- Le concepteur de puces Nordic Semiconductor a annoncé l’extension d’outils d’assistance par intelligence artificielle (IA) à l’intégralité du cycle de vie des produits de l’Internet des objets (IoT).
- Cette mise en œuvre technique englobe le flux complet de développement, depuis l’évaluation des premiers prototypes matériels jusqu’au suivi analytique des flottes d’équipements en exploitation.
Contrairement aux solutions conventionnelles d’aide au codage qui opèrent exclusivement au niveau de l’éditeur de texte (IDE), la configuration proposée interconnecte le matériel, les couches logicielles du kit de développement (SDK) et les services cloud de l’entreprise norvégienne. Cette convergence permet de structurer les échanges de données et le débogage sous la forme d’un flux contextuel unique.
Interopérabilité via les serveurs MCP
Sur le plan de l’architecture logicielle, le dispositif s’appuie sur le protocole MCP (Model Context Protocol). L’utilisation de serveurs MCP spécifiques permet d’assurer la compatibilité avec les différents modèles de langage et assistants IA du marché choisis par les ingénieurs. Ce protocole sert de passerelle technique, fournissant à l’agent d’IA les données contextuelles exactes du composant, des registres matériels et de l’état du système.
Cette approche vise à réduire le nombre d’itérations nécessaires à la génération d’un code fonctionnel et à limiter la consommation de jetons (tokens) lors des requêtes adressées aux services d’IA distants. Le processus cible trois phases du cycle de développement des solutions sans fil : le prototypage initial sur kit d’évaluation, la phase de compilation et de validation du micrologiciel (firmware), et enfin le diagnostic après déploiement. L’intégration s’étend de la configuration initiale de cartes personnalisées et des migrations de versions de SDK jusqu’à la télémesure et l’analyse des causes de pannes (root-cause analysis) sur les terminaux distants.
Analyse unifiée et maintenance des flottes
La continuité opérationnelle de la solution réside dans sa capacité à exploiter les informations issues du terrain pour corriger le micrologiciel. En cas de défaillance ou de comportement anormal sur une flotte d’appareils IoT déployés, les données de télémesure et les journaux d’erreurs remontés par le cloud sont injectés dans l’environnement de développement assisté par IA.
L’ingénieur peut alors mener un diagnostic au sein d’une interface de discussion unifiée. L’IA analyse les rapports de panne en corrélation avec le code source et l’architecture matérielle du composant cible. Cette simplification des flux d’ingénierie vise à standardiser les procédures de maintenance corrective et à optimiser la fiabilité logicielle globale des systèmes embarqués contraints en ressources.
