Intelligence artificielle
Entraîner l’IA avec la fibre optique : un bond basé sur la lumière
Ajouter Securities.io à vos sources préférées sur Google
Pourquoi la fibre optique pourrait remplacer l’électricité dans le calcul de l’IA
Depuis les débuts de l’informatique, presque tous les ordinateurs reposent d’une manière ou d’une autre sur des calculs utilisant l’électricité, des anciens tubes à vide aux puces de silicium modernes à l’échelle nanométrique.
À mesure que les puces de silicium rétrécissent, les chercheurs explorent de nouvelles façons de construire des ordinateurs capables de dépasser leurs limites, un sujet abordé dans « Top 10 des entreprises d’informatique sans silicium ».
Ces méthodes comprennent notamment l’emploi d’autres matériaux, tels que le carbure de carbone, le dioxyde de vanadium, les matériaux organiques ou le graphène. Une autre voie consiste à modifier la façon d’effectuer les calculs en s’éloignant de la programmation binaire de l’informatique électrique, notamment avec l’informatique quantique et la photonique.
La photonique utilise la lumière plutôt que l’électricité pour encoder et transférer l’information. Jusqu’à présent, celle-ci était toutefois encore convertie en signal binaire, empêchant une forme de calcul entièrement fondée sur la lumière.
La situation a changé grâce aux travaux de chercheurs de l’université de Tampere, en Finlande, et de l’Université Marie et Louis Pasteur, à Besançon. Ils ont utilisé la fibre optique pour réaliser des calculs ultrarapides et publié leurs résultats dans la revue scientifique Optics Letters1, sous le titre « Limites de la propagation non linéaire et dispersive dans une machine d’apprentissage extrême à fibre optique ».
Limites de la formation traditionnelle de l’IA avec des systèmes électroniques
L’entraînement de l’IA et le traitement des données atteignent des limites d’efficacité, car la consommation d’énergie et la vitesse de traitement restreignent de plus en plus les calculs d’IA.
Les calculs fondés sur la lumière pourraient au contraire être des milliers de fois plus rapides et encoder les données dans d’infimes différences d’énergie, ce qui les rendrait plus efficaces. Jusqu’ici, aucun calcul direct utilisant la lumière n’avait toutefois été réalisé.
Les chercheurs ont employé une architecture informatique particulière appelée Extreme Learning Machine (ELM), une approche inspirée des réseaux neuronaux.
Les ELM peuvent notamment apprendre à partir des données d’entraînement en une seule étape et reposent sur un algorithme relativement simple.
En règle générale, une ELM convient peu aux tâches très complexes nécessitant plusieurs couches d’entraînement, mais elle peut exécuter efficacement certaines tâches précises, comme la reconnaissance visuelle.
Comment les chercheurs ont encodé des images à l’aide de fibres optiques
Les chercheurs ont construit un système ELM optique avec des impulsions laser femtoseconde, un milliard de fois plus brèves qu’un flash d’appareil photo, et une fibre optique confinant la lumière dans une zone plus fine qu’une fraction de cheveu humain.
Les impulsions sont assez brèves pour contenir de nombreuses longueurs d’onde ou couleurs différentes, créant ainsi un riche jeu de données.
Ils ont ensuite envoyé ces données dans la fibre avec un retard relatif encodé selon une image.
Source : Université de Tampere
Le rôle de l’optique non linéaire dans le traitement de l’IA
Cette forme d’encodage des données a été transformée par l’interaction non linéaire entre la lumière et le verre.
L’optique linéaire est l’optique classique enseignée à l’école, dans laquelle la lumière interagit par exemple directement avec un prisme.
En optique non linéaire, la réaction du milieu traversé dépend de la longueur d’onde, de l’intensité, de la direction et de la polarisation de la lumière.
Les composants optiques non linéaires peuvent faire fusionner des photons de fréquences différentes et créer de nouveaux photons à de nouvelles fréquences.
« Au lieu d’utiliser l’électronique et les algorithmes classiques, le calcul exploite l’interaction non linéaire entre des impulsions lumineuses intenses et le verre. »
L’interaction non linéaire et l’algorithme Extreme Learning Machine (ELM) ont permis d’entraîner une IA à classer des chiffres manuscrits, comme ceux du célèbre benchmark d’IA MNIST.
Source : Optics Letters
Les meilleurs systèmes ont dépassé 91 % de précision, un résultat proche des méthodes numériques les plus avancées.
Ce résultat est exceptionnel parce qu’il a été obtenu en moins d’une picoseconde, soit un billionième de seconde (0,000000000001 seconde).
Optimisation idéale
Les meilleurs résultats n’ont pas été obtenus au niveau maximal d’interaction non linéaire ou de complexité.
Ils nécessitaient plutôt un équilibre délicat entre la longueur de la fibre, la dispersion — la différence de vitesse de propagation entre les longueurs d’onde — et les niveaux de puissance.
« Les performances ne consistent pas simplement à injecter davantage de puissance dans la fibre. Elles dépendent de la précision avec laquelle la lumière est initialement structurée, autrement dit de la façon dont l’information est encodée, et de son interaction avec les propriétés de la fibre. »
Les ordinateurs à fibre optique sont-ils l’avenir de l’IA ?
Entraîner une IA uniquement avec la lumière rompt radicalement avec toutes les méthodes employées jusqu’ici. Cette méthode ne conviendra probablement pas à tous les types de données, mais, lorsqu’elle s’applique, elle pourrait être 1 000 fois plus économe en énergie et jusqu’à un million de fois plus rapide.
« Nos modèles montrent comment la dispersion, la non-linéarité et même le bruit quantique influencent les performances, fournissant des connaissances essentielles pour concevoir la prochaine génération de systèmes d’IA hybrides optoélectroniques. »
Une telle approche déléguerait probablement une partie des calculs d’IA à un matériel à fibre optique non linéaire conçu sur mesure. Les tâches répétitives, comme l’identification visuelle, conviendraient donc mieux que le traitement de nouvelles données.
« Ces travaux montrent comment la recherche fondamentale en optique fibrée non linéaire peut susciter de nouvelles approches du calcul. En associant physique et apprentissage automatique, nous ouvrons de nouvelles voies vers du matériel d’IA ultrarapide et économe en énergie. »
Les applications potentielles vont du traitement des signaux en temps réel à la surveillance environnementale et à l’inférence d’IA à grande vitesse.
Ces travaux n’en sont toutefois qu’à la démonstration des principes fondamentaux de la technique et restent loin de la commercialisation.
Ils montrent néanmoins que la photonique devrait prendre une place croissante dans l’industrie informatique, car les lois fondamentales de la physique peuvent rendre la lumière supérieure à l’électricité pour certaines applications.
Principale entreprise cotée de lasers et photonique
Coherent (II-VI Marlow): Un leader de l’innovation laser
COHR Graphique du prix
Coherent est un grand conglomérat industriel de plus de 26 000 employés et un leader des technologies laser. Il est né de la fusion du spécialiste des matériaux avancés II-VI (COHR ) Marlow avec le fabricant de lasers Coherent.
L’entreprise est spécialisée dans les matériaux avancés utilisés pour les lasers, l’optique et la photonique, notamment le phosphure d’indium, les plaquettes épitaxiales et l’arséniure de gallium.
Grâce principalement à plusieurs acquisitions, son chiffre d’affaires est passé de 600 millions de dollars en 2013 à 4,7 milliards en 2024.
L’entreprise tire directement 29 % de ses revenus des lasers, le reste provenant d’équipements associés comme les fibres optiques et l’électronique. L’instrumentation comprend surtout des applications en sciences de la vie et en médecine.
Source : Coherent
Sa présence dans les matériaux avancés comme le thermophotovoltaïque, que nous avons abordé dans un article précédent, le carbure de silicium, les lasers et l’électronique lui permet de profiter de tendances structurelles comme la fabrication de précision, la fabrication additive (impression 3D), l’électrification et les énergies renouvelables.
L’entreprise a récemment séparé son activité de carbure de silicium dans une nouvelle entité détenue à 75 % par Coherent. Le reste appartient à parts égales à Mitsubishi Electric, qui apporte sa propriété intellectuelle en électronique de puissance au carbure de silicium, et à Denso, fournisseur automobile actif dans l’électrification et les semi-conducteurs de puissance.
Le carbure de silicium devient en effet une technologie à part entière, surtout employée dans les applications de forte puissance comme les véhicules électriques, les batteries et les énergies renouvelables.
Coherent est un leader de la détection LIDAR et 3D numérique, notamment pour la conduite autonome, des cellules de flux de séquençage de nouvelle génération (NGS) en biotechnologie et des lasers pour la fabrication de semi-conducteurs. L’entreprise prévoit une croissance de 8 à 20 % sur ses principaux marchés.
Source : Coherent
D’autres nouveaux usages possibles des lasers, comme les armes à énergie dirigée, le calcul photonique, la fusion nucléaire et les technologies spatiales, pourraient également soutenir la croissance à long terme.
Pour les investisseurs intéressés par le secteur, Coherent est presque une entreprise laser cotée « pure play », avec une forte intégration verticale et plus de 3 100 brevets protégeant ses innovations.
À mesure que la photonique progresse, la demande de systèmes laser ultrarapides et ultraprécis, ainsi que de lasers pour les télécommunications optiques, augmentera.
Dernières nouvelles et développements des actions Coherent (COHR)
Étude référencée
1. Andrei V. Ermolaev, Mathilde Hary, et al. Limites de la propagation non linéaire et dispersive dans une machine d’apprentissage extrême à fibre optique. Optics Letters. Vol. 50, no 13, p. 4166-4169 (2025) https://doi.org/10.1364/OL.562186
