Expertises Techniques & Architectures Intelligentes
GM-Connect conçoit des systèmes connectés capables d'acquérir les signaux physiques du monde réel, d'exécuter l'inférence localement au plus près des contraintes matérielles, et de développer des comportements autonomes et interactifs.
Modèles Légers & Inférence Locale Embarquée
Conception et déploiement de modèles neuronaux légers exécutés directement sur microcontrôleurs 32-bit et passerelles Edge. Inférence locale garantissant une autonomie totale, une latence déterministe et une préservation absolue de la confidentialité sans dépendance cloud.
Modélisation & Déploiement sur Cibles Contraintes
Exploration, quantification et conversion de modèles TensorFlow vers des architectures contraintes en RAM et en stockage flash. Traduction d'entrées sensorielles complexes en états comportementaux déterministes (ex: inférence Mood_ID dans AÉRA IoC).
Firmware Décisionnel & Machines à États Internes
Développement firmware bare-metal et sous FreeRTOS intégrant logique décisionnelle, machines à états finis réactives, surveillance de l'intégrité des capteurs, chiens de garde matériels et bascules automatiques en modes dégradés sécurisés.
Personnalités Logicielles & Systèmes Autonomes Distribués
Architectures de systèmes connectés où chaque unité possède une identité logicielle stable, une mémoire des événements critiques et des règles d'interactions sociales locales (matrice de dialogue, arbitrage pair-à-pair et dynamique collective émergente).
Acquisition Physique & Intelligence Sensible au Contexte
Conditionnement de signaux physiques et fusion contextuelle multi-paramètres : surveillance barométrique, hygrométrie capacitive de sol anti-corrosion, radar FMCW 24 GHz et détection précoce d'anomalies par corrélation temporelle.
Systèmes Connectés Résilients & Communications Locales
Liaisons radiofréquences sécurisées pour environnements sans infrastructure. Topologies maillées sub-GHz (LoRa 868 MHz), protocoles pair-à-pair locaux (ESP-NOW), protocoles industriels MQTT et rétention tampon en cas d'isolement.
Cycle de Vie du Modèle & Amélioration Continue
Méthodologie rigoureuse de collecte de données de terrain, préparation de jeux d'apprentissage, réentraînement hors-ligne sur station de calcul, validation sur métriques cibles, optimisation post-entraînement (quantification INT8) et mise à jour firmware.
L'Inférence Locale au Plus Près des Signaux Physiques
Plutôt que d'expédier massivement les données brutes de capteurs vers des datacenters distants, GM-Connect privilégie l'exécution locale des modèles d'apprentissage sur microcontrôleurs 32-bit et passerelles industrielles.
A. Edge AI & Inférence Locale
Exécution de modèles quantifiés (INT8 / float16) optimisés pour quelques centaines de kilo-octets de mémoire SRAM. Cette démarche élimine la dépendance à une liaison montante permanente, réduit drastiquement l'empreinte énergétique et garantit une latence d'inférence inférieure à 50 ms.
B. TensorFlow & TensorFlow Lite Micro
Exploitation du framework TensorFlow Lite Micro pour traduire les tenseurs de capteurs en identifiants d'états. Dans le projet AÉRA IoC, le modèle converti évalue les séries temporelles pour calculer l'état Mood_ID, qui est ensuite exploité par la machine narrative locale de l'ESP32.
C. Intelligence Sensible au Contexte
Dépassement du modèle binaire des seuils isolés. Les algorithmes fusionnent : les grandeurs physiques (pression, hygrométrie, radar FMCW), la dérive thermique observée, l'intégrité fonctionnelle des capteurs, l'historique des événements récents et la présence de pairs sur le réseau local.
D. Intelligence Intégrée au Firmware
Intégration directe de la logique de décision dans le code source C++ sous FreeRTOS : gestion des tâches prioritaires, synchronisation inter-cœurs, chien de garde matériel (watchdog) et isolation des routines de communication radio.
Systèmes Connectés à Identités Logicielles & Dynamique Distribuée
L'IoC est une architecture expérimentale développée au sein du laboratoire GM-Connect. Elle explore la conception d'objets connectés physiques dotés d'identités logicielles stables, d'une mémoire contextuelle des événements et de règles d'interaction collective distribuée.
Chaque station héberge un profil comportemental invariant qui colore ses réactions et son style d'expression face aux mêmes grandeurs physiques.
Les données de capteurs alimentent une machine à états neuronale déduisant un état interne (ex: Mood_ID), orientant le comportement sans logique prévisible binaire.
Un événement critique ne s'efface pas avec le retour à la normale : les stations conservent une trace flash des traumatismes pour adapter leurs futures réactions.
Les entités communiquent sur leur propre réseau local (Wi-Fi / ESP-NOW) sans passer par l'application pour créer ou synchroniser leurs conversations.
Émergence de règles de gouvernance selon l'échelle : 1 pot (solitude), 2 pots (rivalité & jeu PFC), 3+ pots (civilisation et élection d'un chef coordonnateur).
La défaillance d'un composant (ex: échec d'arrosage répété) interrompt immédiatement la comédie sociale pour basculer en mode alerte prioritaire unifiée.
Distinction Rigoureuse entre Inférence, Réentraînement et Apprentissage
Pour maintenir une crédibilité d'ingénierie absolue, GM-Connect sépare formellement les trois mécanismes d'évolution de l'IA :
Le modèle entraîné et quantifié en amont est figé dans la mémoire Flash du microcontrôleur (ESP32). Il s'exécute en local pour produire des états (latence minimale, zéro recalcul de gradient).
Les données de terrain et anomalies enregistrées sont collectées, étiquetées et injectées dans un cycle de réentraînement hors-ligne sur station de calcul, avant redéploiement d'un nouveau binaire firmware.
L'adaptation de poids neuronaux continus sur la puce elle-même n'est pas revendiquée sur nos microcontrôleurs contraints. L'évolution perçue sur le terrain provient de l'historique mémoire et des machines à états.
[ Données de Terrain (Capteurs BME680, FMCW, Piézo) ]
│
▼
[ Collecte & Préparation des Datasets (Filtrage, Nettoyage, Équilibrage) ]
│
▼
[ Entraînement sur Station de Calcul (TensorFlow / Keras / PyTorch) ]
│
▼
[ Validation Métrique & Évaluation de Performance (Matrice de Confusion) ]
│
▼
[ Optimisation Post-Training (Quantification INT8, Pruning avec TFLite) ]
│
▼
[ Intégration Firmware & Déploiement Edge (Téléversement Flash / OTA) ]
│
▼
[ Inférence Locale Déterministe sur Cible Embarquée (ESP32, Microcontrôleurs 32-bit) ]
│
▼
[ Surveillance des Anomalies & Collecte de Nouvelles Observations ] ───(Boucle de retour)Simulateur d'Écosystème & Dynamique des Consciences
Visualisation interactive de la relation entre mesures physiques, inférence locale, archétypes et dynamique sociale.
« Dérive barométrique analogue à l'orage violent du cycle 14. Nœuds, verrouillez les réservoirs et signalez l'état des drains. »
« Corrélation BME680 validée : pente de -0.2 hPa/min. Seuil de condensation atteint sous 28 minutes. »
« L'air se gorge de mystère et d'électricité. Nos feuilles s'inclinent devant le souffle céleste. »