Pendant des années, l’edge AI était cantonnée aux démos. En 2025, on commence à en voir dans nos missions chez des industriels et des retailers. Les NPUs intégrés, la maturité de modèles compacts et la baisse du coût du matériel changent la donne. Quels sont les premiers déploiements pragmatiques ?
Cas d’usage 1 : vision industrielle
Détecter en temps réel sur une chaîne de production un défaut visuel, une pièce mal positionnée, un emballage abîmé : un Jetson Orin Nano (300€) + un modèle YOLOv10 compact suffisent. La latence cloud n’est plus une option à 30 images/seconde.
Cas d’usage 2 : analyse de flux client
Compter, classer et analyser les flux dans un magasin sans envoyer une seule image au cloud (RGPD-compliant). Un Mac Mini M2 ou un PC industriel avec NPU traite 2 à 4 caméras en parallèle, en local.
Cas d’usage 3 : assistance audio en zone bruyante
Transcription en temps réel sur appareils mobiles (équipes de maintenance, terrain). Whisper Large embarqué + un modèle de classification compact tournent sur un iPhone récent. Aucun envoi cloud requis, fonctionne hors-réseau.
Le coût total réel
Un premier projet edge se monte typiquement à 15-30k€ en investissement (matériel + intégration), avec des coûts récurrents minimes. Vs un projet cloud équivalent : 5-10k€/mois d’API et de bandwidth. Sur 12 mois, l’edge devient rentable au-dessus d’un certain volume — et donne la confidentialité en bonus.
