Technologie

L'IA embarquée chez Movelytics

L'IA embarquée, c'est un modèle qui tourne là où la donnée est captée : sur le téléphone de l'utilisateur, ou sur l'infrastructure du client. Chez Movelytics, l'image de la caméra, les points clés, les angles articulaires et le comptage des répétitions sont tous calculés sur le téléphone, en temps réel. La seule chose qui nous parvient est une mesure d'usage, pour la facturation.

Dernière mise à jour :

Saut vertical · angles du genou et de la chevilleIllustration. Séquence de pose dessinée, pas une inférence en direct.

01Définition

Ce que veut dire l'inférence sur l'appareil

L'inférence, c'est le moment où l'on se sert d'un modèle entraîné : une entrée arrive, un résultat sort. L'inférence sur l'appareil signifie que ce calcul a lieu sur le matériel qui a capté l'entrée. Pour une app de mouvement, le téléphone qui filme l'utilisateur est aussi l'ordinateur qui analyse ce qu'il filme.

L'autre option est l'inférence dans le cloud. L'app enregistre une vidéo, l'envoie, un serveur fait tourner le modèle, et le résultat revient. Cette architecture est simple à construire et convient à une analyse après coup. Elle ne convient plus quand la personne a besoin d'un retour pendant le mouvement, quand la connexion est mauvaise, ou quand la vidéo ne doit tout simplement pas quitter le téléphone.

Nous avons retenu la première architecture pour tous nos produits qui regardent un corps. Elle apporte trois propriétés difficiles à obtenir autrement :

  • Le temps réel. Un résultat arrive pour chaque image, sans aller-retour réseau. Une répétition est comptée quand elle se termine, pas quelques secondes plus tard.
  • La confidentialité par construction. La vidéo ne nous est jamais envoyée : nous n'avons donc aucune vidéo à stocker, à laisser fuiter ou à vendre.
  • Un coût qui ne grandit pas avec les minutes de vidéo. Le calcul tourne sur un matériel que l'utilisateur possède déjà.

Le prix à payer, c'est l'ingénierie. Un téléphone a un petit processeur, une batterie et une limite thermique, et il existe des milliers de modèles de téléphones. L'essentiel de notre travail est là.

02Chaîne de traitement

De la caméra au comptage des répétitions, sans quitter le téléphone

Une fonctionnalité de mouvement est une chaîne de quatre étapes. Chacune reprend la sortie de la précédente, et les quatre tournent sur l'appareil.

Tout ce qui est dans ce cadre tourne sur le téléphone

  1. 01 Caméra

    Image

    La caméra fournit une image. Elle reste dans la mémoire du téléphone.

  2. 02 Modèle

    Points clés

    Le modèle de pose transforme l'image en points nommés sur le corps.

  3. 03 Géométrie

    Angles

    Les angles articulaires sont calculés à partir des points clés, image après image.

  4. 04 Logique

    Répétitions et scores

    Des règles sur l'évolution des angles donnent les répétitions, les maintiens et un score d'exécution.

Reste sur l'appareilLes images de la vidéo, les points clés, les angles, les répétitions et les scores. L'app hôte décide de ce qu'elle garde.

Parvient à MovelyticsUne mesure d'usage : le nombre d'appels d'API, qui sert à la facturation. Rien de ce que voit la caméra.

La chaîne, montrée sur une séquence de squat dessinée. Illustration, pas une inférence en direct.
  1. Caméra. Le téléphone fournit des images. Elles sont recadrées autour de la personne et redimensionnées à la taille d'entrée du modèle (192 pixels pour le PoseTracker Model).
  2. Modèle. Un modèle d'estimation de pose lit l'image et renvoie des points clés : des points nommés sur le corps, chacun avec une position et un score de confiance.
  3. Géométrie. Trois points clés donnent un angle articulaire. L'évolution de cet angle dans le temps donne une amplitude, une vitesse, une symétrie.
  4. Logique. Des règles appliquées à ces signaux produisent ce que l'app affiche : une répétition comptée, un maintien chronométré, un score d'exécution, une hauteur de saut, une mesure de souplesse.

L'app hôte reçoit des événements structurés et décide de ce qu'elle en fait : mettre l'écran à jour, enregistrer une séance, lancer l'exercice suivant. PoseTracker ne conserve pas d'historique d'analyse des utilisateurs finaux. Cet historique appartient à l'app.

03Android d'entrée de gamme

Pourquoi l'Android d'entrée de gamme est la partie difficile

Un téléphone haut de gamme récent fait tourner presque n'importe quel petit modèle en temps réel. Cela ne dit pas grand-chose de vos utilisateurs. Beaucoup de gens gardent leur téléphone cinq ans, et beaucoup de ces téléphones étaient déjà de l'entrée de gamme à l'achat.

Sur ces appareils, trois choses se passent mal en même temps. Le processeur a des cœurs lents et peu ou pas d'accélération exploitable pour les réseaux de neurones. La chaîne caméra consomme à elle seule une grande part du temps disponible pour chaque image. Et la chaleur s'accumule : au bout de quelques minutes, le système ralentit le processeur, si bien qu'un modèle qui tenait 30 images par seconde sur un test court passe sous les 20 dans une vraie séance.

C'est pourquoi nous mesurons d'abord sur un téléphone d'entrée de gamme, pendant dix minutes, caméra allumée. Dans notre benchmark du 17 novembre 2026, sur un Huawei FIG-LX1 2017 sous Android 9, le PoseTracker Model prend 18,4 ms par image, modèle seul, et tient 28,7 images par seconde avec la caméra sur 10 minutes (fenêtre de 10 secondes la plus lente : 22,1). Ces chiffres sont préliminaires et viennent d'une version interne, pas d'un modèle livré. La méthode, la comparaison avec les modèles publics et les limites sont sur la page des benchmarks.

04Environnement d'exécution

Exécution native ou WebView

Un modèle peut tourner sur un téléphone de deux façons. Dans une WebView, il tourne dans un navigateur intégré à l'app, avec des technologies web. Dans un environnement d'exécution natif, il tourne sous forme de code compilé qui s'adresse directement au processeur.

La WebView a de vrais avantages : une seule implémentation pour iOS, Android et le web, une seule ligne à intégrer, et rien de lourd à ajouter à l'app. C'est ainsi qu'une équipe met le suivi du mouvement dans son app en quelques minutes. Son coût est un surcoût d'exécution. La couche du navigateur prend du temps à chaque image, et sur un téléphone d'entrée de gamme ce temps fait la différence entre un rendu fluide et un rendu saccadé.

L'exécution native supprime ce surcoût et donne la main sur les fils d'exécution et la mémoire. C'est là que le PoseTracker Model est conçu pour tourner. Nous gardons les deux voies : l'intégration rapide là où elle suffit, l'exécution native là où chaque milliseconde compte.

WebViewExécution native
Effort d'intégrationTrès faible : une vue intégréePlus élevé : un module natif par plateforme
Surcoût par imageLa couche du navigateur à chaque imageProche du temps propre du modèle
Android d'entrée de gammeSouvent le facteur limitantLà où le temps réel devient atteignable
Convient surtout àDémarrage rapide, apps web, téléphones récentsGrands parcs d'appareils, téléphones anciens, longues séances
Propriétés générales des deux approches.

05Inférence en 8 bits

L'inférence en 8 bits, en mots simples

Un réseau de neurones est une longue liste de nombres. Ils sont le plus souvent stockés en virgule flottante sur 32 bits. L'inférence en 8 bits, dite aussi inférence quantifiée, les stocke et les calcule sous forme d'entiers sur 8 bits. Le fichier du modèle est environ quatre fois plus petit, et le calcul sur des entiers est ce que les processeurs d'entrée de gamme font le plus vite.

La contrepartie, c'est la précision. Arrondir chaque nombre à l'un de 256 niveaux peut dégrader le résultat, parfois fortement, sauf si le modèle est entraîné et exporté avec cette contrainte en tête. Un modèle pensé pour le 8 bits dès le départ garde sa précision ; un modèle converti après coup la perd souvent.

L'effet sur la vitesse se voit aussi sur les modèles publics. Sur le Huawei FIG-LX1 2017, MoveNet Lightning prend 38,6 ms par image en virgule flottante et 26,2 ms en 8 bits, modèle seul. Notre note de recherche sur l'inférence en 8 bits sur les téléphones d'entrée de gamme détaille les chiffres.

06Données

Ce que nous mesurons, et ce que nous ne voyons jamais

Tourner sur l'appareil change ce qu'un fournisseur peut savoir. Nous avons conçu nos produits pour que la réponse soit : très peu de choses.

Ce que nous mesurons
Le nombre d'appels d'API effectués par une app. C'est la base de la facturation. Il ne contient ni image ni donnée de mouvement.
Ce que nous ne recevons jamais
La vidéo de la caméra, les images prises une à une, les points clés, les angles articulaires, le nombre de répétitions, les scores, ou un quelconque historique des séances d'une personne.
Qui garde les données
L'app qui utilise nos outils. Si elle enregistre des séances, elle le fait dans son propre système, selon sa propre politique de confidentialité.
Ce que nous ne faisons jamais
Vendre des données. Il n'existe aucun jeu de données de mouvement constitué à partir des utilisateurs de nos clients.

La liste complète de nos engagements, en langage clair, est sur la page des engagements sur les données.

07Au-delà de la pose

L'embarqué au-delà de la pose : modèles de langage et matériel

La même discipline vaut pour d'autres types de modèles. Deux directions comptent pour les entreprises avec lesquelles nous travaillons.

Des modèles de langage métier, sur l'appareil ou dans vos murs

Un cabinet de kinésithérapeutes ou un programme de rééducation peut vouloir un modèle de langage qui connaît ses protocoles et son vocabulaire, et qui n'envoie jamais une note de patient à un tiers. Nous construisons des modèles de langage métier dimensionnés pour tourner sur un appareil ou sur les serveurs du client. « Dans vos murs » veut dire : dans une infrastructure que le client maîtrise.

Matériel et logiciel

Certains produits sont des objets : un miroir, une machine d'entraînement, une borne. Le modèle tourne alors sur un ordinateur embarqué, avec sa propre caméra, ses propres limites thermiques et sans magasin d'applications. Nous prenons ces projets en tant que lab. Ils sont couverts par des accords de confidentialité : nous ne les nommons pas et nous ne les décrivons pas.

Pour le point de vue du développeur sur l'estimation de pose sur l'appareil, avec le code et le détail des paquets, le guide de PoseTracker sur l'estimation de pose sur l'appareil fait le tour du sujet. Pour choisir entre les modèles de pose publics, voir la comparaison entre MediaPipe et MoveNet publiée par PoseTracker.

08FAQ

Questions sur la technologie

L'IA embarquée a-t-elle besoin d'une connexion internet ?

Le modèle n'a pas besoin de réseau pour tourner : l'image est analysée sur le téléphone. La connexion sert à ce qui entoure le modèle, par exemple charger l'app et transmettre la mesure d'usage qui sert à la facturation.

Sur quels téléphones les modèles de Movelytics tournent-ils en temps réel ?

Nous optimisons pour les téléphones que les gens possèdent vraiment, y compris les Android d'entrée de gamme et ceux qui ont cinq ans, ainsi que pour iOS. Dans notre benchmark préliminaire du 17 novembre 2026, une version interne du PoseTracker Model a tenu 28,7 images par seconde avec la caméra sur un Huawei FIG-LX1 2017 (Android 9) pendant 10 minutes (fenêtre de 10 secondes la plus lente : 22,1).

Qu'est-ce que l'inférence en 8 bits ?

C'est une façon de faire tourner un réseau de neurones avec des entiers sur 8 bits au lieu de nombres en virgule flottante sur 32 bits. Le modèle est environ quatre fois plus petit et tourne plus vite sur les processeurs d'entrée de gamme. Il ne garde sa précision que s'il a été conçu pour cela.

Movelytics peut-il faire tourner un modèle de langage sur nos propres serveurs ?

Oui. Le lab construit des modèles de langage métier qui tournent sur un appareil ou dans vos murs, dans une infrastructure que le client maîtrise. Voir travailler avec le lab.

Étape suivante

Découvrez ce qui repose sur cette technologie.

Trois produits s'en servent aujourd'hui. Le lab peut aussi s'appuyer dessus pour construire le vôtre.