IA Traitement du son · 8 November 2026

NPU audio : comment le silicium neuronal est descendu dans l’oreille — et ce que l’IFA 2026 a vraiment changé

À l’IFA 2026, Anker a glissé sa puce THUS AI dans cinq modèles audio. Derrière cette annonce discrète se joue un basculement industriel : l’inférence neuronale quitte le cloud et le PC pour s’installer dans des objets de quelques grammes. Promesses, contraintes physiques, gagnants et perdants — voici où en est réellement la migration du silicium IA vers le son, à l’automne 2026.

Le silicium descend dans l’oreille : comment l’IFA 2026 a déplacé la bataille de l’IA

Il y a des annonces qui ressemblent à des brèves et qui, relues quelques semaines plus tard, ressemblent à des virages. Le 3 septembre 2026, à Berlin, Anker a dévoilé sa puce THUS AI sur cinq modèles audio — écouteurs, enceintes, barres de son, aide auditive, produits de sommeil. Sur le papier, c’est une ligne dans un salon saturé de communiqués. Dans les faits, c’est la première fois qu’un fabricant grand public d’accessoires audio revendique explicitement l’intégration d’un accélérateur neuronal dédié, décliné sur une gamme entière, à des prix d’accessoires — pas de stations de travail, pas de smartphones premium.

Pourquoi ce n’est pas une énième itération de DSP Bluetooth. Les puces audio embarquées existent depuis vingt ans : elles filtrent, égalisent, compressent, gèrent l’annulation de bruit active (ANC) par des méthodes de traitement du signal classiques — filtres adaptatifs LMS, soustraction de phase, bancs de filtres. Ce qui change avec un NPU, c’est la nature du calcul : on n’exécute plus un algorithme déterministe écrit à la main, mais un modèle de réseau de neurones entraîné, dont les poids sont stockés en mémoire et dont l’inférence tourne en local. Un NPU, rappelons-le, est un processeur spécialisé conçu pour accélérer les calculs liés aux réseaux de neurones artificiels, optimisé pour les opérations matricielles massives à faible consommation énergétique — distinct du CPU généraliste et du GPU parallèle. C’est cette bascule — de l’algorithme écrit vers le modèle appris — qui s’opère maintenant dans l’oreille.

Cette bascule n’est pas isolée. Elle traverse tout l’écosystème audio de 2026 : les Mac M6 ont fait du NPU et de la mémoire unifiée le socle des modèles on-device en production musicale ; Google DeepMind a publié en préversion de recherche Genie 4, un modèle de monde en temps réel doté d’un audio natif, capable de générer du son synchronisé à l’image ; et côté logiciels de studio, Boris FX Samplitude 2026.5 a ajouté un panner spatial et la séparation de stems par IA. Autrement dit : le cloud n’est plus le seul lieu de l’IA audio, et le silicium embarqué devient un terrain de différenciation à part entière.

La thèse de ce panorama est simple : nous entrons dans la phase industrielle des NPU audio. Les démonstrations de laboratoire, les prototypes de salons et les annonces de plateformes ont laissé place à des produits vendus, tarifés, expédiés. Cette phase a ses promesses (personnalisation, confidentialité, latence), ses contraintes physiques (thermique, mémoire, autonomie) et ses gagnants comme ses perdants. Nous allons en parcourir l’anatomie technique, la cartographie des acteurs, les cas d’usage réels, les chiffres que le marketing préfère taire, puis les conséquences pour l’écosystème professionnel et les signaux faibles de la prochaine vague.

NPU, DSP augmenté, cœur neuronal dans un SoC Bluetooth : anatomie d’un flou marketing

Avant de comparer les annonces, il faut dissiper un malentendu. Un « NPU audio » n’est presque jamais un NPU au sens des data centers. Un accélérateur de centre de données comme la puce Zhenwu V900 d’Alibaba, présentée comme le composant IA chinois le plus puissant à ce jour avec des performances annoncées trois fois supérieures à la génération précédente M890 et une commercialisation à grande échelle prévue pour le premier trimestre 2027, est conçue pour s’interconnecter dans des clusters allant jusqu’à 500 000 processeurs. Un NPU dans un écouteur vit sous des contraintes radicalement différentes : quelques millimètres carrés de die, un budget thermique quasi nul, une batterie de quelques dizaines de milliampères-heures. La comparaison n’a de sens qu’à l’intérieur de l’univers embarqué.

Dans cet univers, on distingue quatre familles, souvent confondues dans les fiches produit.

1. Le NPU dédié. Un bloc de silicium autonome, avec ses propres tableaux de multiplicateurs-accumulateurs (MAC arrays), sa mémoire SRAM locale pour les poids et les activations, et son ordonnanceur. C’est l’architecture la plus « pure », celle qui offre le meilleur rendement par watt pour l’inférence, mais aussi la plus coûteuse en surface de die et en complexité d’intégration. C’est la voie revendiquée par Anker avec THUS, dont l’architecture repose sur une approche Compute-in-Memory — le calcul s’effectue au plus près, voire à l’intérieur, des cellules mémoire, ce qui réduit drastiquement les transferts de données, premier poste de consommation dans un accélérateur classique.

2. Le DSP audio augmenté. C’est la voie la plus pragmatique, et probablement la plus répandue. Les cœurs DSP audio classiques — les Tensilica HiFi de Cadence, par exemple — sont des processeurs VLIW/SIMD conçus pour le filtrage et le décodage audio. On y greffe des instructions ou des unités dédiées aux opérations neuronales, ce qui permet de réutiliser un écosystème logiciel existant tout en ajoutant de l’inférence. Le compromis : on n’atteint pas le rendement d’un NPU dédié, mais on réduit drastiquement le coût d’intégration.

3. Le cœur neuronal intégré dans un SoC Bluetooth. Les plateformes de connectivité audio — les familles QCC de Qualcomm, les puces Airoha ou Bestechnic — intègrent désormais des blocs de calcul neuronal au sein même du système sur puce qui gère la liaison Bluetooth, le codec et l’ANC. C’est l’approche la plus intégrée : un seul die pour tout, mais un budget de calcul partagé entre la connectivité et l’IA.

4. L’accélérateur dans un microcontrôleur. Pour les enceintes et les barres de son, où l’on dispose de plus de volume et d’énergie, on trouve des microcontrôleurs dotés d’extensions neuronales, voire des accélérateurs discrets.

Cette taxonomie explique pourquoi les chiffres constructeurs ne sont pas comparables. Un « NPU audio » peut désigner un tableau de MAC dédié tournant en INT8, un DSP augmenté exécutant des instructions SIMD sur des tenseurs quantifiés, ou un cœur neuronal partagé dans un SoC. La précision numérique — INT8, INT4, voire binaire — détermine directement la qualité de restitution : plus on compresse les poids, plus on gagne en énergie et en surface, plus on perd en fidélité. Pour une réduction de bruit, l’oreille pardonne beaucoup. Pour une séparation de sources ou une spatialisation fine, la marge est plus étroite. C’est là que se joue le vrai débat technique, bien loin des slogans.

Un point de repère utile pour situer les ordres de grandeur : le marché mondial des puces IA était valorisé à environ 52,92 milliards de dollars en 2024, avec des projections autour de 295,56 milliards de dollars d’ici 2030, soit un taux de croissance annuel composé d’environ 33,2 % selon les données compilées par Next Move Strategy Consulting et Statista. Le segment embarqué — NPU de smartphones, d’écouteurs, de véhicules — est l’un des plus dynamiques de cette somme, précisément parce qu’il adresse des volumes de plusieurs centaines de millions d’unités par an.

Anker, Qualcomm, MediaTek, Samsung, Apple : la cartographie d’une guerre du silicium qui ne dit pas son nom

Qui fabrique quoi, et qui achète à qui ? La réponse dessine une géographie en trois couches.

Les fabricants de plateformes tierces. Qualcomm, avec ses familles QCC et Snapdragon Sound, fournit la connectivité et le traitement audio à une large part de l’industrie. MediaTek, avec ses plateformes Dimensity et ses puces audio, joue le même rôle sur le segment mobile et les accessoires. Airoha et Bestechnic occupent le milieu de gamme. Ces acteurs vendent des plateformes clés en main : le fabricant d’écouteurs y ajoute sa marque, son acoustique, son application — mais le silicium neuronal, lui, vient d’ailleurs.

Les intégrateurs à puce maison. Anker, avec THUS AI, rejoint ce club restreint. Apple, avec sa puce H2 dans les AirPods, a montré la voie depuis plusieurs générations : un silicium propriétaire qui gère l’ANC adaptative, la spatialisation et le suivi de tête. Samsung, avec ses propres puces audio, et Google, avec ses Tensor et ses Pixel Buds, suivent des stratégies comparables. Le point commun : ces acteurs contrôlent à la fois le silicium, le firmware et l’expérience utilisateur.

Les fabricants de cœurs et d’IP. En amont, Cadence (Tensilica HiFi), les fournisseurs d’IP neuronale et les fondeurs alimentent tout le monde. C’est la couche invisible, celle qui détermine ce qui est techniquement possible.

Acteur	Type	Positionnement audio	Puce maison ?
Anker (soundcore)	Intégrateur grand public	Écouteurs, enceintes, barres de son, aide auditive, sommeil	Oui — THUS AI, architecture Compute-in-Memory (5 modèles, IFA 2026)
Apple	Intégrateur premium	AirPods, casques	Oui — H2 (ANC, spatialisation, suivi de tête)
Qualcomm	Plateforme tierce	QCC, Snapdragon Sound	Non — vend aux fabricants
MediaTek	Plateforme tierce	Dimensity, puces audio	Non — vend aux fabricants
Samsung	Intégrateur	Galaxy Buds, puces audio	Oui (stratégie propriétaire)
Google	Intégrateur	Pixel Buds, Tensor	Oui (via Tensor)
Airoha / Bestechnic	Plateforme tierce	Milieu de gamme	Non

Ce tableau révèle une asymétrie stratégique. Les intégrateurs à puce maison — Anker, Apple, Samsung, Google — peuvent différencier leur expérience par le silicium. Les autres dépendent de plateformes tierces, donc des feuilles de route de Qualcomm et MediaTek. La question « puce maison ou puce tierce ? » n’est pas seulement technique : elle est économique. Développer un NPU maison suppose des coûts de conception, de masque et de validation considérables, amortissables uniquement sur des volumes très importants. C’est pourquoi Anker, en déclinant THUS AI sur cinq modèles simultanément, ne fait pas qu’annoncer une puce : il annonce un volume. Une puce maison n’a de sens que si elle équipe assez de produits pour être rentable. Cinq modèles, c’est un signal de volume, pas une coquetterie technologique.

La stratégie d’Anker est d’autant plus intéressante qu’elle s’accompagne d’une refonte de son écosystème logiciel et de marques — MindBase, VibeOS — et d’une deuxième vague de produits attendue avec les Liberty 5 Pro, où la firme revendique un record du monde. C’est là que se joue la vraie bataille : Anker attaque Qualcomm sur son propre terrain, celui de la plateforme audio intégrée, en misant sur le silicium propriétaire comme argument de différenciation face aux puces tierces.

Ce que le NPU fait vraiment dans vos oreilles : ANC adaptative, séparation de sources, spatialisation, assistants locaux

Que fait concrètement un réseau de neurones dans un écouteur ? Quatre cas d’usage dominent, et il faut distinguer ce qui est réellement embarqué de ce qui reste dans le smartphone ou le cloud.

L’ANC adaptative. L’annulation de bruit classique repose sur des filtres adaptatifs qui modélisent le chemin acoustique et génèrent une contre-phase. Un modèle neuronal peut prédire le type d’environnement — rue, train, open space — et ajuster la stratégie en temps réel, voire anticiper les transitoires (une porte qui claque, un cri). La différence perceptible : moins de « pompage » de pression, une adaptation plus douce aux changements de scène sonore. Ce qui est embarqué : l’inférence de classification et d’ajustement. Ce qui ne l’est pas : l’entraînement du modèle, qui reste hors ligne.

La séparation de sources. Extraire une voix dans le bruit, isoler un interlocuteur, nettoyer le signal pour les appels. C’est le cas d’usage le plus gourmand en calcul, et le plus spectaculaire. Un modèle de séparation de sources tourne localement sur le NPU pour les traitements temps réel (voix pour appel), tandis que les traitements non temps réel — transcription, résumé — peuvent basculer vers le smartphone. C’est exactement la même logique que celle qui a gagné les DAW : Boris FX Samplitude 2026.5 a intégré la séparation de stems par IA dans un logiciel de production, preuve que la brique technique est désormais assez mature pour descendre dans l’embarqué.

La spatialisation. Le rendu binaural personnalisé, le suivi de tête et le calcul de HRTF (fonction de transfert relative à la tête) par réseau de neurones permettent d’adapter le rendu à la morphologie de chaque utilisateur. C’est probablement l’application où la qualité de restitution est la plus critique : une HRTF mal calculée produit un rendu artificiel, « dans la tête » plutôt qu’autour. Le panner spatial introduit dans Samplitude 2026.5 montre que les outils professionnels et grand public convergent vers les mêmes briques.

Les assistants vocaux locaux. Détection de mot-clé (wake-word), reconnaissance embarquée, exécution hors ligne. L’argument est double : latence quasi nulle et confidentialité — la voix ne quitte pas l’appareil. C’est l’un des rares cas où le NPU apporte un bénéfice que le cloud ne peut structurellement pas offrir. Les statistiques Edge AI consacrées aux processeurs vocaux et aux NPU, publiées en 2026, confirment cette tendance de fond : la voix est devenue le premier cas d’usage de l’inférence embarquée dans l’audio grand public.

Pour chacun de ces cas, la frontière entre embarqué et déporté est mouvante. Ce qui compte pour l’utilisateur, c’est ce qu’il perçoit : une voix plus claire en appel, un environnement mieux filtré, un rendu spatial plus crédible, une commande qui répond instantanément.

Latence, milliwatts et autonomie : les chiffres que le marketing préfère taire

C’est ici que le discours marketing rencontre la physique. Et c’est ici qu’il faut être honnête sur ce que l’on sait — et sur ce que l’on ne sait pas.

Sur la latence, les seuils perceptibles sont connus de longue date : en dessous de quelques millisecondes, un traitement est transparent pour l’oreille dans un contexte de monitoring ; au-delà, il devient audible. Pour l’ANC adaptative, la contrainte est encore plus serrée, car la contre-phase doit être générée avant que l’onde sonore n’atteigne le tympan. C’est précisément pour cela que l’inférence doit rester locale : un aller-retour vers le cloud, même à 20 millisecondes, est structurellement incompatible avec l’ANC. Le NPU embarqué n’est donc pas un luxe, c’est une nécessité physique.

Sur la consommation, la donne est simple : chaque milliwatt compte. Un écouteur true wireless dispose d’une batterie de quelques dizaines de milliampères-heures, partagée entre la radio Bluetooth, les transducteurs, l’ANC et désormais l’inférence. Un NPU dédié, correctement dimensionné, consomme typiquement moins qu’un DSP généraliste exécutant le même modèle en logiciel — c’est tout l’intérêt du silicium spécialisé. Mais le budget reste serré, et c’est pourquoi les modèles embarqués sont quantifiés agressivement, souvent en INT8, parfois en INT4.

Sur les performances brutes, il faut se méfier des comparaisons. Les chiffres annoncés par les constructeurs — TOPS, inférences par seconde, nombre de MAC — ne sont pas comparables d’une architecture à l’autre, faute de protocole de mesure commun. C’est un problème récurrent dans l’industrie audio : comme le notent plusieurs analyses consacrées aux benchmarks de l’IA audio mobile, personne ne mesure vraiment, avec des protocoles indépendants, la qualité réelle des traitements embarqués. Les benchmarks manquent, et les constructeurs n’ont aucun intérêt à les fournir.

Sur l’autonomie, l’effet est ambivalent. D’un côté, l’inférence locale évite la radio et le cloud, ce qui peut économiser de l’énergie sur les traitements non temps réel. De l’autre, un NPU actif en permanence pour la détection de mot-clé ou l’ANC adaptative consomme. Le compromis dépend de l’usage : un écouteur qui fait de l’ANC 8 heures par jour n’a pas le même profil qu’une enceinte branchée sur secteur.

Enfin, il faut dire un mot des limites méthodologiques. Les annonces de l’IFA 2026 sont récentes — quelques semaines — et les tests indépendants se comptent sur les doigts d’une main. Les promesses de « record du monde » avancées pour les Liberty 5 Pro demandent confirmation. La prudence est de mise : dans l’audio comme ailleurs, la preuve par le produit vendu et testé reste la seule qui vaille.

Compute-in-Memory : la vraie innovation architecturale de THUS, et ce qu’elle implique

Si l’on devait retenir une seule chose techniquement neuve de l’IFA 2026, ce serait l’architecture Compute-in-Memory revendiquée par Anker pour THUS. Le principe : au lieu de déplacer les données entre la mémoire et les unités de calcul — ce qui constitue le goulot d’étranglement énergétique classique des architectures von Neumann —, on effectue les opérations directement dans les cellules mémoire. Pour un réseau de neurones dont les poids sont statiques après entraînement, c’est une optimisation naturelle : les poids restent en place, et le calcul se fait là où ils résident.

L’intérêt est double. D’abord énergétique : les transferts de données représentent une part majoritaire de la consommation d’un accélérateur neuronal classique. En les supprimant, on gagne en rendement par watt. Ensuite en latence : moins de déplacements, c’est moins de cycles d’horloge, donc une réponse plus rapide — crucial pour l’ANC.

La contrepartie est connue : la Compute-in-Memory est difficile à concevoir, difficile à fabriquer de manière fiable, et moins flexible qu’un NPU classique. Une fois le silicium gravé, on ne peut plus changer l’architecture pour accueillir un nouveau type de modèle. C’est un pari sur la pérennité des architectures de réseaux de neurones actuelles — un pari raisonnable pour des modèles audio, dont les familles (convolutifs, récurrents, transformeurs légers) sont stables.

Cette approche n’est pas propre à Anker : elle est étudiée depuis des années dans le monde académique et chez plusieurs fondeurs. Mais son intégration dans un produit grand public à prix d’accessoire, décliné sur cinq modèles, marque un jalon. C’est la différence entre une publication et un produit.

Du studio à la poche : ce que le NPU change pour les professionnels du son

L’ironie de cette migration, c’est qu’elle concerne d’abord les objets grand public — mais qu’elle redessine en creux l’outillage des professionnels.

Premier effet : la démocratisation des briques. Les modèles qui tournent dans un écouteur à 150 euros sont, par nécessité, extrêmement compacts et quantifiés. Mais ils prouvent que des tâches comme la séparation de sources, la réduction de bruit ou la classification d’environnement peuvent tenir dans quelques milliwatts. Transposées à un ordinateur portable ou à une interface audio, ces mêmes briques deviennent des fonctionnalités de base. C’est ce mouvement que l’on observe avec les Mac M6, dont le NPU et la mémoire unifiée permettent de faire tourner des modèles de production musicale en local, sans cloud.

Deuxième effet : la pression sur les prix. Quand un écouteur à 150 euros embarque un NPU dédié, il devient difficile de justifier un abonnement cloud à 10 à 30 euros par mois pour des traitements comparables. Les plateformes de mixage et de mastering par IA, qui facturent dans cette fourchette en 2026, doivent démontrer une valeur ajoutée que l’embarqué ne peut pas fournir : modèles plus gros, traitements non temps réel, collaboration, bibliothèques. La coexistence est possible, mais la frontière se déplace.

Troisième effet : la question de la propriété des modèles. Un NPU embarqué exécute des poids figés au moment de la fabrication. Qui les entraîne ? Qui les met à jour ? Qui les possède ? Pour un fabricant comme Anker, la maîtrise du silicium permet de maîtriser la chaîne complète — entraînement, quantification, déploiement. Pour les utilisateurs de plateformes tierces, la dépendance est plus grande. C’est un enjeu de souveraineté à l’échelle de l’appareil, pas seulement de l’État.

Quatrième effet, plus subtil : l’émergence d’un écosystème de plugins et d’instruments construits sur des briques IA. La plateforme NOVA de Lunacy Audio, lancée en septembre 2026, propose aux musiciens et développeurs de construire leurs propres instruments et effets à partir de blocs et de suggestions IA, avec un accès gratuit et des paliers premium. C’est le signe que la brique IA devient un composant standard, que l’on assemble plutôt que l’on code. Le NPU embarqué et la plateforme de plugins sont les deux faces d’une même industrialisation.

Les signaux faibles : modèles de monde, audio natif et la prochaine vague

Où va-t-on ? Trois signaux méritent l’attention à l’automne 2026.

Les modèles de monde avec audio natif. La publication par Google DeepMind de Genie 4 en préversion de recherche, capable de générer des environnements interactifs en temps réel avec un audio synchronisé, annonce une convergence : le son n’est plus un ajout après coup, il est généré en même temps que l’image, par le même modèle. À terme, cette capacité pourrait descendre dans des appareils dotés de NPU suffisamment puissants — pas demain dans un écouteur, mais dans un casque de réalité mixte, oui.

La génération audio à la demande. NC AI a officialisé le 20 octobre 2026 la sortie de VARCO Sound, un service de production sonore générative capable de créer et d’arranger plusieurs pistes pour une même scène. C’est la démonstration que la génération audio n’est plus un gadget de laboratoire : elle entre dans les pipelines de production, avec des contraintes de synchronisation et de cohérence.

La fatigue des modèles frontière. Début septembre 2026, quatre laboratoires — Anthropic, Meta, Google et OpenAI — ont livré chacun un modèle frontière dans la même semaine, provoquant ce que CNBC a baptisé la model fatigue. Le coût réel d’un modèle dépend désormais moins de sa taille que de son intégration dans un produit. C’est une leçon directement transposable à l’audio : un NPU embarqué qui fait tourner un modèle modeste mais bien intégré vaut mieux qu’un modèle géant inaccessible.

Ces signaux dessinent une trajectoire claire : l’IA audio se déplace du cloud vers l’appareil, du modèle généraliste vers le modèle spécialisé, de la démonstration vers le produit. L’IFA 2026 n’est pas la fin de cette histoire, c’est le moment où elle est devenue industrielle.

Ce qu’il faut retenir

L’IFA 2026 a marqué un basculement : le NPU audio est sorti du laboratoire pour entrer dans des produits vendus. Anker, avec THUS AI et son architecture Compute-in-Memory déclinée sur cinq modèles, en est le symbole le plus visible. Mais derrière l’annonce, c’est toute une chaîne qui se met en place : des plateformes tierces (Qualcomm, MediaTek, Airoha, Bestechnic) qui intègrent des cœurs neuronaux, des intégrateurs (Apple, Samsung, Google) qui maîtrisent leur silicium, et des fabricants d’IP (Cadence) qui fournissent les briques.

Les bénéfices sont réels : ANC plus adaptative, séparation de sources temps réel, spatialisation personnalisée, assistants locaux et confidentiels. Les contraintes aussi : budget thermique et énergétique serré, quantification agressive, benchmarks indépendants quasi inexistants, promesses de « record du monde » à vérifier.

Pour les professionnels du son, la conséquence est double : les briques IA deviennent des composants standard, et la pression sur les abonnements cloud s’intensifie. Pour les utilisateurs, la promesse est simple : un son meilleur, traité localement, sans que la voix quitte l’appareil. Reste à vérifier, produit en main, que la promesse tient. C’est tout le mal qu’on souhaite à la phase industrielle qui s’ouvre.

Sources

Article recherché et rédigé automatiquement · Magazine Electrosens

📬 Restez à la pointe

Recevez chaque semaine les nouveautés de ce magazine par email.

💬 Une remarque, une correction ?

Aidez-nous à améliorer cet article. Nous prenons en compte vos retours.

Puces IA embarquées dans l’audio : la bataille silencieuse des NPU entre dans sa phase industrielle