--- service: "Publicasta" schema_version: "1.0" article_id: 579 title: "L’ETCRAM de Sandia ouvre une voie plus discrète pour réduire l’énergie du calcul sur capteurs" language: "fr" default_language: "en" canonical_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=fr" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=fr" api_url: "https://publicasta.com/api/public/v1/channels/good_tech_news/articles/sandia_etcram_analog_memory_edge_computing?lang=fr" channel_url: "https://publicasta.com/api/public/v1/channels/good_tech_news" channel_articles: "https://publicasta.com/api/public/v1/channels/good_tech_news/articles" search_url: "https://publicasta.com/api/public/v1/search" documentation_url: "https://publicasta.com/api-docs#reading-publicasta" openapi_url: "https://publicasta.com/api-docs/openapi.json" published_at: "2026-09-10T17:56:25+00:00" updated_at: "2026-09-10T17:56:25+00:00" translations: - language: "ar" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=ar" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=ar" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=ar" - language: "de" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=de" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=de" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=de" - language: "en" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=en" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=en" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=en" - language: "es" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=es" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=es" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=es" - language: "fr" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=fr" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=fr" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=fr" - language: "pl" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=pl" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=pl" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=pl" - language: "ru" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=ru" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=ru" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=ru" - language: "zh" html_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing?lang=zh" markdown_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.md?lang=zh" json_url: "https://publicasta.com/good_tech_news/sandia_etcram_analog_memory_edge_computing.json?lang=zh" --- # L’ETCRAM de Sandia ouvre une voie plus discrète pour réduire l’énergie du calcul sur capteurs > Une mémoire analogique mise au point par Sandia pourrait traiter certaines données au plus près des capteurs. Son intérêt ne tient pas à un serveur plus rapide, mais à la réduction des transferts répétés entre mémoire, processeur et système distant. Une technologie de mémoire prometteuse arrive d’une direction inattendue : non pas comme une version plus rapide de la mémoire vive numérique classique, mais comme un composant qui se comporte un peu à la manière d’une batterie rechargeable. Sandia National Laboratories affirme que sa mémoire vive électro-thermo-chimique, ou ETCRAM, peut stocker des valeurs analogiques avec une précision 100 fois supérieure à celle de la mémoire analogique de pointe existante, ainsi qu’une plage dynamique au moins trois ordres de grandeur plus étendue. ![Un minuscule dispositif de mémoire analogique sur une puce de test semi-conductrice sous des sondes de microscope, avec une légère lueur évoquant un chauffage localisé.](https://publicasta.com/storage/projects/16/pages/579/2026/09/2999c42e-cc41-4a70-9e5e-00cc3884f80d.webp) Ces chiffres proviennent de la propre annonce de Sandia. Il faut donc les considérer comme un résultat de laboratoire rapporté, et non comme une performance établie sur un produit. Le composant n’a pas remplacé les mémoires courantes et aucun produit grand public n’a été démontré. La raison la plus solide de s’y intéresser est plus précise : l’ETCRAM vise un goulet d’étranglement bien réel de l’électronique moderne, à savoir l’énergie et le temps consacrés au transfert répété de données issues de capteurs vers un processeur distinct. Si cette approche résiste aux essais menés à l’échelle de matrices et de la fabrication, certains calculs pourraient être effectués là où les données sont recueillies. Une caméra pourrait réduire ou classer les informations visuelles avant leur transmission. Un capteur industriel pourrait détecter localement une variation au lieu d’envoyer un flux continu. Le gain viendrait de la réduction des déplacements de données, pas d’une puissance spectaculairement accrue de chaque transistor. ## Le problème vient souvent du trajet, pas du calcul La plupart des systèmes informatiques séparent mémoire et traitement. Un capteur enregistre une mesure, la mémoire la conserve, puis un processeur récupère la donnée pour effectuer une opération. Le résultat repart ensuite vers une autre partie du système. Chaque transfert consomme de l’énergie, et la facture devient importante lorsqu’un appareil collecte en continu de grandes quantités d’informations. Cette organisation convient bien au calcul numérique généraliste. Mais les capteurs produisent de plus en plus d’informations, parfois plus vite qu’un petit appareil n’a besoin de les transmettre. Caméras, microphones, systèmes de surveillance industrielle, véhicules et objets portés sur soi génèrent des flux dont la plupart des mesures individuelles présentent peu d’intérêt. Envoyer chaque valeur brute à un processeur central ou à un service distant peut être inutile lorsque le résultat recherché se résume à une décision : quelque chose bouge-t-il, une machine vibre-t-elle anormalement, ou une concentration chimique a-t-elle franchi un seuil ? Le calcul en mémoire cherche à réduire ce trafic en plaçant des opérations mathématiques utiles à l’intérieur de la mémoire, ou à proximité immédiate. La mémoire analogique constitue une piste parmi d’autres. Au lieu de ne conserver qu’un zéro ou un un, une cellule peut représenter une plage de valeurs de conductance. Cette conductance peut servir de poids numérique dans des opérations telles que la multiplication et l’accumulation, au cœur des réseaux neuronaux et de nombreuses tâches de traitement du signal. L’idée est simple à comprendre. Un processeur numérique représente généralement un nombre avec plusieurs bits et fait circuler ces bits dans des interconnexions. Une matrice analogique peut représenter de nombreux poids dans les propriétés physiques de ses cellules et exécuter en parallèle une partie du calcul. Cela ne rend pas automatiquement le calcul analogique supérieur : bruit, étalonnage, précision limitée et conversions entre signaux analogiques et numériques restent déterminants. Mais cette architecture offre un moyen de contourner le trafic entre mémoire et processeur qui domine certaines charges de travail. Une revue publiée en 2024 dans *Nano Convergence* décrit la mémoire vive électrochimique comme une candidate pour ce type de matériel. Elle indique que les composants ECRAM peuvent exprimer des états analogiques grâce au déplacement d’ions et que les dispositifs rapportés peuvent atteindre plus de 1 000 états mémoire. La même revue recense les exigences d’ingénierie qui déterminent si une cellule de laboratoire peut devenir un matériel utile : rétention, endurance, vitesse de commutation, linéarité, symétrie, rapport marche-arrêt, variations d’un composant à l’autre, efficacité surfacique et compatibilité avec la fabrication des semi-conducteurs. L’ETCRAM appartient à cette famille élargie, mais ajoute un chauffage local au processus électrochimique. ## Ce que Sandia a réellement démontré Le communiqué publié par Sandia le 9 septembre 2026 indique que l’équipe dirigée par Elliot Fuller et Alec Talin a démontré l’ETCRAM avec des matériaux à base de tantale et d’oxyde de vanadium. Le composant utilise des impulsions électriques et un chauffage localisé pour modifier l’état de la matière à l’intérieur de l’élément mémoire. Au lieu de choisir entre deux états numériques fixes, il peut être programmé sur une gamme de valeurs analogiques. La comparaison avec une batterie est utile. Une batterie chargée à moitié se trouve dans un état situé entre vide et pleine. Dans l’ETCRAM, l’état chimique du matériau devient l’information stockée. Une opération de lecture ultérieure mesure la conductance électrique du dispositif, qui reflète cet état. L’analogie n’est pas exacte — il s’agit d’un composant mémoire nanométrique, pas d’une cellule destinée à fournir de l’énergie — mais elle permet de comprendre le rôle de l’électrochimie. Dans une mémoire électrochimique classique, les ions doivent traverser des matériaux et provoquer des changements d’état d’oxydation. Ce déplacement peut être commandé par une électrode de grille, tandis que des électrodes distinctes de source et de drain lisent le canal. Cette structure à trois bornes permet de séparer l’opération de programmation de l’opération de lecture. C’est l’une des raisons pour lesquelles les recherches sur l’ECRAM suscitent de l’intérêt pour le calcul analogique. La difficulté est que les processus chimiques peuvent être lents. La solution rapportée par Sandia consiste à laisser le composant se chauffer lui-même lorsque l’activité électrochimique commence. Une température plus élevée accélère le processus concerné et élargit la plage sur laquelle la mémoire peut être réglée. Sandia affirme que le résultat offre une précision 100 fois supérieure à celle de la technologie de pointe existante et une plage dynamique au moins 1 000 fois plus grande. La précision et la plage dynamique décrivent deux aspects différents d’un même problème pratique. La précision concerne la finesse avec laquelle un dispositif peut distinguer des valeurs voisines. La plage dynamique concerne l’écart entre ses signaux utilisables les plus faibles et les plus élevés. Un composant peut disposer d’une large plage mais d’un contrôle médiocre à l’intérieur de celle-ci, ou offrir un réglage fin sur une plage étroite. Pour être utile au calcul analogique, un élément doit posséder à la fois une plage suffisante pour transporter un signal significatif et une répétabilité suffisante pour éviter que les calculs ne dérivent. L’article de recherche principal associé à ces travaux, publié en 2026, décrit une ETCRAM intégrée verticalement dont le canal et le réservoir reposent sur un oxyde de vanadium séparé en phases. Les auteurs indiquent que la programmation s’effectue par conversion entre deux phases stables d’oxyde de vanadium, VO2 et V2O5, et que le comportement persiste lorsque l’épaisseur du canal est réduite à environ 20 nanomètres. Ce résultat de mise à l’échelle compte, car un élément mémoire qui ne fonctionnerait que sous la forme d’une grande structure de laboratoire isolée aurait peu de chances de s’intégrer dans une électronique dense. Le résultat de l’article reste toutefois une démonstration au niveau du composant. Il ne permet pas d’affirmer qu’une puce complète fabriquée avec de l’ETCRAM fournira un nombre précis d’opérations par watt, ni qu’elle dépassera les accélérateurs numériques commerciaux sur des applications réelles. Pour répondre à ces questions, il faudra des matrices, des circuits périphériques, une mise en correspondance logicielle, une analyse thermique et des essais de fabrication. ## Pourquoi la chimie est déterminante Les matériaux ne sont pas un détail secondaire. Ils déterminent la fiabilité de l’écriture, la durée de conservation de l’information, la vitesse de réponse et l’énergie nécessaire à l’opération. Des travaux antérieurs sur l’ECRAM ont étudié le lithium, l’hydrogène, l’oxygène, le cuivre et d’autres ions mobiles. Chaque choix entraîne un compromis différent. Le lithium est familier grâce aux batteries et peut permettre une insertion réversible des ions, mais sa diffusion et sa rétention doivent être contrôlées. Les protons peuvent se déplacer rapidement dans des matériaux adaptés, tandis que l’humidité, les interfaces et la stabilité environnementale prennent alors de l’importance. Les lacunes d’oxygène peuvent provoquer des variations utiles dans les oxydes métalliques, mais les conditions thermiques et chimiques de programmation doivent être maîtrisées. La conception de Sandia se concentre sur une électrochimie liée à l’oxygène dans des matériaux oxydés et utilise la chaleur comme mécanisme de contrôle. Les travaux précédents de l’équipe et le nouvel article présentent l’ETCRAM comme un hybride entre mémoire électrochimique et commutation assistée thermiquement. Le but est de conserver la précision et le comportement non volatil associés à des états chimiques contrôlés, tout en réduisant la pénalité de vitesse liée au mouvement des ions à température ambiante. La séparation de phases joue elle aussi un rôle. Si un matériau peut se stabiliser dans des compositions distinctes et durables, le composant pourrait conserver sa résistance programmée plus sûrement qu’un système dans lequel les ions dérivent en permanence dans un milieu uniforme. Les travaux sur l’ECRAM ont régulièrement traité la rétention comme un problème central. Une mémoire qui réalise de belles mises à jour analogiques mais perd rapidement sa valeur ne peut pas servir au stockage à long terme. Elle peut même être inadaptée à l’inférence si ses poids doivent être restaurés sans cesse. L’article récent décrit une structure conçue pour stabiliser l’état programmé grâce à la coexistence de phases. C’est un indice en faveur d’une stratégie d’ingénierie, pas la preuve que chaque cellule ETCRAM conservera indéfiniment une valeur. Les matrices réelles ajoutent des chemins de fuite, des variations de fabrication, des changements de température et des interactions avec les circuits d’adressage. La rétention devra être mesurée sur de nombreuses cellules et pendant de longues périodes, dans des conditions réalistes. ## L’usage à court terme le plus plausible se trouve près du capteur Sandia cite le calcul en périphérie comme une application possible. Le calcul en périphérie consiste à traiter les données près de l’endroit où elles sont produites, au lieu de les envoyer immédiatement vers un serveur distant. Dans ce contexte, l’ETCRAM n’a pas besoin de remplacer toute la mémoire d’un téléphone ou d’un contrôleur industriel. Elle pourrait servir de bloc spécialisé pour une opération limitée, comme le filtrage, l’extraction de caractéristiques ou l’exécution d’un petit modèle d’apprentissage automatique. Prenons une caméra. Le capteur d’image produit une grande quantité d’informations brutes. Dans une chaîne classique, ces informations peuvent traverser plusieurs étapes avant qu’un système identifie une personne, détecte un défaut ou conclue qu’aucun événement pertinent ne s’est produit. Une matrice de mémoire analogique placée près du capteur pourrait coder des poids et effectuer localement une partie de l’opération de reconnaissance. Le système aurait toujours besoin d’un contrôle numérique et probablement d’une conversion analogique-numérique, mais il pourrait ne transmettre qu’un résultat compact ou une portion sélectionnée des données. La même logique s’applique à la surveillance industrielle. Un capteur de vibrations peut produire une forme d’onde continue alors que le logiciel de maintenance doit finalement émettre une alerte concernant un comportement inhabituel. Un matériel local pourrait calculer des caractéristiques ou comparer le signal à des poids appris, en réduisant le trafic réseau et éventuellement la latence. Dans un véhicule, le traitement local pourrait aider à interpréter les informations provenant des caméras et d’autres capteurs avant leur arrivée dans une unité de calcul plus importante. Des questions de confidentialité se posent également, même s’il ne faut pas les exagérer. Si un appareil peut classer ou résumer localement les données, il n’a peut-être pas besoin de téléverser chaque image brute ou chaque échantillon audio. L’exposition peut ainsi diminuer, mais cela ne garantit pas la confidentialité. Le système a toujours besoin d’une gouvernance rigoureuse des données, d’un micrologiciel sécurisé, de règles de conservation claires et d’une protection contre les attaques visant le modèle local. Déplacer le traitement change le trajet des données ; cela ne résout pas à lui seul le problème de la sécurité. Le meilleur argument en faveur de l’ETCRAM n’est donc pas que la mémoire analogique rendra l’IA gratuite. Il est plus limité : les charges de travail qui appliquent de façon répétée les mêmes opérations mathématiques, ou des opérations qui changent lentement, à des données de capteurs très abondantes pourraient y trouver un intérêt si une matrice analogique fiable exécute ces opérations sans faire circuler sans cesse les données entre composants distincts. ## Ce qui reste difficile Le chiffre spectaculaire de précision laisse de côté les éléments qui décident souvent du devenir pratique d’une nouvelle mémoire. D’abord, une cellule isolée n’est pas une matrice. Une puce utile doit réunir des milliers, voire des millions d’éléments reliés à des lignes de mots, des lignes de bits, des sélecteurs, des circuits de commande et des circuits de lecture. Les cellules doivent être adressées sans perturber leurs voisines. Leurs réponses doivent rester prévisibles lorsqu’elles partagent alimentation, chaleur et câblage. Un composant impressionnant lorsqu’il est testé seul peut devenir difficile à étalonner une fois intégré. Ensuite, la précision analogique n’est pas la même chose que la précision numérique. Les cellules analogiques sont naturellement confrontées au bruit, à la dérive, aux mises à jour non linéaires et aux variations d’un dispositif à l’autre. Le circuit peut nécessiter un étalonnage, de la redondance ou des méthodes algorithmiques capables de tolérer les erreurs. Ces circuits de soutien consomment de la surface et de l’énergie. La bonne comparaison n’oppose pas la cellule mémoire à un transistor numérique ; elle compare un système complet conçu pour une tâche à un autre système complet déjà disponible. Le chauffage autonome soulève ensuite une question thermique. Il peut accélérer la réaction électrochimique, mais la chaleur doit être produite, confinée et évacuée de manière contrôlée. Si les cellules voisines se réchauffent mutuellement, leurs états risquent d’interférer. Si l’impulsion thermique est trop forte, elle peut endommager les matériaux ou réduire l’endurance. Le mécanisme qui donne à l’ETCRAM sa plage de fonctionnement pourrait donc aussi imposer des limites à la densité, à la vitesse ou au cycle d’utilisation. Par ailleurs, l’écriture et la lecture ne constituent pas tout le problème de fabrication. Le composant doit être produit avec des couches minces reproductibles, des interfaces compatibles et des rendements acceptables. Le fait que l’article de 2026 observe la persistance du comportement de l’oxyde de vanadium à environ 20 nanomètres est encourageant pour la mise à l’échelle, mais ce n’est qu’un ingrédient d’un procédé industrialisable. L’intégration de la structure avec une logique classique, son conditionnement et ses essais sur différentes températures et durées de vie sont autant de difficultés distinctes. L’affirmation énergétique doit enfin être replacée dans les limites du système. Une cellule mémoire peut consommer peu d’énergie lors d’une mise à jour donnée, tandis que les circuits de commande, les convertisseurs, les interconnexions et la logique de contrôle en consomment beaucoup plus. À l’inverse, le fait de déplacer moins de données peut produire une économie substantielle à l’échelle du système, même si l’opération analogique elle-même n’est pas exceptionnellement efficace. Les prochaines démonstrations devront présenter des charges de travail complètes, et pas seulement les mesures les plus favorables obtenues sur une cellule. Enfin, les meilleures applications ne seront peut-être pas celles du calcul généraliste. Le matériel analogique est particulièrement convaincant lorsque son comportement physique correspond au calcul à effectuer. L’inférence de réseaux neuronaux, le filtrage et la fusion de capteurs sont des cibles plus naturelles que les logiciels de bureautique arbitraires ou les tâches exigeant une arithmétique exacte et facilement inspectable. La mémoire numérique restera utile pour le contrôle, le stockage, les communications et les opérations de haute précision. L’ETCRAM compléterait ces systèmes plutôt qu’elle ne les rendrait obsolètes. ## Comment interpréter les bonnes nouvelles Le résultat encourageant est que les chercheurs s’attaquent à un goulet d’étranglement concret avec une conception qui relie science des matériaux et problème informatique clairement identifié. Sandia ne se contente pas d’affirmer que les appareils futurs devront être plus efficaces : l’institut rapporte un élément mémoire précis, identifie ses matériaux, explique le rôle du chauffage autonome et signale un gain mesurable de précision et de plage dynamique. L’article de recherche associé apporte en outre des éléments sur le comportement des phases, l’intégration verticale et l’épaisseur nanométrique. La prudence nécessaire est tout aussi concrète. Le communiqué décrit une technologie encore en développement et Sandia indique que l’équipe teste des conceptions utilisant plusieurs matériaux. Il précise également que l’ETCRAM a été nommée finaliste d’un prix R&D 100 en 2026. Cette distinction reconnaît un potentiel technique ; elle ne garantit pas une commercialisation. Les prochaines étapes vraiment significatives sont faciles à énumérer : matrices plus grandes, répétabilité sur plusieurs plaquettes, endurance après de nombreux cycles de programmation, rétention à différentes températures, énergie d’écriture plus faible et mieux contrôlée, compatibilité avec les procédés de fabrication standards, et démonstrations sur de véritables charges de travail issues de capteurs. Une démonstration convaincante devra montrer toute la chaîne — de l’entrée du capteur à la décision utile — et comptabiliser l’énergie consommée par chaque circuit auxiliaire. Voilà pourquoi l’ETCRAM mérite d’être suivie sans être transformée en histoire miraculeuse. Son accomplissement immédiat n’est pas une nouvelle fonction pour les consommateurs. C’est un concept de mémoire analogique mieux contrôlé, susceptible de permettre à certains appareils électroniques de traiter l’information plus près de l’endroit où elle apparaît. Si l’ingénierie continue de résister aux essais, le bénéfice final pourrait être agréablement peu spectaculaire : moins de transferts, moins de mouvements de données dupliqués et une autonomie accrue pour les appareils qui passent leur temps à observer, écouter et mesurer. ### Sources et base documentaire Les principales affirmations techniques de cet article reposent sur [le communiqué de Sandia National Laboratories du 9 septembre 2026 consacré à l’ETCRAM](https://newsreleases.sandia.gov/etcram/) et sur l’article de recherche en accès libre [« Multifunctional electrochemical memory stabilized by phase coexistence »](https://pmc.ncbi.nlm.nih.gov/articles/PMC13353356/). L’explication plus générale des architectures ECRAM, des états analogiques et des exigences système suit la revue [« Electrochemical random-access memory: recent advances in materials, devices, and systems towards neuromorphic computing »](https://link.springer.com/article/10.1186/s40580-024-00415-8).