CEO de la LoRa Alliance : le LPWAN connecte l’IA au monde physique
L’IA a besoin de données provenant de capteurs, de machines et d’infrastructures pour comprendre le monde physique et agir sur celui-ci. Alper Yegin, CEO de la LoRa Alliance, considère le LPWAN et LoRaWAN comme une couche de connectivité essentielle pour le Massive IoT et le rapprochement croissant entre IA et Wireless IoT.
L’IA a besoin de données issues du monde physique
L’intelligence artificielle repose encore largement sur des données numériques déjà existantes. Sa prochaine phase de développement dépendra de plus en plus d’informations générées directement dans le monde physique par des capteurs, des appareils connectés et des machines.
Alper Yegin, CEO de la LoRa Alliance, décrit l’IA comme le cerveau et l’IoT comme le système nerveux. Les capteurs fournissent des données issues de l’environnement physique, tandis que les appareils connectés et les actionneurs peuvent transformer des décisions numériques en actions concrètes.
Le défi réside dans le passage à l’échelle. Les systèmes IoT peuvent combiner des capteurs de vibrations, acoustiques, thermiques, environnementaux, de vision et de localisation. Un grand nombre de ces appareils doivent fonctionner sur de longues distances, avec une faible consommation d’énergie, peu de maintenance et des coûts d’exploitation réduits.
Le LPWAN pour le Massive IoT
Yegin positionne le LPWAN comme une couche de connectivité importante pour cette architecture. LoRaWAN répond aux applications nécessitant une longue portée, une très faible consommation d’énergie et une connectivité via des réseaux publics, privés ou satellitaires.
Il cite également explicitement le Wi-Fi, le Bluetooth Low Energy et les réseaux cellulaires comme des technologies complémentaires présentant des atouts différents.
Une technologie que Yegin ne traite pas séparément dans son analyse est Wi-Fi HaLow. Basé sur IEEE 802.11ah et fonctionnant dans les bandes inférieures à 1 GHz, Wi-Fi HaLow constitue une autre option pertinente pour le Wireless IoT dans les applications nécessitant une portée étendue et une connectivité économe en énergie.
De l’AIoT au Wireless IoT
Yegin relie cette évolution à l’AIoT, Artificial Intelligence of Things, c’est-à-dire à la combinaison de l’intelligence artificielle et de l’IoT. Les appareils IoT collectent des données dans le monde physique, tandis que l’IA les traite afin d’identifier des tendances, de prévoir des états ou de déclencher des actions.
La connectivité LPWAN décrite par Yegin fait partie du domaine plus large du Wireless IoT, ou WIoT. Celui-ci connecte des objets physiques, des capteurs et des machines au moyen de technologies sans fil. Il englobe les technologies LPWAN telles que LoRaWAN, mais aussi BLE, Wi-Fi et Wi-Fi HaLow, les réseaux cellulaires, l’UWB, la RFID et le NFC. Le Wireless IoT constitue depuis de nombreuses années le cœur technologique de Think WIoT.
Le traitement par l’IA peut avoir lieu dans le cloud, sur une passerelle edge ou directement dans l’appareil. En rapprochant l’intelligence du capteur, il devient possible de réduire la quantité de données brutes devant être transmise.
L’IA et l’IoT se renforcent mutuellement
L’IoT fournit aux systèmes d’IA des données actuelles provenant du monde physique. L’IA peut à son tour améliorer les systèmes IoT en identifiant les événements pertinents, en filtrant localement les données et en réduisant les volumes à transmettre.
Yegin décrit ce mécanisme comme un effet de boucle AI-to-IoT. Davantage de capteurs fournissent de meilleures données aux modèles d’IA. De meilleurs modèles peuvent réduire les besoins en communication et les coûts d’exploitation, rendant ainsi économiquement viables des déploiements de capteurs à plus grande échelle.
Cela est particulièrement pertinent pour les capteurs sans fil alimentés par batterie. Au lieu de transmettre continuellement des données brutes, l’Edge AI peut les analyser localement et ne transmettre que les événements significatifs.
Des données brutes aux événements
La maintenance prédictive constitue un exemple concret. Des capteurs de vibrations dotés de fonctions locales de machine learning peuvent détecter des défauts de roulements, des déséquilibres ou des défauts d’alignement et transmettre un événement au lieu d’envoyer en permanence les données vibratoires brutes.
Un principe similaire s’applique aux capteurs de vision intelligents. Le traitement des images peut avoir lieu directement sur l’appareil, tandis que seuls les métadonnées ou les événements détectés sont transmis sur le réseau.
Pour le Wireless IoT, cela modifie les exigences en matière de connectivité. De nombreuses applications AIoT n’ont pas besoin de connexions permanentes à haut débit. L’enjeu principal est plutôt la transmission fiable de données pertinentes provenant d’un très grand nombre d’appareils distribués.
Des applications de l’industrie à la logistique
Les applications possibles comprennent la maintenance prédictive, la gestion du chauffage, de la ventilation, de la climatisation et de l’éclairage en fonction de l’occupation, la détection de fuites, le comptage, l’éclairage public et la gestion des déchets.
Dans l’agriculture, des capteurs peuvent mesurer l’humidité des sols ou surveiller le bétail. En logistique, les applications comprennent les événements de géofencing associés aux palettes et aux conteneurs ainsi que la détection d’anomalies dans la chaîne du froid. Les systèmes de sécurité peuvent également signaler des seuils de qualité de l’air ou des violations détectées localement concernant les équipements de protection individuelle.
Le LPWAN comme élément de l’infrastructure de l’IA
La thèse centrale de Yegin est que l’IA dépendra de plus en plus de données générées dans le monde physique. Les capteurs, le traitement edge et les réseaux sans fil deviennent ainsi des éléments de l’infrastructure nécessaire pour intégrer l’IA dans les applications industrielles, logistiques, les bâtiments et les services publics.
Pour le Massive IoT, il considère le LPWAN et plus particulièrement LoRaWAN comme une couche de connectivité importante permettant de connecter un grand nombre d’appareils à faible consommation et de mettre les informations issues du monde physique à disposition des systèmes d’IA.
En savoir plus : Alper Yegin a publié l’analyse originale le 1er septembre 2026 dans le cadre du Forbes Technology Council.