MIT brevet US 12,688,407 : l'IA à la vitesse de la lumière

💡 Le MIT vient d'obtenir le brevet US 12,688,407 B2 le 21 juillet 2026 pour une "architecture photonique radiofréquence pour les réseaux de neurones profonds, le traitement du signal et le calcul." Créé par Dirk Englund et Ronald Davis au Laboratoire de recherche en électronique du MIT, ce système réalise la multiplication matricielle, coeur de tout modèle d'IA, par des impulsions lumineuses modulées en radiofréquence, sans aucune conversion numérique. Les centres de données IA consomment déjà 155 TWh par an à l'échelle mondiale (AIE, 2025) et sont en passe de tripler d'ici 2030. Une solution photonique capable d'aller jusqu'à 670 fois plus vite que son équivalent électronique pourrait remodeler entièrement la course aux puces pour l'IA.

IA seulement, 2025155 TWh

Tous centres, 2025485 TWh

IA seulement, 2030 (proj.)465 TWh

Tous centres, 2030 (proj.)945 TWh

Ce que le MIT vient de breveter : la lumière qui sait multiplier

Au coeur du brevet US 12,688,407 B2 se trouve le MAFT-ONN, réseau de neurones optique par transformée de fréquence multiplicative analogique. L'idée centrale : encoder le vecteur d'entrée et la matrice de poids d'un réseau de neurones sous forme de signaux optiques à des fréquences radiofréquences distinctes, puis laisser ces signaux interférer sur un photodétecteur. La sortie du détecteur contient déjà les produits de chaque paire d'éléments, ce qui correspond exactement à la multiplication matrice-vecteur qui propulse l'inférence à travers chaque couche d'un réseau de neurones profond.

Pas de conversion analogique-numérique. Pas de bus mémoire. Pas d'unité arithmétique et logique qui dissipe de la chaleur. La multiplication est effectuée passivement, à la vitesse de la lumière, dans le domaine photonique. Le résultat émerge sous forme de signal RF prêt pour l'étape de traitement suivante.

La date de priorité du 1er mars 2022 montre que ce travail est antérieur de plusieurs années à la vague actuelle de startups en IA photonique. Le parcours de quatre ans, de la demande provisoire au brevet accordé, témoigne de la profondeur de la recherche sous-jacente. Les 20 revendications confèrent au MIT une large protection sur l'approche d'encodage fréquentiel RF pour le calcul neuronal photonique.

Le problème résolu : le mur énergétique de l'IA

Les centres de données IA ont consommé environ 155 TWh en 2025, soit près de 0,5 % de l'électricité mondiale, et progressent à un rythme plus de 16 fois supérieur à celui de la demande mondiale d'électricité, selon l'Agence internationale de l'énergie. Les projections placent ce chiffre à 465 TWh en 2030 : trois fois le niveau actuel. Dans certains États américains, les centres de données absorbent désormais 10 à 25 % de toute l'électricité produite.

La cause est structurelle : les accélérateurs IA en silicium conventionnels déplacent des données électriquement sur des bus mémoire très énergivores, et le refroidissement de ces puces consomme encore 40 % supplémentaires du budget électrique d'un centre de données. À mesure que les modèles de réseaux de neurones grossissent, l'approche silicium approche d'un mur énergétique physique.

Le calcul photonique supprime le goulot d'étranglement fondamental. La lumière à travers le verre ne chauffe pas de fil. L'interférence optique effectue la multiplication passivement, en dépensant de l'énergie uniquement dans la source laser, les modulateurs et les détecteurs. Le prototype MIT actuel tourne à environ 3,85 milliards d'opérations par seconde ; les performances théoriques à la pleine largeur de bande photonique seraient plusieurs ordres de grandeur supérieures. C'est pourquoi DARPA, l'Army Research Laboratory et l'US Air Force ont cofinancé ces travaux. Mais il faut des données réelles pour valider un prototype, et la recherche publiée les fournit précisément.

Comment la technologie fonctionne réellement

La détection hétérodyne est le mécanisme physique au coeur du brevet. Quand deux faisceaux optiques à des fréquences légèrement différentes sont combinés sur un photodétecteur, le signal de sortie oscille à la fréquence différentielle, avec une amplitude encodant le produit des deux amplitudes d'entrée. C'est ainsi que deux nombres sont multipliés par la lumière, sans transistors.

L'équipe MIT applique ce principe à une multiplication matricielle complète en assignant chaque ligne de la matrice de poids et chaque élément du vecteur d'entrée à des fréquences radiofréquences spécifiques sur la porteuse optique. Quand tous ces signaux encodés en fréquence interfèrent au niveau du réseau de détecteurs, chaque composante fréquentielle de la sortie porte un produit élément par élément spécifique. La somme sur une ligne donne un produit scalaire, c'est-à-dire une sortie de neurone, en une seule impulsion optique.

L'aspect radiofréquence est le différenciateur clé par rapport aux autres approches d'IA photonique. En opérant dans le domaine RF, le système accepte directement des entrées RF brutes provenant de capteurs réels : retours radar, signaux satellites, trafic de stations de base sans fil. Le prototype de démonstration a atteint 85 % de précision en une seule impulsion sur une tâche de classification de modulation de signaux RF bruts, montant à 95 % avec un vote majoritaire sur cinq impulsions. Les mesures de latence montrent une accélération de 7 à 11 fois par rapport au matériel numérique à 15 GHz, et jusqu'à 670 fois à 1000 GHz. La vitesse et l'efficacité ne valent que si le système s'intègre dans la pile technologique plus large, et c'est là que les implications systémiques du brevet deviennent intéressantes.

Ce dont ce brevet dépend, et ce qu'il pourrait libérer

Le MAFT-ONN ne vit pas en vase clos. Il dépend de trois flux technologiques matures : les lasers à raie étroite (une commodité des télécommunications), les modulateurs électro-optiques à large bande (qui se développent rapidement grâce à la demande en interconnexion de centres de données), et la fabrication de circuits intégrés photoniques (désormais disponible dans plusieurs fonderies de pointe). Rien d'exotique : ce sont tous des composants que l'industrie des réseaux à fibres optiques affine depuis des décennies.

Ce que le brevet pourrait libérer :

• Inférence au capteur pour le radar et la 6G : classification de signaux RF bruts en quelques nanosecondes à l'interface de l'antenne, sans aller-retour numérique vers un serveur. Directement pertinent pour les véhicules autonomes, les stations de base de nouvelle génération et la guerre électronique.
• Inférence IA économe en énergie à grande échelle : si même une fraction des charges de travail d'inférence migre vers des accélérateurs photoniques, la courbe de croissance de la consommation électrique des centres de données s'infléchit. Des sociétés comme Q.ANT commercialisent déjà des architectures proches avec jusqu'à 30 fois moins d'énergie.
• IA embarquée et satellitaire : une puce photonique compacte faisant tourner des réseaux de neurones sans GPU est idéale pour les plateformes à contrainte d'alimentation : satellites, drones, appareils IoT.
• Position PI fondamentale : les 20 revendications couvrent largement l'approche d'encodage en fréquences RF. Tout produit commercial dans cet espace devra s'engager avec ce portefeuille de brevets.

Qui est derrière, et qui est menacé

Le professeur Dirk Englund occupe la chaire Jamieson de développement de carrière en génie électrique et sciences informatiques au MIT et figure parmi les principaux chercheurs mondiaux en photonique quantique et calcul photonique. Son laboratoire publie sur les réseaux de neurones photoniques depuis 2019. Le co-inventeur Ronald Davis a dirigé la mise en oeuvre expérimentale, publiée dans Nature Communications en 2025.

Le paysage concurrentiel du calcul IA photonique comprend : Q.ANT (filiale de Trumpf, livraisons depuis début 2026), Lightmatter, Luminous Computing et Lightelligence. La plupart se concentrent sur la multiplication matricielle en centres de données. L'approche dans le domaine RF du MIT occupe un créneau distinct à la frontière capteur-inférence, un segment fortement financé par les agences de défense.

Pour les acteurs établis, la menace à long terme est structurelle. La domination GPU de Nvidia repose sur le fait que l'inférence IA reste un problème électronique. Si les architectures photoniques font leurs preuves pour l'inférence à capteurs sensibles à la latence, puis s'étendent à des charges de travail plus larges, le calcul de la situation change. Intel et Nvidia se couvrent déjà avec leurs travaux sur l'optique co-packagée, signal que la tendance photonique est prise au sérieux au plus haut niveau. Pour comprendre pourquoi, il faut regarder la position de ce brevet dans le système d'innovation plus large.

Comment ce brevet s'inscrit dans le système d'innovation plus large

Les réseaux de neurones photoniques se situent à la convergence de plusieurs courbes qui se renforcent mutuellement. Ils dépendent de matériaux électro-optiques, couches minces de niobate de lithium et guides d'ondes en nitrure de silicium, qui entrent en production de masse parce que la demande en interconnexion de centres de données a justifié l'investissement. Ils s'appuient sur les circuits intégrés photoniques désormais fabriqués sur la ligne silicon photonics de TSMC et à l'IMEC.

En retour, l'IA photonique crée une demande en modulateurs plus rapides, ce qui améliore également la communication térahertz pour la 6G, et valide la conception de puces photoniques intégrées, accélérant ainsi la photonique quantique. Un brevet fondateur à un tel carrefour vaut plus qu'un brevet dans un silo technologique unique : il ne change pas une chose en isolation, il verrouille une position à la jonction de multiples courbes convergentes. Et c'est précisément le sens pratique à retenir.

Qu'est-ce que cela signifie pour nous ?

Le brevet photonique du MIT est un jalon précis sur une trajectoire qui se construit depuis plusieurs années. Les modèles d'IA doublent de taille environ tous les 18 mois ; la consommation électrique des centres de données est en passe de doubler d'ici 2030 ; et le calcul à base de silicium approche des limites physiques de la miniaturisation des transistors. Le calcul photonique offre un contournement partiel de la contrainte énergétique par opération.

L'impact réel le plus immédiat se manifestera probablement dans la défense et les télécommunications, où l'approche RF native a la proposition de valeur la plus claire. Le déploiement plus large en centres de données dépendra de la capacité des fonderies de circuits intégrés photoniques à passer à l'échelle et de la possibilité de combler l'écart de précision entre l'inférence photonique et numérique. Les 20 revendications du brevet donnent au MIT un rôle fort dans la façon dont cela se déroule.

Une dimension supplémentaire : des brevets comme le US 12,688,407 sont déposés simultanément dans plusieurs juridictions. Pour que la technologie soit légalement protégée et commercialement déployée sur des marchés non anglophones, chaque revendication doit être traduite avec une précision technique rigoureuse. La traduction de brevets en IA matérielle n'est pas une tâche linguistique ordinaire : c'est un exercice de précision technique où un terme mal traduit peut invalider la portée d'une revendication dans toute une juridiction.

Informations clés : brevet MIT US 12,688,407 B2

Champ	Détail
Numéro de brevet	US 12,688,407 B2
Titre complet	Architecture photonique radiofréquence pour les réseaux de neurones profonds, le traitement du signal et le calcul
Titulaire	Massachusetts Institute of Technology (MIT), Cambridge, MA
Inventeurs	Ronald A. Davis ; Dirk Robert Englund
N° de demande	18/149,249
Date de priorité	1er mars 2022
Date de dépôt	3 janvier 2023
Date d'octroi	21 juillet 2026
Juridiction	États-Unis (USPTO)
Classification CPC	G06N 3/0675, H04B 10/04
Nombre de revendications	20
Financeurs	DARPA, Army Research Laboratory, US Air Force, NSF

FAQ

Sources

• Journal officiel USPTO - US 12,688,407 (2026)
• Processeur d'apprentissage profond RF-photonique avec mouvement de données à la limite de Shannon - PMC / Nature Communications (2025)
• Quelle énergie consomment les centres de données et l'IA ? - Our World in Data (2025, citant l'AIE)
• Q.ANT lance un nouveau processeur photonique pour l'IA et le HPC - The Quantum Insider (2025)

À propos de l'auteur

Dao Huy (Lucas) est traducteur professionnel avec plus de 7 ans d'expérience en traduction technique, traduction de brevets et documentation de propriété intellectuelle, travaillant de l'anglais, du chinois et du français vers le vietnamien. Son travail couvre des domaines de pointe : brevets en matière de puces IA, documentation sur les semi-conducteurs et localisation technologique. L'essor de l'IA photonique générant une nouvelle couche de propriété intellectuelle très spécialisée dans de multiples juridictions, la traduction précise des revendications de brevets, de la détection hétérodyne à la modulation électro-optique, devient essentielle pour faire valoir ses droits sur différents marchés.

Si vous souhaitez déposer, concéder sous licence ou faire valoir un brevet en calcul photonique, en matériel IA ou dans tout domaine de haute technologie et avez besoin d'une traduction technique anglais-vietnamien ou d'une localisation PI précise, contactez Lucas pour un devis sur daohuy.com.