{"id":32598,"date":"2026-09-28T09:33:24","date_gmt":"2026-09-28T07:33:24","guid":{"rendered":"https:\/\/monraspberry.com\/?post_type=product&p=32598"},"modified":"2026-09-28T09:47:58","modified_gmt":"2026-09-28T07:47:58","slug":"accelerateur-google-coral-usb","status":"publish","type":"product","link":"https:\/\/monraspberry.com\/en\/produit\/accelerateur-google-coral-usb\/","title":{"rendered":"Acc\u00e9l\u00e9rateur Google Coral USB"},"content":{"rendered":"

L'acc\u00e9l\u00e9rateur Google Coral USB<\/strong> ajoute un coprocesseur d’intelligence artificielle Edge TPU \u00e0 n’importe quel ordinateur disposant d’un port USB, Raspberry Pi compris. Branch\u00e9 en quelques secondes, il prend en charge l’inf\u00e9rence des mod\u00e8les TensorFlow Lite et lib\u00e8re le processeur principal pour le reste des t\u00e2ches.<\/p>\n

Le c\u0153ur du bo\u00eetier est l’Edge TPU<\/strong>, un circuit sp\u00e9cialis\u00e9 con\u00e7u par Google pour ex\u00e9cuter des r\u00e9seaux de neurones avec une faible consommation. Il d\u00e9livre jusqu’\u00e0 4 000 milliards d’op\u00e9rations par seconde (4 TOPS en int8) pour environ 2 W, soit 2 TOPS par watt. \u00c0 titre d’exemple, Google indique qu’un mod\u00e8le de vision MobileNet v2 tourne \u00e0 pr\u00e8s de 400 images par seconde sur un seul Edge TPU.<\/p>\n

Le traitement se fait enti\u00e8rement en local : les images de vos cam\u00e9ras ne quittent pas votre r\u00e9seau, la latence reste faible et aucune connexion Internet n’est n\u00e9cessaire. C’est la raison pour laquelle cet acc\u00e9l\u00e9rateur est tr\u00e8s utilis\u00e9 avec Frigate<\/strong>, le logiciel de vid\u00e9osurveillance open source qui d\u00e9tecte personnes, v\u00e9hicules et animaux sur les flux de cam\u00e9ras IP.<\/p>\n

Highlights<\/h2>\n
    \n
  • Edge TPU Google<\/strong> : 4 TOPS en int8, 2 TOPS par watt, pour des inf\u00e9rences rapides \u00e0 faible consommation.<\/li>\n
  • Connexion USB 3.0 Type-C<\/strong> (USB 3.1 Gen 1, 5 Gbit\/s), c\u00e2ble USB-C vers USB-A fourni.<\/li>\n
  • Aucune carte d’extension \u00e0 installer<\/strong> : il suffit d’un port USB libre, id\u00e9alement en USB 3.0.<\/li>\n
  • Multiplateforme<\/strong> : Linux (dont Raspberry Pi OS), macOS et Windows.<\/li>\n
  • Inf\u00e9rence 100 % locale<\/strong>, sans cloud, pour la confidentialit\u00e9 des images et une latence minimale.<\/li>\n
  • Prise en charge native par Frigate<\/strong> pour la d\u00e9tection d’objets en vid\u00e9osurveillance.<\/li>\n
  • Bo\u00eetier m\u00e9tallique compact<\/strong> avec voyant d’\u00e9tat et trous de fixation.<\/li>\n<\/ul>\n

    Technical specifications<\/h2>\n
      \n
    • Acc\u00e9l\u00e9rateur :<\/strong> Google Edge TPU (ASIC d\u00e9di\u00e9 \u00e0 l’apprentissage automatique)<\/li>\n
    • Performances :<\/strong> 4 TOPS cr\u00eate (int8), 2 TOPS par watt<\/li>\n
    • Mod\u00e8les pris en charge :<\/strong> TensorFlow Lite compil\u00e9s pour l’Edge TPU<\/li>\n
    • Interface :<\/strong> USB 3.0 (USB 3.1 Gen 1, SuperSpeed 5 Gbit\/s), connecteur USB Type-C<\/li>\n
    • C\u00e2ble fourni :<\/strong> USB Type-C vers USB Type-A, 30 cm<\/li>\n
    • Power supply :<\/strong> 5 V par le port USB, au moins 500 mA requis, pic de 900 mA \u00e0 fr\u00e9quence maximale<\/li>\n
    • Syst\u00e8mes h\u00f4tes :<\/strong> Linux Debian 10 ou d\u00e9riv\u00e9 (x86-64, Armv7, Armv8), macOS 10.15, Windows 10<\/li>\n
    • Modes de fonctionnement :<\/strong> fr\u00e9quence r\u00e9duite ou fr\u00e9quence maximale (deux fois plus rapide)<\/li>\n
    • Temp\u00e9rature ambiante maximale :<\/strong> 35 \u00b0C en fr\u00e9quence r\u00e9duite, 25 \u00b0C en fr\u00e9quence maximale<\/li>\n
    • Dimensions :<\/strong> environ 65 x 30 x 8 mm<\/li>\n
    • Voyant :<\/strong> fixe lorsque l’Edge TPU est initialis\u00e9, pulsant pendant les calculs<\/li>\n
    • R\u00e9f\u00e9rences Google :<\/strong> G950-01456-01 \/ G950-06809-01 selon la r\u00e9gion<\/li>\n<\/ul>\n

      Usage avec Frigate sur Raspberry Pi<\/h2>\n

      Frigate analyse en continu les flux de vos cam\u00e9ras pour ne d\u00e9clencher des enregistrements et des alertes que lorsqu’un objet pertinent appara\u00eet. Sans acc\u00e9l\u00e9rateur, cette d\u00e9tection repose sur le processeur du Raspberry Pi, qui atteint vite ses limites d\u00e8s que l’on ajoute des cam\u00e9ras. Avec le Coral USB, l’inf\u00e9rence est confi\u00e9e \u00e0 l’Edge TPU : la documentation de Frigate indique un temps d’inf\u00e9rence de l’ordre de 10 ms, soit environ 100 d\u00e9tections par seconde.<\/p>\n

      La mise en place est simple. Frigate s’ex\u00e9cute dans un conteneur Docker sur Raspberry Pi OS 64 bits, et il suffit de d\u00e9clarer le d\u00e9tecteur dans le fichier de configuration avec le type edgetpu<\/strong> et le p\u00e9riph\u00e9rique usb<\/strong>, en donnant au conteneur l’acc\u00e8s au bus USB. Le d\u00e9codage des flux vid\u00e9o reste \u00e0 la charge du Raspberry Pi : pour un bon \u00e9quilibre, utilisez un flux secondaire de r\u00e9solution mod\u00e9r\u00e9e pour la d\u00e9tection et r\u00e9servez le flux principal \u00e0 l’enregistrement.<\/p>\n

      Sur un Raspberry Pi 5<\/strong>, branchez l’acc\u00e9l\u00e9rateur sur l’un des ports USB 3.0 bleus. Le courant disponible sur les ports USB d\u00e9pend de l’alimentation : avec l’alimentation officielle 27 W, le Raspberry Pi 5 peut fournir davantage de courant \u00e0 ses p\u00e9riph\u00e9riques USB, ce qui est recommand\u00e9 si vous utilisez aussi un disque USB pour les enregistrements.<\/p>\n

      Autres cas d’usage<\/h2>\n
        \n
      • Classification d’images<\/strong> et d\u00e9tection d’objets en temps r\u00e9el sur cam\u00e9ra.<\/li>\n
      • Comptage<\/strong> de personnes ou de v\u00e9hicules, contr\u00f4le qualit\u00e9 visuel sur une ligne de production.<\/li>\n
      • Prototypage de produits d’IA embarqu\u00e9e<\/strong> avant un passage sur module Coral M.2 ou PCIe.<\/li>\n
      • Projets p\u00e9dagogiques<\/strong> autour de l’apprentissage automatique sur Raspberry Pi.<\/li>\n<\/ul>\n

        Ce qu’il faut savoir<\/h2>\n

        L’Edge TPU n’ex\u00e9cute que des mod\u00e8les TensorFlow Lite quantifi\u00e9s en int8 et compil\u00e9s avec le compilateur Edge TPU. Google propose des mod\u00e8les pr\u00e9entra\u00een\u00e9s pr\u00eats \u00e0 l’emploi, et Frigate embarque d\u00e9j\u00e0 un mod\u00e8le de d\u00e9tection adapt\u00e9. Pour un usage hors Frigate, l’h\u00f4te doit disposer du runtime Edge TPU et de la biblioth\u00e8que correspondante.<\/p>\n

        Le mode fr\u00e9quence maximale augmente la vitesse d’inf\u00e9rence mais aussi la consommation et l’\u00e9chauffement : le bo\u00eetier peut alors devenir tr\u00e8s chaud au toucher. Placez l’acc\u00e9l\u00e9rateur dans un endroit a\u00e9r\u00e9, hors de port\u00e9e, ou restez en fr\u00e9quence r\u00e9duite dans un bo\u00eetier ferm\u00e9.<\/p>\n

        Box contents<\/h2>\n
          \n
        • 1 acc\u00e9l\u00e9rateur Google Coral USB<\/li>\n
        • 1 c\u00e2ble USB Type-C vers USB Type-A de 30 cm<\/li>\n<\/ul>\n

          Frequently asked questions<\/h2>\n

          Le Coral USB fonctionne-t-il sur Raspberry Pi 5 ?<\/h3>\n

          Oui. Il se branche sur un port USB 3.0 du Raspberry Pi 5 et fonctionne sous Raspberry Pi OS 64 bits, notamment avec Frigate en Docker.<\/p>\n

          Quelle diff\u00e9rence avec l’acc\u00e9l\u00e9rateur Coral M.2 ?<\/h3>\n

          Les deux utilisent le m\u00eame Edge TPU. La version USB se branche sur n’importe quel ordinateur sans ouvrir la machine, tandis que la version M.2 s’installe dans un emplacement M.2 compatible et reste plus discr\u00e8te une fois mont\u00e9e.<\/p>\n

          Combien de cam\u00e9ras peut-on g\u00e9rer avec Frigate ?<\/h3>\n

          Cela d\u00e9pend de la r\u00e9solution des flux de d\u00e9tection et de l’activit\u00e9 dans les images. Avec environ 100 d\u00e9tections par seconde, un seul Coral suffit pour plusieurs cam\u00e9ras ; sur Raspberry Pi, le d\u00e9codage vid\u00e9o par le processeur devient g\u00e9n\u00e9ralement la limite avant l’acc\u00e9l\u00e9rateur.<\/p>\n

          Faut-il une connexion Internet ?<\/h3>\n

          Non. Toute l’inf\u00e9rence est r\u00e9alis\u00e9e localement sur l’Edge TPU, aucune image n’est envoy\u00e9e vers un service en ligne.<\/p>","protected":false},"excerpt":{"rendered":"

            \n
          • Edge TPU Google de 4 TOPS<\/li>\n
          • Connexion USB 3.0 Type-C, c\u00e2ble fourni<\/li>\n
          • Id\u00e9al pour Frigate sur Raspberry Pi<\/li>\n<\/ul>","protected":false},"featured_media":32610,"template":"","meta":[],"product_brand":[],"product_cat":[430],"product_tag":[],"class_list":["post-32598","product","type-product","status-publish","has-post-thumbnail","product_cat-peripheriques","first","instock","taxable","shipping-taxable","purchasable","product-type-simple","add-to-wishlist-after_add_to_cart"],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product\/32598","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product"}],"about":[{"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/types\/product"}],"version-history":[{"count":1,"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product\/32598\/revisions"}],"predecessor-version":[{"id":32611,"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product\/32598\/revisions\/32611"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/media\/32610"}],"wp:attachment":[{"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/media?parent=32598"}],"wp:term":[{"taxonomy":"product_brand","embeddable":true,"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product_brand?post=32598"},{"taxonomy":"product_cat","embeddable":true,"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product_cat?post=32598"},{"taxonomy":"product_tag","embeddable":true,"href":"https:\/\/monraspberry.com\/en\/wp-json\/wp\/v2\/product_tag?post=32598"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}