Raspberry Pi continue d’accélérer sa transformation en véritable plateforme d’IA embarquée. Avec la dernière mise à jour de Raspberry Pi OS (version Trixie), la fondation apporte deux évolutions majeures : le support complet de l’AI HAT+ et un nouvel outil de debug indispensable pour la AI Camera.
Ce n’est pas une simple mise à niveau : c’est un jalon clé pour tous ceux qui bricolent, prototypent, optimisent ou déploient des modèles d’IA directement en edge (concerne le déploiement d’algorithmes et de modèles d’IA dans un environnement d’edge computing).
AI HAT+ : enfin exploité à 100 % sous Raspberry Pi OS Trixie
À 100 euros sur Amazon, AI HAT+ était déjà impressionnant sur le papier, mais c’est avec cette mise à jour qu’il dévoile vraiment son potentiel. Son accélérateur Hailo embarqué — 26 TOPS — n’a rien d’un gadget. C’est suffisant pour du traitement d’image en temps réel, de la vision embarquée complexe, du calcul neuronal intensif, et des modèles optimisés pour le edge sans compromis sur la réactivité.
Mais, la vraie surprise est ailleurs.
Une nouveauté technique… qui change tout : le driver Hailo passe en DKMS
Raspberry Pi a pris une décision stratégique : sortir le driver Hailo du kernel et le migrer vers un module DKMS, compilé dynamiquement à l’installation.
En clair :
- Plus besoin de lier versions driver ↔ kernel.
- Plus de flexibilité pour les mises à jour.
- Et surtout, la possibilité de downgrader le driver sans revenir à un ancien noyau.
Pour tous ceux qui utilisent des modèles générés avec une ancienne version du Hailo Dataflow Compiler, c’est une bénédiction. Plus de risque de casser votre pipeline juste parce qu’une MAJ kernel est passée par là.
La procédure d’installation reste quasi inchangée : il suffit simplement d’installer DKMS avant le package hailo-all. Une petite subtilité pour une grande liberté.
L’AI Camera reçoit enfin la fonction la plus demandée : l’injection de tensors
Depuis son lancement, les développeurs réclamaient un outil : la possibilité d’injecter manuellement des tensors pour tester leurs modèles. C’est désormais chose faite.
Pourquoi c’est un game changer ?
Parce que déployer un modèle IA en edge est la partie facile. Le vrai défi, c’est de valider sa qualité, sa stabilité, ses performances, et sa robustesse en condition réelle. L’injection de tensors est une méthode de debug fiable et répétable : vous pouvez alimenter le modèle avec des images d’un dataset — COCO, custom ou autre — et vérifier en boucle son comportement.
Pas besoin de caméra réelle. Pas besoin de conditions de test complexes. Pas besoin de contourner les layers internes du réseau.
C’est la feature qui manquait pour passer du bricolage à la production.
Comment activer les nouveaux outils ?
Comme souvent avec Raspberry Pi, rien de plus simple :
sudo apt updatesudo apt full-upgrade—y
L’équipe fournit même un script d’exemple pour tester l’injection de tensors immédiatement.
Raspberry Pi se positionne enfin comme une plateforme IA mature
Entre le AI HAT+ désormais pleinement intégré, la flexibilité accrue des drivers via DKMS, et une AI Camera qui gagne des outils de debug dignes d’un framework pro… Raspberry Pi parle clairement à une nouvelle audience : celle d’un IA edge sérieux, où performance, fiabilité et itération rapide sont essentielles.
Ce n’est plus seulement un gadget de makers. C’est une stack matérielle + logicielle qui commence à rivaliser avec les solutions industrielles… pour une fraction du prix.