — sonible publie smart:chain
• Sound On Sound — Boris FX Sequoia 2026.5
• CNET France — Anker Sleep Earbuds 4 Pro
• BFMTV — Anker et la santé par le son
• Lagazetteia.fr — AI PC parts de marché
• Articles du magazine : « Anker THUS AI », « SwanTale », « L’IA chinoise open weight », « Spatial audio, NPU et IA générative », « IA et son : le raz-de-marée silencieux », « L’IA audio passe à l’oreille »

Article recherché et rédigé automatiquement · Magazine Electrosens