Review cours Terminale NSI — POO, SQL, Sécurité, Soc, Calculabilité, Réseau

Soc/README.md

@@ -1,5 +1,25 @@
 # Circuits intégrés et Systèmes sur Puce (SoC)
 
+<img src="assets/bo.png" alt="bo" style="zoom:50%;" />
+
+> Comment fait-on tenir la puissance d'un ordinateur de 30 tonnes dans une puce de quelques millimètres carrés ? Ce chapitre explore l'évolution des circuits intégrés, des architectures de processeurs et des systèmes embarqués — jusqu'aux puces d'intelligence artificielle de 2026.
+
+## Programme
+
+Ce chapitre couvre les notions suivantes du programme de Terminale NSI :
+
+- Composants intégrés d'un système sur puce
+- Transmission des données dans un réseau
+- Systèmes embarqués
+
+## Ressources
+
+| Fichier | Description |
+|---------|-------------|
+| [Exercices](EXERCICES.md) | 10 exercices (QCM, calculs, analyse de specs réelles) |
+| [TP — Station météo IoT](TP_Station_Meteo_IoT.md) | Programmer un SoC embarqué pour collecter et transmettre des données |
+| [Corrigé](CORRIGE.md) | Corrigés des exercices |
+
 ---
 
 ## 1. Rappels de Première
@@ -208,6 +228,62 @@ Le recyclage des composants électroniques reste un défi :
 
 ---
 
+## 6. Nouvelles puces : l'ère de l'IA embarquée (2025-2026)
+
+L'architecture des SoC connaît en 2025-2026 une rupture majeure : les puces ne sont plus seulement conçues pour le calcul généraliste ou le graphisme, mais pour **exécuter des modèles d'intelligence artificielle localement**, sans passer par le cloud.
+
+### 6.1. Nvidia RTX Spark (2026)
+
+Annoncé au Computex 2026, le **Nvidia RTX Spark** est un superchip qui illustre parfaitement l'évolution vers les SoC unifiés hautes performances.
+
+**Architecture :**
+
+| Composant | Détail |
+|-----------|--------|
+| CPU | 20 cœurs ARM Grace (Neoverse V2), co-développé avec MediaTek |
+| GPU | Blackwell — 6 144 CUDA cores, Tensor Cores Gen 5 |
+| Mémoire | Jusqu'à 128 Go de LPDDR5X **unifiée** (partagée CPU/GPU) |
+| Bande passante | ~300 Go/s |
+| Interconnexion | NVLink-C2C (technologie issue des serveurs Nvidia) |
+| Performances IA | 1 petaflop en FP4, modèles jusqu'à 120 milliards de paramètres |
+
+> **Lien avec le cours :** Le RTX Spark est un SoC au sens strict — CPU, GPU et mémoire sur la même puce, reliés par un bus interne ultra-rapide (NVLink-C2C). La mémoire unifiée signifie que CPU et GPU accèdent aux mêmes données sans copie, ce qui élimine un goulot d'étranglement classique.
+
+**Ce qui est nouveau :**
+
+- **ARM + GPU Nvidia** : la convergence ARM/GPU, déjà amorcée par Apple (M-series), s'étend au monde PC et gaming.
+- **IA locale** : exécuter un modèle de 120 milliards de paramètres sur un laptop (l'équivalent de GPT-3) sans connexion internet était impensable en 2023.
+- **Usage prévu** : agents IA personnels, création de contenu (Adobe), gaming 1440p avec ray tracing et DLSS.
+
+*Disponibilité : laptops et mini-PC prévus pour l'automne 2026.*
+
+### 6.2. Contexte : la course aux puces IA
+
+Le RTX Spark s'inscrit dans une tendance plus large :
+
+| Fabricant | Puce | Spécialité |
+|-----------|------|------------|
+| **Nvidia** | RTX Spark (2026) | IA + gaming, ARM + Blackwell, usage personnel |
+| **Apple** | M4 Pro/Max (2024) | SoC universel, efficacité énergétique, écosystème Apple |
+| **Qualcomm** | Snapdragon X Elite (2024) | PC Windows ARM, NPU 45 TOPS |
+| **AMD** | Strix Halo (2025) | x86 + GPU RDNA4, gaming portable |
+
+**Tendances communes à toutes ces puces :**
+- Mémoire unifiée (CPU et GPU partagent la même RAM)
+- NPU (Neural Processing Unit) dédié à l'IA
+- Efficacité énergétique comme priorité
+- Réduction de la dépendance au cloud pour l'IA
+
+### 6.3. Exercice d'actualité
+
+Le RTX Spark intègre 20 cœurs ARM alors que les PC traditionnels utilisent du x86 (Intel/AMD).
+
+1. En vous appuyant sur la section 3 (ARM vs x86), expliquer pourquoi Nvidia a choisi ARM plutôt que x86 pour ce superchip.
+2. La mémoire du RTX Spark est dite "unifiée". En quoi cela diffère-t-il de l'architecture Von Neumann vue en Première, où CPU et GPU ont chacun leur propre mémoire ?
+3. "1 petaflop = 10¹⁵ opérations par seconde." Un modèle d'IA de 120 milliards de paramètres nécessite environ 240 milliards d'opérations pour générer un seul token. Combien de tokens par seconde le RTX Spark peut-il théoriquement produire ?
+
+---
+
 ## Synthèse
 
 ```