Paderborn, 7 juillet 2026. Grâce au Neural Net Coder, dSPACE simplifie l’intégration des réseaux neuronaux dans les systèmes embarqués, accélérant ainsi le passage des modèles d’IA à la production. Cette nouvelle solution génère automatiquement du code C prêt pour la production à partir de modèles d’IA entraînés, quel que soit l’environnement de développement utilisé pour l’entraînement de l’IA.

Pour les services de développement, cela se traduit avant tout par une réduction de la charge de travail et un retour d’information plus rapide au cours d’un projet. Au lieu d’une implémentation manuelle chronophage, les développeurs reçoivent un code prêt à l’emploi et déterministe, dont le comportement en exécution est prévisible et qui respecte, par exemple, les directives MISRA. Il s’agit là d’un avantage décisif pour les applications critiques en matière de sécurité sur des unités de contrôle aux ressources limitées. Les développeurs bénéficient d’un code C généré automatiquement, déterministe et conforme aux normes, dont les performances d’exécution et l’efficacité en termes de ressources sont optimisées sans nécessiter de réentraînement. Un autre avantage réside dans la vérification intégrée. Des tests automatiques « back-to-back » garantissent que le code généré est fonctionnellement équivalent au réseau neuronal d’origine. Cela favorise la transparence et la confiance, en particulier dans les processus de développement liés à la sécurité.

De plus, l’optimisation post-entraînement permet de réduire les besoins en mémoire et en puissance de calcul sans avoir à réentraîner le modèle. Cela permet aux développeurs de trouver le juste équilibre entre les performances, les besoins en ressources et la précision du modèle, et d’adapter plus rapidement leurs applications aux différents matériels cibles.

Le risque de rencontrer des problèmes d’intégration ultérieurement diminue également de manière significative : Neural Net Coder permet aux développeurs d’estimer les besoins en temps d’exécution et en mémoire dès les premières étapes du processus de développement. Cela réduit le nombre d’itérations ainsi que l’effort et la durée des projets d’IA.

Parmi les applications typiques, on peut citer les capteurs virtuels, tels que ceux utilisés pour déterminer l’état des batteries ou d’autres paramètres difficiles à mesurer. Dans ce contexte, le Neural Net Coder permet une utilisation fiable de l’IA dans des environnements soumis à des exigences de temps réel et de sécurité.

« Grâce à son intégration flexible dans les chaînes d’outils existantes basées sur le code, ainsi que dans les environnements de développement basés sur des modèles tels que dSPACE TargetLink, cette solution s’intègre parfaitement aux flux de travail établis et permet d’intégrer l’IA dans les applications embarquées plus rapidement, plus efficacement et de manière plus sécurisée », explique Sören Grannemann, Chef de produit chargé de la génération de code chez dSPACE.

Neural Net Coder génère automatiquement du code C prêt à l’emploi à partir de modèles d’IA entraînés, quel que soit l’environnement de développement utilisé pour l’entraînement de l’IA.