# Microsoft déporte l’inférence pour prolonger l’autonomie des robots > Microsoft montre que le déport de l’inférence vers des GPU périphériques ou cloud améliore les tâches robotiques, les modèles et l’autonomie. Type : Actualité IA · Catégorie : Outils · Publié le 2026-10-25 · Signal IA - Order & Chaos · Secteur : Industrie Source : https://www.orderchaos.eu/signal-ia/actu/microsoft-dope-lautonomie-des-robots-avec-linference-deportee Tags : robotique, inférence, gpu, autonomie, industrie, inference --- ## En résumé - Microsoft associe le déport d’inférence à de meilleurs taux de réussite des robots. - Les GPU périphériques ou cloud permettent d’utiliser des modèles d’intelligence artificielle plus grands. - Le remplacement du calcul embarqué peut améliorer l’autonomie des robots. **Le signal :** Microsoft relie le déport d’inférence à de meilleurs taux de réussite et à une autonomie accrue des robots. **Microsoft déporte l’inférence.** L’exécution exclusive de l’inférence physique sur les GPU embarqués peut limiter les performances des robots. Elle peut aussi réduire leur autonomie et leur capacité de passage à l’échelle. Microsoft présente le déport de l’inférence vers des GPU périphériques ou cloud comme une option aux avantages significatifs. Cette approche améliore les taux de réussite des tâches. Elle permet également d’utiliser des modèles d’intelligence artificielle plus grands. Les robots répondent alors plus efficacement dans des environnements dynamiques. La publication de Microsoft détaille cette approche pour la [robotique](/signal-ia/actu/brain-corp-fait-franchir-un-cap-a-la-robotique-autonome) physique ([lire la publication](https://www.microsoft.com/en-us/research/blog/offloaded-inference-for-real-world-physical-ai-robotics/)). **Le calcul embarqué limite certains robots.** Les contraintes portent d’abord sur les performances, l’autonomie et la capacité de passage à l’échelle. Un robot qui exécute toute l’[inférence](/signal-ia/actu/microsoft-deporte-lia-des-robots-pour-gagner-en-precision) sur ses propres GPU conserve le calcul à bord. Cette organisation peut toutefois limiter les résultats obtenus. Microsoft indique que le déport vers des GPU périphériques ou cloud offre des avantages significatifs. Le déport améliore aussi les performances sur plusieurs charges de travail robotiques. Ces charges couvrent la cartographie, la planification, la navigation et la manipulation. L’enjeu concerne donc plusieurs fonctions essentielles d’un robot physique, plutôt qu’une seule tâche isolée. ## Microsoft améliore quatre charges robotiques **Les tâches gagnent en efficacité.** Le déport de l’inférence améliore significativement les performances des robots en cartographie. Il les améliore également en planification, en navigation et en manipulation. Ces quatre domaines couvrent des opérations distinctes du fonctionnement robotique. La cartographie concerne l’environnement traité par le robot. La planification concerne les actions préparées par le système. La navigation concerne ses déplacements. La manipulation concerne ses interactions avec les objets. Le déport permet aussi aux robots de répondre plus efficacement dans des environnements dynamiques. Microsoft associe enfin cette méthode à de meilleurs taux de réussite des tâches. Ces effets concernent directement les charges robotiques citées. **Les modèles deviennent plus grands.** Le déport de l’inférence permet aux robots d’utiliser des modèles d’intelligence artificielle plus grands. Cette capacité accompagne une amélioration des taux de réussite des tâches. Elle aide également les robots à répondre plus efficacement dans des environnements dynamiques. Le bénéfice concerne donc simultanément la taille des modèles et l’exécution des tâches. Microsoft relie cette approche à plusieurs charges de travail robotiques. La cartographie, la planification, la navigation et la manipulation sont toutes concernées. Le déport ne remplace pas seulement un emplacement de calcul. Il modifie aussi les ressources disponibles pour l’inférence utilisée par ces fonctions robotiques. ## Les GPU embarqués pèsent sur l’autonomie **Jetson Thor consomme davantage.** Les GPU embarqués plus grands, comme Jetson Thor, ont vidé les batteries de robots jusqu’à 160 % pour les robots plus grands. Ce chiffre illustre le poids du calcul embarqué sur l’autonomie. Microsoft indique qu’un remplacement du calcul d’intelligence artificielle embarqué par du matériel léger et une inférence distante peut améliorer la durée de fonctionnement. Le déport vers des GPU périphériques ou [cloud](/signal-ia/actu/microsoft-dope-les-robots-grace-a-linference-deportee) constitue donc l’autre configuration décrite. Cette configuration vise aussi les performances, les modèles et les tâches robotiques. Les gains rapportés concernent la batterie, les résultats des tâches et plusieurs fonctions de fonctionnement robotique. Pour aller plus loin, consultez notre guide sur [déployer un chatbot IA pour le service client](/signal-ia/guides/chatbot-ia-service-client-pme-2026).