Faire fonctionner un modèle d’intelligence artificielle avec des ressources limitées en mémoire, en puissance de calcul ou en énergie : c’est l’un des défis auxquels sont confrontées les entreprises lorsqu’elles souhaitent déployer l’IA sur leurs propres équipements.
FasterAI Labs, spin-off de l’UMONS en création, développe une approche qui consiste à adapter les modèles de deep learning aux contraintes réelles du matériel, tout en préservant les performances attendues. Cette expertise s’appuie notamment sur les travaux de doctorat de son fondateur, Nathan Hubens, consacrés à la compression des réseaux de neurones.
Soutenue par l’UMONS et le programme Win4SpinOff de la Wallonie, FasterAI Labs cherche actuellement trois entreprises partenaires pour tester sa technologie sur des applications de vision par ordinateur : caméras industrielles, capteurs, drones ou robots.
L’objectif : mesurer directement sur les équipements les gains possibles en matière de rapidité, de mémoire et de performance.
Vous développez une application d’IA confrontée à ces contraintes ? Contactez Nathan Hubens avant le 15 novembre 2026.
