Motif de la recommandation :Le projet montre comment deux potentiomètres rotatifs et un microcontrôleur RA6M5 recréent le contrôle tactile d'une bande magnétique sur de l'audio numérique, avec les bibliothèques Arduino publiées en open source.
NearMeter Technologies LLC présente NINASENSE nRF, une plateforme de détection sans fil open source basée sur le microcontrôleur nRF52832 de Nordic Semiconductor.
Motif de la recommandation :La plateforme de capteurs sans fil open source et son logiciel de programmation en langage naturel montrent comment le matériel à faible consommation peut être configuré sans écrire de code.
Motif de la recommandation :L'article détaille les API Swift, les moteurs interchangeables et les taux d'erreur mesurés, ce qui permet d'évaluer le choix d'un moteur local pour la reconnaissance vocale et la prise de décision.
Motif de la recommandation :L'article détaille la structure imprimée en trois couches, les performances de refroidissement et les limites restantes, utile pour situer la fabrication additive dans les implants multifonctions.
LattePanda Sigma 2 est un serveur monocarte compact à 2600 $ équipé du SoC Intel Core Ultra X7 358H (Panther Lake-H) avec GPU Intel Arc B390 et NPU 50 TOPS.
Synaptics dévoile la famille xMCU, qui associe pour la première fois les cœurs Arm Cortex-M85 et Cortex-M52 et intègre une DRAM personnalisée pouvant atteindre plusieurs centaines de mégaoctets aux côtés du MCU. Cette combinaison vise à exécuter l'IA multimodale en périphérie directement sur microcontrôleur.
La session Summit 2026 montre comment collecter des données de capteurs de haute qualité avec DEEPCRAFT™ Studio afin d'entraîner et d'exécuter des modèles d'IA en périphérie (edge). Elle couvre le parcours complet, de la vision par ordinateur à la fusion de capteurs, pour aider les porteurs de projets d'IA embarquée à rassembler leurs données et à déployer leurs modèles sur l'appareil.
Motif de la recommandation :Le tutoriel détaille une méthode concrète pour exposer la page web d'un ESP32 sans redirection de port ni VPN, avec les coûts mémoire mesurés.
Motif de la recommandation :Des mesures concrètes montrent que l'e-paper à 30 FPS ne consomme que 7,4 mA et que 2,16 millions de trames n'ont pas encore provoqué de dommage permanent.
Motif de la recommandation :Le MLX300 de TetraMem étend le calcul analogique en mémoire à un nœud FinFET 12 nm, avec 64 millions de paramètres INT4 sur puce et une efficacité visée supérieure à 50 TOPS/W.
Motif de la recommandation :Le montage détaille les composants, les contraintes de port et les étapes d'assemblage, utile à qui veut reproduire un projet LED à porter.
Motif de la recommandation :Une implémentation C99 indépendante du modèle Whistle sur ESP32-S3, avec les détails de quantification int8 et les chiffres de précision mesurés.
Des chercheurs du MIT ont mis au point LUCID, un dispositif implantable d'administration de médicaments destiné à prévenir la récidive du glioblastome. Ce dispositif flexible.
Motif de la recommandation :Le projet montre comment les couches Gated DeltaNet de Qwen3.5-4B servent de mémoire adressable, avec des scores comparés sur DeepMind math et NUPA.
Survival LLM est un assistant IA gratuit et open source qui fonctionne entièrement sur une machine locale et répond à partir de références stockées en citant les articles utilisés avec le passage exact surligné. La bibliothèque comprend des références médicales, des recommandations du FEMA et du CDC, des manuels de survie, des guides de réparation et environ 930 000 articles Wikipédia ; le téléchargement complet fait 9 Go, ou 19 Go une fois installé, et une version réduite sans Wikipédia ni iFixit fait 1,3 Go. L'installation nécessite une connexion internet et prend de 20 minutes à environ 2h30, puis l'application fonctionne hors ligne sans compte ni suivi, en vérifiant la mémoire disponible pour télécharger un modèle adapté ; elle tourne sur Mac Apple Silicon avec macOS 14 ou plus récent et Windows 10 ou 11 64 bits, et les développeurs ont mesuré environ 100 W sur un MacBook Pro lors des réponses, à raison de 5 à 40 secondes par question.
Motif de la recommandation :Présente une solution d'assistant IA hors ligne avec citations et une bibliothèque de secours de 9 Go, utile pour comprendre les compromis d'un déploiement local.
Motif de la recommandation :Le projet montre qu'une reconnaissance vocale en flux peut tourner sur un ESP32-P4 sans cloud, avec des chiffres de latence et de précision à l'appui.
Motif de la recommandation :L'article détaille les astuces d'implémentation SIMD sur ESP32-S3 et le gain de débit, utile pour l'optimisation de la vision embarquée.
Meta a lancé discrètement Waddle World, un jeu de type tamagotchi en 16-bit où des créatures virtuelles discutent avec l'utilisateur et dessinent des doodles pour illustrer les conversations. L'application, gratuite et réservée aux adultes aux Philippines selon les fiches App Store et Play Store, se présente comme « un journal intime déguisé en animal de compagnie » et privilégie la voix plutôt que la saisie. Meta a également lancé une app de mode IA appelée Style Sketch, disponible selon Matt Navarra uniquement en Indonésie, à Singapour et en Thaïlande, sans indication sur une éventuelle sortie aux États-Unis ou ailleurs.
L'assistant IA DIY VA5, conçu par Udi Tirosh, repose sur un microcontrôleur ESP32-S3 et coûte environ 20 $. Il capture la voix via un microphone INMP441.
Sebastian Staacks, du projet There Oughta Be, a construit un masque capable de changer de visage grâce à deux matrices LED 128×64 pilotées par un Raspberry Pi Pico 2 W.
Motif de la recommandation :LFM3 détaille une architecture tri-hybride et six modèles 2B partageant un même socle, avec des chiffres comparatifs face à LFM2 et Qwen.
Le maker Asten a présenté Bot Reborn, un projet open source qui transforme un robot jouet Silverlit Maze Breaker à environ 4 dollars en robot contrôlé par la voix. Le système contourne le contrôleur d'origine en soudant quatre fils vers un FT232H, un smartphone Android fixé au robot servant d'écran, de microphone et de haut-parleur via WebUSB, tandis qu'un serveur Node.js coordonne la reconnaissance vocale et les commandes moteur. Pour éviter la latence d'un grand modèle, Asten a fine-tuné Qwen3.5-0.8B sur 490 exemples pendant environ 30 minutes sur un GPU gratuit de Google Colab, avec une précision de 86,6 % sur 164 exemples de test et une classification en environ 200 ms sur un Mac mini M4, les commandes n'étant exécutées qu'au-delà de 80 % de confiance. Le code source, le jeu de données et le modèle fine-tuné sont publics.
Motif de la recommandation :Le projet montre comment un petit modèle fine-tuné classe les commandes vocales en environ 200 ms, une méthode réutilisable pour réduire la latence d'un agent vocal.
Un ingénieur principal de Thomson Reuters a testé le codage hors ligne depuis les contreforts de l'Himalaya en faisant tourner OpenCode 1.19.4 avec le modèle open-weight Qwen3.5 9B via Ollama sur son laptop. Le modèle Qwen3.5 9B affiche des scores publiés de 65,6 sur LiveCodeBench v6 et 66,1 sur BFCL-V4, pour un téléchargement de 6,6 à 7,6 Go et un budget mémoire de 12 à 16 Go. Les tâches possibles hors ligne incluent l'explication de fonctions, l'investigation de tests échoués et le refactoring, tandis que l'installation de nouveaux packages ou la recherche web nécessitent toujours une connexion.