Le fait
Le discours autour de la Physical AI (robots, véhicules, systèmes embarqués qui agissent dans le monde physique) bascule : BlackBerry QNX et l'écosystème temps réel insistent sur le fait que le goulot n'est plus principalement le hardware. Capteurs, actionneurs et compute embarqué progressent vite ; ce qui bloque la mise en production, c'est le software sûr, déterministe, certifiable — noyau, middleware, isolation des charges, chaînes de mise à jour. Sécurité + software passent devant la course à la puissance brute.
Contexte
QNX équipe depuis longtemps l'automobile et l'embarqué critique : microkernel, isolation, latence bornée. La Physical AI ajoute des piles de perception et de contrôle (souvent issues du cloud / du training offline) qui doivent cohabiter avec des exigences de sûreté. Un modèle de vision qui « marche en labo » ne déploie pas sans orchestration, watchdog, partitioning et preuves pour la certification. Le hardware (SoC, GPU edge) devient commodity relative ; le différenciateur, c'est la stack qui garantit qu'un bug ML ou une mise à jour OTA ne casse pas le freinage, le bras ou la porte coupe-feu logicielle.
Pourquoi ça compte
Pour les constructeurs et intégrateurs, acheter plus de TOPS sans budget software safety, c'est accumuler de la dette. Les appels d'offres et les audits (auto, médical, industrie) regardent déjà les OS temps réel, les ASIL / SIL et la traçabilité des composants logiciels. Neurone21 lit le message QNX comme un correctif au hype Physical AI : le robot « intelligent » n'entre en usine ou sur route que si le runtime est aussi rigoureux que le modèle. Prioriser les équipes platform / safety autant que les data scientists n'est plus optionnel.