ElectroTech · 25 July 2026

Edge AI et SBC en 2026 : le grand panorama des cartes qui changent la donne

Entre les promesses d’un marché à 260 milliards de dollars et la réalité des cartes qui atterrissent sur les bureaux des ingénieurs, 2026 marque un tournant pour l’intelligence embarquée. Seeed Studio, Radxa, Kontron, Arduino et SpacemiT se disputent l’attention, mais c’est le reComputer RK3576 qui cristallise les espoirs d’une plateforme « tout-en-un » capable de marier CPU, GPU et NPU dans un format accessible. Plongée dans un écosystème où le matériel galope plus vite que le logiciel, et où le choix d’une carte devient un exercice d’équilibriste entre TOPS, watts et écosystème.

2026, l’année où l’Edge AI devient mainstream : 170 milliards de raisons de s’y intéresser

L’année 2026 s’annonce comme celle de la maturité pour l’intelligence artificielle en périphérie de réseau. Selon le Edge AI Technology Report 2026 publié par Wevolver en partenariat avec Mapegy, le marché global de l’Edge AI est projeté entre 170 et 260 milliards de dollars de Total Addressable Market d’ici le début des années 2030, avec un taux de croissance annuel composé (CAGR) de 21 à 30 % jusqu’en 2032. Ces chiffres, issus d’un rapport sponsorisé par Edge Impulse, MIPS, Murata, Synaptics, Synopsys, Arduino, Harwin et Nordic Semiconductor, traduisent une dynamique industrielle bien réelle.

Le nombre d’appareils connectés dans le monde devrait atteindre 39 milliards d’unités d’ici 2030, selon la même source. L’IA est déjà présente dans plus de 80 % des smartphones, et la bascule de l’inférence du cloud vers le bord s’accélère pour quatre raisons maintes fois citées : latence ultra-faible, sécurité renforcée, autonomie hors-ligne et réduction des coûts de bande passante. Les salons comme Embedded World (Allemagne) et VivaTech (Paris) sont devenus les vitrines où les fabricants dévoilent leurs dernières cartes de développement. Si aucune des sources fournies ne mentionne explicitement Embedded World 2026 comme cadre d’annonce, plusieurs articles d’Electronic Design et de blogs spécialisés (Kickpi, Youngju) listent les SBC qui font le buzz cette année.

Dans ce contexte, les Single Board Computers (SBC) ne sont plus de simples cartes pour makers : ils deviennent le cheval de Troie de l’IA embarquée, capables d’exécuter des modèles de vision, de traitement audio ou de contrôle industriel directement sur le bord, sans dépendre d’une connexion cloud.

Seeed Studio reComputer RK3576 : le premier SBC à tout faire (et à 26 TOPS)

Parmi les annonces qui ont marqué le premier semestre 2026, le reComputer RK3576 de Seeed Studio se distingue par sa fiche technique copieuse. Basé sur le SoC Rockchip RK3576, il embarque un CPU octa-core hétérogène : 4 cœurs Cortex-A72 cadencés à 2,2 GHz et 4 cœurs Cortex-A53 à 1,8 GHz, accompagnés d’un GPU Arm Mali-G52 MC3. Le véritable atout est son NPU intégré de 6 TOPS en INT8, extensible à 26 TOPS via un slot PCIe permettant d’ajouter un accélérateur externe (comme un module Hailo-8 ou un autre NPU M.2).

Tableau comparatif basé sur les données disponibles (Electronic Design) et les spécifications publiques du Raspberry Pi 5. N/C = non communiqué dans les sources.

La carte dispose également d’un slot M.2 Key-M pour SSD NVMe, d’un port USB 3.0 Type-A, de trois ports USB 2.0 Type-A, d’un USB Type-C OTG et d’un GPIO 40 broches. Cette connectivité riche en fait une plateforme idéale pour des applications de passerelle IoT industrielle, de robotique mobile ou de bornes interactives. Le double Gigabit Ethernet avec PoE (Power over Ethernet) sur un des ports permet d’alimenter la carte et de transmettre des données sur un seul câble, un atout pour les déploiements en environnement difficile.

L’extensibilité du NPU via PCIe est probablement la fonctionnalité la plus innovante : elle permet de passer de 6 TOPS (suffisants pour de l’inférence légère comme la détection de mouvement ou la classification audio) à 26 TOPS (capables de faire tourner des réseaux de neurones plus lourds comme YOLOv8 ou des modèles de segmentation). Seeed Studio semble ainsi répondre à un besoin de modularité souvent exprimé par les ingénieurs : pouvoir adapter la puissance de calcul IA au fil du projet sans changer de carte mère.

Les cinq SBC qui font le buzz en 2026 : Radxa, Kontron, Arduino, SpacemiT… que sait-on vraiment ?

L’article d’Electronic Design intitulé « 5 Edge AI Development Boards for IoT, Robotics, and Industrial Design at Embedded World 2026 » cite quatre autres acteurs aux côtés de Seeed Studio : Radxa, Kontron, Arduino et SpacemiT. Malheureusement, aucune spécification technique détaillée n’est fournie dans les sources disponibles. Nous savons seulement qu’ils font partie des « cinq SBC AI populaires de 2026 ». Que peut-on en dire ?

• Radxa : connu pour ses cartes basées sur Rockchip (Radxa Zero, Rock 5B), le fabricant chinois pourrait proposer une évolution de sa gamme avec un NPU plus performant. Rien n’est confirmé.
• Kontron : acteur historique de l’embarqué industriel, ses cartes ciblent probablement des segments exigeants (température étendue, certifications, longue durée de vie). Un SBC Kontron avec NPU serait une première dans le monde des cartes accessibles aux makers.
• Arduino : après l’Arduino Portenta H7 et la famille Nicla, Arduino pourrait lancer une carte dédiée à l’Edge AI, peut-être basée sur un SoC STM32N6 ou un module Espressif. La marque mise sur la facilité d’utilisation et l’écosystème Arduino IDE.
• SpacemiT : ce nom moins connu pourrait être un nouveau venu chinois spécialisé dans les processeurs RISC-V avec accélération IA. SpacemiT a déjà dévoilé des puces RISC-V pour l’embarqué ; un SBC serait logique.

En l’absence de données vérifiables, il convient de rester prudent. Les promesses marketing des communiqués de presse ne remplacent pas des tests indépendants. Les ingénieurs feraient bien d’attendre des benchmarks réels (latence, consommation, support logiciel) avant d’investir dans ces cartes.

NPU embarqués : le grand flou des TOPS/W et de la latence réelle

Les fiches techniques des SBC 2026 mettent en avant des chiffres de TOPS (Tera Operations Per Second) parfois impressionnants. Mais que valent ces nombres en pratique ? Aucune des sources fournies ne contient de données chiffrées comparant les NPU de Hailo, NXP i.MX 8M Plus, TI TDA4VM ou STM32N6. Nous sommes donc dans un angle mort informationnel.

Ce que l’on sait, c’est que les accélérateurs Edge AI fonctionnent dans la gamme des milliwatts, contre des watts ou kilowatts pour l’inférence cloud (source Mapegy). Mais la puissance n’est pas le seul critère. Pour évaluer un NPU, un ingénieur doit considérer :

• Latence réelle : un NPU peut annoncer 10 TOPS, mais si la latence d’inférence pour un modèle YOLOv5 est de 50 ms, il sera inadapté à une application temps réel (ex. robotique). Les benchmarks comme MLPerf Tiny ou Edge AI Benchmark sont plus parlants.
• Précision : la plupart des NPU travaillent en INT8, certains en FP16. La perte de précision par rapport à FP32 doit être mesurée pour l’application cible.
• Support logiciel : un NPU sans SDK mature (compilateur, runtime, exemples) est une coquille vide. Rockchip fournit le RKNN Toolkit, mais sa maturité est inégale selon les retours d’utilisateurs.
• Consommation : le ratio TOPS/W est crucial pour des applications sur batterie. Un NPU de 6 TOPS consommant 2 W sera moins intéressant qu’un autre de 4 TOPS consommant 0,5 W.

En l’absence de données standardisées dans les sources, le conseil est simple : ne pas se fier au seul chiffre de TOPS. Exiger des benchmarks, des exemples de code et des mesures de consommation avant de choisir une carte.

Connectivité tous azimuts : Wi-Fi 6, Bluetooth 5.4, LoRa, 4G… le SBC comme hub IoT

La connectivité est devenue un critère différenciateur majeur pour les SBC 2026. Le reComputer RK3576 illustre cette tendance avec :

• Double Gigabit Ethernet (dont un avec PoE) : idéal pour les passerelles industrielles où la redondance réseau est requise.
• Wi-Fi 6 (802.11ax) : bande passante accrue et meilleure gestion des interférences dans les environnements denses (usines, entrepôts).
• Bluetooth 5.4 : support du maillage (mesh) et de la localisation indoor, utile pour le suivi d’actifs.
• Options 4G/LTE, LoRa, Wi-Fi HaLow via mini PCIe : le SBC devient un hub IoT capable de connecter des capteurs LPWAN (LoRa) ou des caméras en Wi-Fi longue portée (HaLow).

Cette modularité permet d’envisager des cas d’usage variés :

• Passerelle IoT industrielle : collecte de données de capteurs Modbus/RS-485, agrégation et inférence locale (maintenance prédictive), transmission vers le cloud via 4G.
• Robotique mobile : Wi-Fi 6 pour le streaming vidéo basse latence, Bluetooth 5.4 pour la communication avec les actionneurs.
• Edge computing en environnement isolé : LoRa pour les relevés à longue distance, Wi-Fi HaLow pour les caméras de surveillance sans fil.

Le reComputer RK3576 n’est pas le seul : d’autres cartes comme celles de Kontron ou Radxa proposeront probablement des configurations similaires. Mais Seeed Studio a l’avantage d’offrir une plateforme ouverte avec des options documentées.

Logiciel : le maillon faible de l’Edge AI ? Entre Edge Impulse, TensorFlow Lite et l’écosystème Rockchip

Si le matériel progresse à grands pas, le logiciel reste le parent pauvre des annonces 2026. Les sources mentionnent TensorFlow Lite et ExecuTorch comme frameworks d’inférence, et Edge Impulse comme plateforme de développement sponsor du rapport Mapegy. Mais aucun détail n’est donné sur la compatibilité avec les NPU Rockchip, ni sur les limitations actuelles.

Le Edge AI Technology Report 2026 indique que le segment logiciel (plateformes de déploiement et d’orchestration) croît à près de 30 % CAGR, signe que le besoin est fort. Pourtant, les ingénieurs qui ont testé les premières cartes Rockchip avec NPU (RK3588, RK3576) rapportent des difficultés :

• Le RKNN Toolkit (compilateur de modèles pour NPU Rockchip) supporte un nombre limité d’opérateurs TensorFlow/PyTorch. Les modèles personnalisés avec des couches exotiques doivent être réécrits.
• Edge Impulse facilite le déploiement sur de nombreuses cartes, mais son support des NPU Rockchip est encore expérimental (aucune confirmation dans les sources).
• ExecuTorch (successeur de PyTorch Mobile) promet une meilleure portabilité, mais son écosystème est jeune.

En pratique, un ingénieur souhaitant déployer un modèle de vision sur le reComputer RK3576 devra probablement passer par une chaîne d’outils fragmentée : entraînement en Python, conversion en RKNN, optimisation manuelle, puis intégration en C++ sous Linux embarqué. La courbe d’apprentissage est raide, surtout pour les équipes habituées à TensorFlow Lite sur Raspberry Pi.

Le message à retenir : avant de choisir une carte, vérifiez que votre modèle cible peut être compilé pour son NPU. Exigez des exemples de code et des benchmarks fournis par le fabricant.

Zephyr, Rust et FreeRTOS : le firmware fait sa révolution (mais pas sur toutes les cartes)

Aucune des sources fournies ne traite de l’évolution de Zephyr RTOS, de Rust embarqué ou de FreeRTOS sur les nouvelles cartes. C’est une lacune notable, car ces sujets sont au cœur des débats dans la communauté embarquée en 2026. Nous ne pouvons donc que poser les questions et inviter les lecteurs à partager leurs retours.

• Zephyr RTOS gagne du terrain sur les microcontrôleurs (STM32, RP2350, ESP32) grâce à sa portabilité et son support du Bluetooth LE, de l’USB et du Wi-Fi. Mais est-il disponible sur les SBC sous Linux comme le reComputer RK3576 ? Probablement pas, car ces cartes tournent sous Linux (Debian/Ubuntu) et n’ont pas besoin d’un RTOS.
• Rust embarqué promet sécurité mémoire et performances, mais son adoption reste marginale sur les grosses cartes. Les crates pour Rockchip sont-elles matures ? Rien dans les sources.
• FreeRTOS reste le standard pour les microcontrôleurs, mais il est moins adapté aux SBC multiprocesseurs.

Ce silence des sources est révélateur : l’attention médiatique est focalisée sur le matériel et l’IA, au détriment des couches basses du firmware. Pourtant, c’est souvent là que se joue la fiabilité d’un produit final.

Guide pratique : comment choisir son SBC Edge AI en 2026 (sans se faire piéger par le marketing)

Face à une offre pléthorique, voici les critères objectifs à considérer pour un projet IoT industriel ou maker.

Tableau indicatif basé sur les données disponibles et les usages courants.

Pièges à éviter :

1. NPU sans SDK mature : un NPU de 26 TOPS qui ne supporte que des modèles pré-entraînés limités ne sert à rien.
2. Promesses de TOPS non tenues : les TOPS théoriques (peak) sont souvent doubles des performances réelles en continu. Exiger des benchmarks.
3. Obsolescence rapide : certaines cartes chinoises changent de SoC sans préavis. Privilégier les fabricants avec un engagement de disponibilité (Kontron, Seeed Studio).
4. Connectivité insuffisante : un seul port Ethernet peut bloquer un déploiement industriel.

Conclusion ouverte

L’année 2026 marque l’arrivée de SBC modulaires, extensibles et connectés, capables de rivaliser avec des solutions cloud pour l’inférence IA. Le reComputer RK3576 de Seeed Studio est un excellent exemple de cette nouvelle génération, mais il n’est pas seul. Les cartes de Radxa, Kontron, Arduino et SpacemiT promettent d’élargir le choix, à condition que leurs écosystèmes logiciels suivent.

La prochaine frontière sera l’arrivée des NPU RISC-V open source, qui pourraient démocratiser l’Edge AI en réduisant la dépendance aux architectures propriétaires. En attendant, un conseil : testez, mesurez, et ne croyez pas les TOPS sur parole.

Sources

• Electronic Design, « 5 Edge AI Development Boards for IoT, Robotics, and Industrial Design at Embedded World 2026 », 2026. Lien
• Mapegy / Wevolver, « Edge AI Technology Report 2026 », 2026. Lien
• Kickpi, « Top 7 Single Board Computers for AI Edge Computing 2026 », 2026. Lien
• Smile.eu, « IA embarquée et Edge AI : le grand virage de VivaTech 2026 », 2026. Lien
• Youngju.dev, « Embedded Systems & Firmware Development 2026 — STM32, ESP32-C6, RP2040… », 2026. Lien
• Findchips Blog, « The Edge AI Technology Report 2026: How Intelligence at the Edge is Reshaping Electronics Design », 2026. Lien
• Electronic Design, « Five New Edge AI Boards and Modules for Industrial Embedded Designs from Embedded World 2026 », 2026. Lien

Article recherché et rédigé automatiquement · Magazine Electrosens