Du modèle d'IA au code de production : Le Neural Net Coder réduit la charge de travail et les risques liés aux projets embarqués

Paderborn, 9 juillet 2026. Grâce au Neural Net Coder, dSPACE simplifie l'intégration des réseaux neuronaux dans les systèmes embarqués et accélère 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'expérience plus précoce pendant un projet. Au lieu d'une implémentation manuelle fastidieuse, les développeurs disposent d'un code déterministe prêt à l'emploi, dont le comportement d'exécution prévisible respecte, par exemple, les directives MISRA. Cela constitue un avantage décisif pour les applications critiques sur des unités de contrôle à ressources limitées. Les développeurs bénéficient d'un code C déterministe généré automatiquement et conforme aux normes, dont l’exécution et l'efficacité en termes de ressources sont optimisées sans qu'un réentraînement soit nécessaire. La vérification intégrée est un autre avantage. Des tests back-to-back automatiques permettent de s'assurer que le fonctionnement du code généré est équivalent à celui du 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. Les développeurs peuvent ainsi trouver le juste équilibre entre performances, besoins en ressources et précision des modèles, et adapter plus rapidement leurs applications aux différents équipements cibles.

Le risque de de problèmes d'intégration ultérieurs diminue également de manière significative : Le Neural Net Coder permet aux développeurs d'estimer la durée d'exécution et les besoins en mémoire dès les premières étapes du processus de développement. Cela réduit le nombre d'itérations, ainsi que la charge de travail nécessaire 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 conformément aux exigences de temps réel et aux spécifications de sécurité.

« Grâce à son intégration flexible dans les chaînes d'outils existantes basées sur un code, ainsi que dans les environnements de développement basés sur des modèles tels que dSPACE TargetLink, cette solution s'adapte parfaitement aux flux de travail établis et permet d'inclure l'IA dans les workflows embarqués plus rapidement, plus efficacement et de manière plus sécurisée », explique Sören Grannemann, Chef de produit chargé de la Génération de code chez dSPACE.