---

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).

Rappelons d’abord ce qu’est un NPU, car le terme recouvre des réalités très différentes. Comme le résume Wikipédia, un NPU — aussi appelé accélérateur IA ou processeur d’apprentissage profond — est une classe d’accélérateur matériel spécialisé conçu pour accélérer les applications d’IA et d’apprentissage automatique, réseaux de neurones et vision par ordinateur compris. Il peut être autonome, intégré à un CPU ou à un GPU. Le terme lui-même remonte à un article de 2012, Neural Acceleration for General-Purpose Approximate Programs, qui décrivait déjà une architecture NPU pour accélérer des programmes approximatifs. Les NPU modernes sont souvent des designs manycore ou spatiaux, axés sur l’arithmétique basse précision, les architectures de flux de données inédites ou le calcul en mémoire (in-memory computing). Cette dernière caractéristique — le calcul en mémoire — est précisément celle que revendique Anker pour sa puce THUS, ce qui montre que la convergence entre recherche académique et produits grand public est désormais une réalité industrielle.

Comme le rappelle Les Numériques, le NPU « possède une architecture qui simule le réseau neuronal du cerveau humain, ce qui le rend plus apte à gérer les tâches à forte intensité de traitement tout en consommant moins d’énergie ». Et le même média de souligner la confusion des noms : ANE (Apple Neural Engine) chez Apple, TPU (Tensor Processing Unit) chez Google — un flou sémantique qui complique déjà la comparaison des fiches techniques, avant même d’entrer dans le détail des charges audio.

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.

Cette intuition est désormais documentée, au moins pour les modèles de langage. Le blog de Morgan Nriu, qui analyse les NPU AMD XDNA 2, Apple Neural Engine et Intel NPU 5, enfonce le clou : « 38 à 55 TOPS affichés, ~7 tok/s réels sur un LLM 7B ». Autrement dit, un NPU est un bloc à fonction fixe dédié à une seule opération — la multiplication matricielle en basse précision (INT8, INT4, parfois BF16) — et sa raison d’être n’est pas la vitesse brute mais l’efficacité énergétique : AMD annonce que son XDNA 2 est jusqu’à 35× plus efficace que le CPU sur les mêmes modèles (source : morgannriu.fr). Le TOPS, rappelle ce même article, est un pic théorique mesuré dans des conditions idéales où le matériel est saturé en calcul — or l’inférence réelle ne ressemble jamais à ça. Transposé à l’audio, le raisonnement tient : un modèle de suppression de bruit avec dépendances temporelles n’atteindra jamais le pic TOPS annoncé.

Un guide de Robofutur publié en 2026 formule la même mise en garde avec une clarté utile : « TOPS signifie mille milliards d’opérations par seconde. Le chiffre décrit un débit théorique à une précision donnée, souvent INT8. Il ne permet pas de comparer proprement deux architectures sans connaître le modèle, la mémoire, le logiciel et la consommation » (source : robofutur.com). Le même guide rappelle deux points que tout ingénieur du son devrait garder en tête avant d’acheter : d’abord, « un logiciel doit explicitement prendre en charge l’accélérateur. Si votre application utilise seulement le cloud ou le GPU, une NPU plus puissante peut rester inactive » ; ensuite, « la mémoire compte souvent plus que la NPU » — car pour un modèle génératif, les poids doivent tenir en mémoire et circuler rapidement. C’est exactement le mur auquel se heurte un modèle de séparation de stems un peu ambitieux : 16 Go suffisent à un usage courant, mais deviennent « vite étroits avec création, machines virtuelles ou modèles locaux ».

---

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.

Un détail mérite l’attention : selon l’analyse de Morgan Nriu, Intel a volontairement réduit la taille du bloc NPU de sa cinquième génération plutôt que d’augmenter ses TOPS (source : morgannriu.fr). Attention également au nom : « NPU 5 » désigne la cinquième génération, pas 5 TOPS. Cette stratégie — privilégier l’efficacité énergétique sur le chiffre brut — est exactement ce que réclame un usage audio sur batterie, où chaque milliwatt compte pour tenir une session de mixage en déplacement.

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.

L’analyse de Morgan Nriu apporte une nuance importante : le XDNA 2 intègre des primitives matérielles pour le softmax, la layer norm et le streaming du cache KV (source : morgannriu.fr). Ces primitives, pensées pour les transformeurs, ne sont pas directement transposables aux convolutions audio, mais elles témoignent d’une architecture qui sait accueillir des opérateurs spécialisés — un atout pour qui veut y porter un modèle audio custom.

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).

Précisons un point souvent mal compris : sur le M4, les 38 TOPS sont identiques sur M4, M4 Pro et M4 Max, et Apple revendique 60× la performance du premier ANE de l’A11 Bionic (2017) (source : morgannriu.fr). Cette homogénéité signifie qu’un MacBook Air M4 et un Mac Studio M4 Max offrent le même débit NPU — la différence de puissance audio se jouera donc sur le GPU et la bande passante mémoire, pas sur le NPU.

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.

Ce positionnement n’est pas anodin : le calcul en mémoire est justement l’une des pistes que la littérature académique identifie comme prometteuse pour les NPU (source : Wikipédia). Là où Qualcomm et Intel empilent des TOPS dans des blocs de multiplication matricielle séparés de la mémoire — avec le goulot d’étranglement du memory wall que cela implique —, THUS rapproche le calcul de la donnée. Pour l’audio, dont les flux sont continus et les fenêtres d’analyse courtes, cette proximité pourrait se traduire par un avantage de latence réel, et non de fiche technique.

---

Le vrai goulot d’étranglement : la mémoire, pas les TOPS

Si un seul enseignement devait être retenu de l’année 2026, ce serait celui-ci : dans le traitement audio par IA, la bande passante mémoire et la capacité comptent souvent plus que le pic TOPS. Robofutur le dit sans détour : « Pour un modèle génératif, les poids doivent tenir en mémoire et circuler rapidement » (source : robofutur.com). Un modèle de séparation de sources de type Demucs, avec ses millions de paramètres et ses tenseurs intermédiaires, est bien plus contraint par le débit mémoire que par la puissance de calcul brute du NPU.

Cela a une conséquence pratique immédiate pour l’ingénieur du son : un portable doté d’un NPU de 85 TOPS mais de 16 Go de mémoire soudée sera moins à l’aise sur une session de séparation de stems qu’une machine à 50 TOPS et 32 Go. Le guide recommande d’ailleurs de choisir une mémoire soudée « pour plusieurs années », car elle n’est pas extensible — un conseil qui vaut de l’or quand on sait qu’un modèle audio local peut facilement doubler ses besoins en deux générations.

Second enseignement : la prise en charge logicielle. « Un logiciel doit explicitement prendre en charge l’accélérateur. Si votre application utilise seulement le cloud ou le GPU, une NPU plus puissante peut rester inactive » (source : robofutur.com). C’est le talon d’Achille de tout l’écosystème audio : combien de DAW et de plugins savent réellement router leurs inférences vers le NPU plutôt que vers le CPU ? La réponse, en 2026, reste décevante, et c’est précisément là que se joue la bataille des écosystèmes.

---

Écosystèmes logiciels : là où le NPU devient (ou non) audible

Un NPU sans logiciel est un radiateur coûteux. En 2026, la chaîne audio assistée par IA s’est structurée autour de quelques plateformes qui commencent à exploiter le silicium local.

Lunacy Audio NOVA : la plateforme qui démocratise les blocs audio IA

Le 22 septembre 2026, Lunacy Audio a lancé NOVA, une plateforme de plugins musicaux assistés par IA, entièrement dans le navigateur et gratuite dans sa version de base, avec des paliers premium pour accéder à davantage d’outils (source : musictech.com). La plateforme permet aux musiciens et développeurs de « construire leurs propres instruments et effets à partir de blocs prêts à l’emploi et de prompts pour l’IA » (source : ai-digest.ru). Cinq instruments gratuits sont proposés au lancement, avec des démos navigateur et une collection de sons en croissance (source : gregkocis.com).

L’intérêt de NOVA pour notre sujet est double. D’abord, elle abaisse la barrière d’entrée : un producteur peut assembler un effet ou un instrument sans écrire une ligne de code. Ensuite — et c’est plus subtil —, elle pose la question de l’exécution : ces blocs tournent-ils en local sur le NPU de la machine, ou dans le cloud ? La communication de Lunacy Audio insiste sur le navigateur et la gratuité, mais ne détaille pas l’architecture d’inférence. C’est emblématique de l’année 2026 : les plateformes promettent l’IA audio, mais le consommateur ne sait pas toujours où le calcul se fait — et donc quelle latence et quelle confidentialité il peut attendre.

Boris FX Samplitude 2026.5 : la séparation de stems entre dans le DAW historique

Le 8 octobre 2026, Boris FX a mis à jour Samplitude en version 2026.5, ajoutant un spatial panner et la séparation de stems par IA (source : majorhifi.com). C’est un signal fort : la séparation de sources, longtemps chasse gardée de plugins tiers, s’installe dans un DAW de production historique. Reste la question de l’exécution : la séparation de stems est-elle confiée au NPU local ou à un service cloud ? Là encore, la communication reste discrète, et c’est exactement le type d’information que l’ingénieur du son doit exiger avant d’investir.

Le mastering et le mixage : ce qui marche vraiment

Sur le front du mixage et du mastering, le bilan 2026 est plus nuancé qu’on ne le croit. RoEx, qui dit avoir traité des millions de morceaux via Automix et analysé plus de 2 millions de mixages avec Mix Check Studio, publie un bilan honnête : « Le cas d’usage principal que le mixage par IA gère de manière constante et efficace est l’équilibrage multipiste sur des sessions où tous les éléments sont présents » (source : roexaudio.com). Autrement dit, l’IA excelle là où le problème est bien posé — équilibrer des pistes existantes — et beaucoup moins là où il faut comprendre une intention artistique.

Un article de synthèse de Jipiz.fr va dans le même sens : l’IA « apprend à reconnaître des patterns » et « propose des points de départ pertinents », mais « ce que l’IA ne fait pas, c’est comprendre votre intention artistique » (source : jipiz.fr). La conclusion est limpide : « L’IA est à considérer comme un assistant technique de haut niveau, pas comme un remplaçant. » C’est précisément le cadre dans lequel le NPU local prend tout son sens : un assistant qui tourne sur votre machine, sans envoyer vos stems dans le cloud, avec une latence compatible avec l’édition en temps réel.

---

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

C’est ici que le bât blesse. Les annonces de NPU audio promettent des latences inférieures à 10 ms, voire à 2 ms chez AMD pour le traitement audio sur NPU (faits datés 2026). Mais ces chiffres sont mesurés dans des conditions de laboratoire, sur des modèles optimisés, avec des buffers calibrés. En session réelle, la latence perçue dépend de la chaîne complète : convertisseurs, buffer du DAW, plugins en série, et surtout le modèle lui-même.

Prenons un exemple concret. Un modèle de suppression de bruit de type DeepFilterNet traite des fenêtres de quelques dizaines de millisecondes avec chevauchement. Même si le NPU exécute chaque fenêtre en moins d’une milliseconde, l’algorithme introduit par construction un délai algorithmique (le look-ahead) qui peut dépasser les 10 ms annoncés. Le NPU n’y est pour rien : c’est le modèle qui impose sa latence. C’est une distinction que le marketing efface systématiquement, et que l’ingénieur du son doit rétablir.

Sur l’autonomie, même prudence. AMD revendique une efficacité jusqu’à 35× supérieure au CPU sur les mêmes modèles (source : morgannriu.fr), mais cette mesure porte sur des LLM, pas sur des convolutions audio. Un NPU qui traite de l’audio en continu sur batterie consomme néanmoins : les tests d’autonomie en session de mixage avec plugins IA restent, en 2026, une terra incognita. Aucun média spécialisé n’a publié de protocole reproductible sur ce point.

C’est là que la puce THUS d’Anker devient intéressante : en rapprochant le calcul de la mémoire, elle réduit les transferts de données, donc l’énergie consommée par ces transferts. Pour des écouteurs à ANC adaptative ou des aides auditives, où chaque milliwatt compte, cette architecture a un sens physique réel. Mais Anker n’a communiqué ni TOPS ni gain SNR (source : article magazine « Anker THUS AI »), ce qui interdit toute comparaison chiffrée avec Qualcomm ou Intel. Le compute-in-memory est une promesse architecturale, pas encore une donnée mesurable.

---

Ce qui a bougé à l’automne 2026 (et ce qu’il faut en retenir)

L’automne 2026 a été dense, et plusieurs annonces concernent directement la chaîne audio assistée par IA.

Adobe Firefly Audio est passé en disponibilité générale le 20 août 2026, avec trois outils — Générer une musique, Générer la parole, Générer des effets sonores —, un abonnement à 10 dollars par mois, une licence commerciale universelle incluse et une intégration native dans Premiere Pro et After Effects (faits datés 2026). Le modèle de parole est emprunté à ElevenLabs, et Firefly agrège par ailleurs des modèles de Google, Kling AI, Luma AI, OpenAI et Runway. Les données d’entraînement sont annoncées comme uniquement issues de contenu sous licence ou du domaine public. Pour un monteur son, c’est un changement d’échelle : la génération audio entre dans le flux de post-production vidéo, avec une facturation à la génération (crédits génératifs). Mais là encore, l’exécution est cloud : Firefly Audio ne dit rien d’une accélération NPU locale.

NC AI VARCO Sound, annoncé le 20 octobre 2026, propose de « créer et arranger une variété de sons pour une scène unique » avec un générateur de son multipiste (source : prnewswire.com). C’est un signal de plus vers la génération audio scénarisée, mais qui reste, comme Firefly, dans le giron du cloud.

Google Genie 4, dévoilé le 28-29 octobre 2026 par Google DeepMind, est un modèle de monde en temps réel proposé en préversion de recherche à un cercle de testeurs de confiance, avec un audio natif (sources : lemondeinformatique.fr et lefilia.fr). C’est une évolution notable : l’audio n’est plus un ajout, il fait partie du modèle de simulation. Pour l’industrie du son, cela annonce des environnements interactifs où le son est généré en même temps que l’image — une charge qui, à terme, pourrait redescendre sur le silicium local.

Boris FX Samplitude 2026.5 (8 octobre 2026) et Lunacy Audio NOVA (22 septembre 2026) complètent ce tableau : la séparation de stems et les plateformes de blocs IA deviennent des fonctionnalités standard, mais l’architecture d’exécution — locale ou cloud — reste le plus souvent opaque.

Enfin, un point de contexte plus large : la Chine accélère sur ses propres puces IA. Le 23 septembre 2026, Alibaba a dévoilé ce que la presse a qualifié de « puce IA la plus puissante de Chine », dans un contexte de restrictions technologiques américaines (source : presse-citron.net). Pour l’audio, cela pourrait signifier une diversification des accélérateurs embarqués dans les appareils grand public — et donc de nouveaux écosystèmes logiciels à surveiller.

---

Verdict : ce que le NPU tient vraiment, et ce qu’il ne tient pas

Au terme de ce tour d’horizon, la réponse à la question posée en accroche est nuancée.

Ce que le NPU tient vraiment :

• L’efficacité énergétique sur les charges d’inférence soutenues, en particulier pour les petits modèles audio (suppression de bruit, clarté vocale, transcription) qui tournent en continu sur batterie.
• La latence de calcul sur des modèles bien optimisés, à condition que le logiciel route explicitement l’inférence vers le NPU — ce qui reste rare.
• La confidentialité : un traitement local évite d’envoyer des stems ou des voix dans le cloud, un argument de poids pour les studios et les journalistes.

Ce que le NPU ne tient pas (encore) :

• Les promesses de latence globale inférieure à 10 ms : la latence algorithmique des modèles (look-ahead, fenêtrage) domine souvent le calcul NPU.
• La comparaison TOPS : sans benchmark audio standardisé, les chiffres restent des pics théoriques en INT8, non représentatifs des convolutions et FFT audio.
• L’universalité : sans prise en charge logicielle, un NPU de 85 TOPS peut rester inactif pendant que le CPU rame.

Ce qu’il faut surveiller en 2027 :

• L’arrivée — espérée — de benchmarks audio standardisés pour les NPU, sur le modèle de ce que MLPerf a fait pour la vision.
• La généralisation du compute-in-memory (THUS et au-delà), qui pourrait rebattre les cartes de la latence et de l’énergie.
• La transparence des plateformes (NOVA, Samplitude, Firefly) sur l’architecture d’exécution : local ou cloud, NPU ou GPU.
• La montée en puissance de la mémoire : 32 Go deviennent le nouveau plancher pour une session audio IA confortable.

La vraie question n’est donc pas « combien de TOPS », mais « quel modèle, sur quel silicium, avec quel logiciel, pour quelle latence perçue ». Tant que l’industrie n’aura pas répondu à cette question de façon mesurable, le NPU audio restera une promesse brillante sur la fiche technique — et un assistant parfois précieux, parfois silencieux, dans le studio.

---

Sources

• LocalAIMaster — comparaison des NPU 2026
• Morgan Nriu — NPU, TOPS, Ryzen AI et Apple Neural Engine
• Wikipédia — Puce d’accélération de réseaux de neurones (NPU)
• Les Numériques — Qu’est-ce qu’un NPU et à quoi va-t-il servir ?
• Robofutur — PC IA et NPU en 2026 : ce que les TOPS changent vraiment
• Geekom — 80 TOPS : la puissance de calcul IA
• RoEx Audio — Mixage et mastering par IA : ce qui fonctionne vraiment en 2026
• Jipiz.fr — Mixage et Mastering Assistés par IA : Outils et Techniques en 2026
• MusicTech — Lunacy Audio lance NOVA
• AI Digest — Lunacy Audio Nova
• Greg Kocis — Lunacy Audio NOVA : 5 instruments gratuits
• MajorHiFi — Boris FX Samplitude 2026.5 : spatial panner et séparation de stems IA
• PR Newswire — NC AI VARCO Sound
• Le Monde Informatique — Google Genie 4
• Le Fil IA — Genie 4 de Google DeepMind, modèle de monde en temps réel avec audio natif
• Presse-citron — Alibaba dévoile la puce IA la plus puissante de Chine
• La Gazette IA — marché des AI PC (Canalys, mars 2026)
• Article magazine « Anker THUS AI » — puce audio compute-in-memory dévoilée à l’IFA 2026
• Faits datés du magazine : Adobe Firefly Audio (GA 20 août 2026, 10 USD/mois, intégration Premiere Pro et After Effects, modèle ElevenLabs) ; AMD Ryzen AI 400 (55-60 TOPS, +42 à +48 dB SNR, latence < 2 ms) ; Apple M4 (38 TOPS, +28 à +42 dB SNR, latence < 5 ms)