Cela fait un moment que je bricole avec des ordinateurs monocartes et des microcontrôleurs, et il m'a fallu bien trop longtemps pour comprendre une chose : ils ne sont pas concurrents, ils sont meilleurs ensemble. Un Arduino excelle pour les circuits, les capteurs et l'automatisation, tandis qu'un Raspberry Pi se charge des calculs plus lourds. Associez-les et vous débloquez des projets qu'aucun des deux ne peut bien réaliser seul.
Ma combinaison préférée est une station météo Home Assistant. L'Arduino lit un capteur BME280 sur une platine d'essai, le Raspberry Pi fait tourner Home Assistant, et je relie les deux via MQTT. C'est bon marché, fiable, et le tableau de bord affiche en direct la température et l'humidité de mon balcon.
Un autre projet auquel je reviens sans cesse est un échiquier intelligent : un Arduino Nano pilote les LED et les interrupteurs sous le plateau, tandis que le Pi fait tourner le moteur d'échecs Stockfish comme adversaire IA. C'est un mélange amusant d'électronique, d'impression 3D et de logiciel.
Si vous aimez le rétrogaming, un Raspberry Pi fait une excellente console d'émulation, et un Arduino peut devenir une manette de jeu DIY pour l'accompagner. J'ai aussi vu des gens ingénieux construire une serrure de porte RFID où le Pi stocke la base de données des badges et l'Arduino gère le lecteur et la gâche : un projet domestique vraiment utile.
Si vous débutez, ne vous prenez pas la tête : procurez-vous un Arduino et un Pi d'occasion, et menez un petit projet de bout en bout. Les acquis s'accumulent vite, et avant même de vous en rendre compte, vous imaginerez vos propres montages.
Source : XDA Developers
Ce projet, publié sur le blog Maker de Robotistan, répond à un problème que connaissent tous ceux qui enchaînent les réunions : plutôt que de consulter sans cesse l'onglet de l'agenda ou d'attendre une notification sur le téléphone, on voit la prochaine réunion sur un écran physique posé sur le bureau.
Le projet utilise un écran TFT LCD HMI ESP32 de 5,0 pouces. Comme l'écran intègre déjà un microcontrôleur ESP32-S3, le Wi-Fi et le circuit de pilotage graphique, il n'est pas nécessaire de brancher un ESP32 séparé avec des fils volants. Le système se connecte au Wi-Fi, interroge l'API Google Agenda pour récupérer le prochain événement et affiche le titre, l'heure et la description de la réunion sur l'écran de 800x480. L'heure actuelle provient d'un serveur NTP. Lorsqu'on ajoute une nouvelle réunion à l'agenda, il n'est pas nécessaire de toucher à l'ESP32 : l'appareil vérifie l'agenda à intervalles réguliers et met l'écran à jour tout seul.
L'écran est tactile en capacitif, mais cette version n'utilise pas le tactile : le panneau sert uniquement à afficher des informations. Le projet ne se limite pas à l'électronique et au logiciel : il fonctionne avec une batterie LiPo 1S de 3,7 V et 1800 mAh, et un boîtier mural imprimé en 3D loge à la fois l'écran et la batterie. Le panneau peut ainsi être fixé au mur sans rester branché à un câble USB. Pendant le développement, une carte de développement ESP32 à 30 broches a aussi été utilisée, mais elle n'est pas indispensable pour la version finale.
Ce que j'apprécie, c'est qu'avec très peu de composants on obtient un outil vraiment utile au quotidien. La même idée pourrait servir à afficher le planning d'une école ou d'un atelier. La liste de matériel est courte, ce qui permet aux débutants de se lancer sans trop de difficultés.
Source : Robotistan Maker
Dans la suite de ses essais autour de la clé RTL-SDR V4, framboise314 publie un dossier consacré au décodage de l'APRS sur un Raspberry Pi 4. L'idée : transformer la petite carte en station de réception radioamateur, à l'écoute de la fréquence européenne 144,800 MHz en VHF.
L'article commence par rappeler ce qu'est l'APRS (Automatic Packet Reporting System). Inventé à la fin des années 80, c'est du packet radio : des salves audio très courtes en AFSK à 1200 bauds, encapsulées dans des trames AX.25. Elles servent au suivi de position, à la télémétrie (stations météo, état de batteries d'un relais isolé) et à de courts messages. Le réseau fonctionne sans Internet grâce aux digipeaters, et les iGates font le lien avec le web. L'auteur le compare aussi au Meshtastic, dont la grande différence tient à la réglementation et aux fréquences.
Côté pratique, le montage passe par GQRX, réglé de façon stricte, puis par le logiciel Dire Wolf, un TNC purement logiciel qui décode les trames. Le tutoriel détaille l'installation, le routage audio en UDP et un piège bien réel : GQRX envoie par défaut en IPv6, il faut donc forcer le flux en IPv4 pour que Dire Wolf reçoive quelque chose. Il traite enfin un problème matériel, le thermal throttling du processeur sous la charge du traitement du signal, indispensable à régler si l'on veut une station fiable en continu.
Ce que j'ai trouvé sympathique, c'est le ton de quelqu'un qui a pratiqué le packet radio dans les années 90 et qui retrouve la technique avec un matériel à quelques dizaines d'euros. Un bon point de départ pour qui veut mêler Raspberry Pi et radio.
Source : Framboise 314
Quand on parle de LLM, on pense tout de suite aux chatbots, mais Needle suit une autre voie. C'est un petit modèle d'intelligence artificielle, à peine 14 Mo, développé par Cactus Compute, avec une seule mission : transformer une demande en langage naturel en appel à une fonction Python. Il ne sert pas à converser, il sert à piloter des applications, des appareils et des automatismes.
Ce qui m'a intrigué, c'est qu'il tourne en local sur un Raspberry Pi 5 avec le seul processeur, sans cloud et sans matériel d'IA dédié. Plutôt que d'écrire accendi_led(), il suffit de dire « Allume la LED 1 » et le modèle choisit la bonne fonction. Il comprend aussi les commandes en italien, et le site du projet propose des démonstrations en ligne (domotique, robot aspirateur, montre connectée, lunettes AR) à essayer.
Le tutoriel de RaspberryItaly construit un petit assistant local qui enregistre des notes dans un fichier, lit la température du Raspberry Pi, allume et éteint une LED et comprend des commandes écrites en italien. Il faut un Raspberry Pi (de préférence le 5), un Raspberry Pi OS à jour, Python 3, une LED avec une résistance de 220 ou 330 ohms et quelques câbles de liaison. L'installation passe par un environnement virtuel et le paquet cactus-needle ; la connexion n'est nécessaire que pour le premier téléchargement.
Un conseil de l'auteur est à garder en tête : mieux vaut donner une commande à la fois. Une phrase comme « éteins la lumière de la cuisine et baisse le store » peut ne pas être bien interprétée, alors que les deux commandes séparées fonctionnent.
Comme idée de projet, je la trouve très concrète : associée à une reconnaissance vocale locale, elle permet de piloter un robot ou une petite automatisation sans dépendre d'aucun service réseau.
Source : RaspberryItaly
Embarcados présente le XIAOML Kit de Seeed Studio, conçu pour accompagner les travaux pratiques du livre « Machine Learning Systems » du professeur Vijay Janapa Reddi, de Harvard. Ces travaux ont été développés avec le professeur Marcelo Rovai, de l'UNIFEI à Itajubá, au sein du groupe tinyML4D.
Le kit réunit une XIAO ESP32-S3 Sense, avec une caméra OV3660, un microphone numérique et un lecteur de carte SD, et une carte d'extension dotée d'une IMU à 6 axes et d'un écran OLED de 0,42 pouce. Il couvre ainsi les trois types de données travaillés dans le livre : image, son et mouvement. On trouve aussi une antenne FPC 2,4 GHz, deux dissipateurs thermiques et une carte microSD de 32 Go avec adaptateur.
Le SoC est l'ESP32-S3R8, un Xtensa LX7 bicœur à 240 MHz, avec 512 Ko de SRAM, 8 Mo de PSRAM et 8 Mo de flash. L'IMU est une LSM6DS3TR-C, et l'OLED utilise un contrôleur SSD1315, que les bibliothèques traitent comme un SSD1306 de 72 x 40 pixels. L'ensemble monté mesure 21 x 17,8 x 30 mm pour 10,6 g. Un détail pratique relevé par l'auteur : l'IMU et l'OLED partagent le même bus I2C, aux adresses 0x6A et 0x3C, donc il faut éviter ces deux adresses pour brancher un autre capteur I2C. La carte de l'IMU dispose en plus d'un connecteur JST pour batterie lithium de 3,7 V, pratique pour les projets portables.
Ce que j'ai préféré, c'est l'association d'un ouvrage de référence et d'un matériel bon marché et compact : on peut passer de la théorie à l'exécution d'inférences sur un vrai microcontrôleur. L'OLED ne permet bien sûr que deux ou trois lignes lisibles, mais cela suffit pour afficher la classe inférée ou un pourcentage de confiance.
Source : Embarcados
Arduino accepte désormais les précommandes du Ventuno Q, annoncé dès mars. Selon un article de Make, la carte coûte 298,99 euros et les appareils précommandés devraient être livrés dans environ quatre semaines. Elle vise surtout l'IA en périphérie et la robotique.
Le concept de « double cerveau » m'intéresse beaucoup. Côté Linux, on trouve un Qualcomm Dragonwing IQ8 (QCS8275) avec huit cœurs Kryo et un NPU Hexagon pouvant atteindre 40 TOPS. Pour tout ce qui est critique en temps, un STM32H5F5 à Cortex-M33 prend le relais : il fait tourner Zephyr RTOS avec le cœur Arduino et gère moteurs, PWM et GPIO. Les deux parties communiquent via un pont RPC. Un robot pourrait ainsi analyser localement les images de ses caméras tout en gérant la commande des moteurs, sans combiner plusieurs cartes.
La fiche technique est généreuse pour Arduino : 16 Go de LPDDR5, 64 Go d'eMMC, un emplacement M.2 pour SSD NVMe, trois connecteurs caméra MIPI-CSI, Ethernet 2,5 Gbit/s, Wi-Fi 6 et Bluetooth 5.3. S'y ajoutent I2C, SPI, UART, plusieurs interfaces CAN-FD, un connecteur Qwiic, quatre LED RVB et une matrice de LED 8×13.
Côté logiciel, Ubuntu est prévu, Debian suivra. Selon Arduino, Docker et apt sont disponibles. Dans l'Arduino App Lab, on peut relier des sketches, des scripts Python et des modèles d'IA conteneurisés. Qwen, Gemma, Whisper, YOLOX et MediaPipe sont préinstallés, et vos propres modèles GGUF tournent avec llama.cpp.
Le prix dépasse largement le niveau habituel d'Arduino, la carte s'adresse donc plutôt à de grands projets qu'aux débutants. Ce qui me plaît surtout, c'est l'idée d'un contrôle vocal local et d'une automatisation indépendante du cloud.
Source : heise online (Make)
Avec les fortes chaleurs de l'été, les cas de personnes âgées vivant seules, transportées à l'hôpital pour un coup de chaleur faute d'avoir remarqué la hausse de température dans leur logement, se multiplient. « THSense », un projet personnel publié sur Zenn, s'adresse aux personnes qui s'occupent de proches vivant loin. Il surveille la température et l'humidité de la pièce et envoie un e-mail lorsque la température atteint un niveau dangereux.
Les fonctions sont simples : mesure de la température et de l'humidité toutes les minutes, envoi d'un e-mail au-delà de 35 °C, et consultation dans le navigateur des valeurs actuelles ainsi que de l'historique sous forme de graphique. Selon l'auteur, le graphique permet de repérer plus tôt des signes avant-coureurs, comme une température qui ne cesse de monter.
L'architecture est intéressante. La lecture du capteur (DHT20) est confiée à un Arduino présent sur le Grove Beginner Kit plutôt qu'au Raspberry Pi, car cela assure une meilleure réactivité et des valeurs plus fiables. Toutes les 60 secondes, l'Arduino envoie une chaîne de caractères au Raspberry Pi via un port série USB. Le programme Python du Raspberry Pi la reçoit avec pyserial, la convertit en nombres, puis se charge de la détection du seuil, de l'envoi de l'e-mail et de l'enregistrement en base. La base est une MariaDB hébergée sur une machine virtuelle Azure, et l'interface est réalisée avec Flask et Chart.js. Les e-mails transitent par le serveur SMTP de Gmail via smtplib, et les identifiants sont lus dans un fichier .env plutôt que d'être écrits dans le code.
La répartition des rôles est claire, ce qui en fait un bon exemple de conception pour un petit projet IoT. Confier la mesure à l'Arduino et la décision ainsi que la notification au Raspberry Pi est une séparation que je pourrai moi aussi réutiliser pour des bricolages similaires. L'auteur indique que le code source est publié sur GitHub.
Source : Zenn
Raspberry Pi a enfin mis en vente son Smart Display Module. Annoncé pour la première fois en janvier, il peut être acheté depuis cette semaine chez les revendeurs agréés pour 30 dollars. Le Compute Module 5 se vend séparément : il s'agit donc d'une simple carte d'adaptation, et non d'un ordinateur complet.
C'est une carte d'adaptation pour le Compute Module 5 qui se branche dans des écrans et des projecteurs suivant la spécification Smart Display Module (SDM) d'Intel. L'alimentation, la vidéo, l'audio, les données et le contrôle passent tous par le connecteur interne, ce qui évite câbles supplémentaires, blocs d'alimentation et supports accrochés à l'arrière d'un écran. Elle a été développée avec Sharp Display Solutions Europe et gère la lecture vidéo en 4K.
La carte embarque aussi un emplacement M.2 qui peut accueillir un stockage rapide ou un accélérateur d'IA comme un module Hailo. Sans ventilateur et silencieuse, elle vise la signalétique numérique qui doit tourner 24 heures sur 24 : affichage d'informations de vol, orientation, écrans de magasins et d'entreprises, ou expositions immersives associées à un projecteur SDM.
Un des premiers testeurs, un petit service de signalétique appelé Media Looper, l'a fait tourner pendant trois mois sur un écran Sharp. Son fondateur explique qu'elle fait tout ce que fait leur installation avec un Raspberry Pi 5, sans câble, sans alimentation ni support qu'un client pourrait arracher par mégarde, et qu'il en fera la solution par défaut pour tout écran doté d'un emplacement SDM.
J'aime ce genre d'annonce, car elle montre le chemin parcouru par la plateforme, des cartes pour bricoleurs vers un matériel embarqué plus soigné. Pour quiconque conçoit un projet d'affichage, un module à 30 dollars qui disparaît à l'intérieur de l'écran est une option séduisante, à condition toutefois de vérifier que votre écran dispose bien d'un emplacement SDM.
Source : Raspberry Pi News
L'interface HDA Link, aussi appelée Azalia, ne se trouve généralement que dans les chipsets de PC. L'auteur d'un article sur Habr a voulu vérifier si le microcontrôleur RP2040 de la Raspberry Pi Pico pouvait servir d'hôte à cette interface. L'intérêt est évident : les codecs audio HDA multicanaux offrent bien plus de canaux que l'I²S.
Le projet repose sur un RP2040 doté de blocs PIO et sur un codec Realtek ALC889 présent sur la carte, une carte restée d'une tentative précédente avec un STM32F103 et un Spartan-3. Le signal BCLK doit être stable à 24 MHz, il ne peut donc pas être généré logiciellement. L'interface utilise quatre lignes : BCLK, SYNC, SDO et SDI, et une trame de 1000 bits donne 48 kHz ; pour 96 et 192 kHz, le nombre d'échantillons par trame augmente.
L'implémentation s'appuie sur quatre machines d'état PIO : la sortie SDO, la sortie SYNC, l'entrée SDI avec génération du BCLK, et une machine qui attribue une adresse au codec. Les données transitent par DMA, tandis que le second cœur du RP2040 regroupe les échantillons et les commandes et interprète les réponses du codec. Le projet de démonstration génère des sinusoïdes sur cinq DAC stéréo, avec une troisième harmonique d'environ −123 dB.
Le codec a fonctionné à 192 kHz. Le RP2040 overclocké à 32 MHz (256 kHz) a aussi fonctionné, mais le codec chauffait beaucoup. La carte consomme de 150 à 270 mA sous 3,3 V. Il y a aussi des limites : les filtres intégrés se comportent comme un passe-haut du premier ordre avec une fréquence de coupure d'environ 4 Hz, et la bande passante d'entrée HDA ne permet pas trois canaux stéréo en 24/192 simultanément.
L'auteur a également trouvé un bug de synchronisation du RP2040 quand DMA, USB et l'échantillonnage XIP fonctionnent ensemble ; sa cause a été identifiée par des spécialistes de Raspberry Pi. Pour des traitements complexes, il recommande le RP2350, qui dispose d'instructions DSP. J'apprécie que le projet montre franchement à la fois les résultats et les points faibles.
Source : Habr
Les capteurs ont cessé d'être les composants presque invisibles d'un atelier ou d'une usine. Hardware Libre passe en revue plusieurs projets en Espagne et en Europe où des réseaux d'appareils connectés, des plateformes de données et l'intelligence artificielle servent à des tâches très différentes : anticiper les pannes, surveiller la pollution, identifier les oiseaux à leur chant ou améliorer la sécurité d'un véhicule.
L'exemple le plus détaillé est Scamia, à Madrid, un projet de l'entreprise municipale du logement EMVS qui sera appliqué à quinze immeubles d'ici 2027, dont treize de logements sociaux. Son budget d'environ 5,2 millions d'euros bénéficie d'un cofinancement européen et repose sur un jumeau numérique de chaque immeuble. Les données d'environ deux cents capteurs par immeuble, connectés en Wi-Fi et en IoT, mesurent la température, l'humidité relative ou le taux de CO2 et permettent de détecter des anomalies avant que les voisins ne les remarquent. Les données sont anonymisées et associées à des foyers, non à des personnes.
Les responsables estiment une baisse de 15 % à 20 % des coûts de maintenance d'équipements comme les systèmes aérothermiques ou les chaudières, et de 5 % à 10 % de la consommation d'énergie. L'article ajoute une touche de réalisme : ces pourcentages représentent environ 40 à 100 euros par an et par logement en énergie, et la valeur réelle apparaît lorsqu'on additionne de nombreux foyers et qu'on évite des pannes coûteuses.
À Carthagène, un autre réseau se prépare pour les quartiers du nord, avec un contrat de 130 258 euros TVA comprise et une quinzaine d'appareils destinés à mesurer des gaz comme le dioxyde d'azote ou l'ozone.
Cela rappelle que les mêmes principes qu'un projet domestique avec un microcontrôleur et un capteur de température peuvent s'appliquer à une ville entière. La difficulté, comme le souligne le texte, n'est pas de mesurer, mais de transformer des millions de relevés en décisions utiles.
Source : Hardware Libre
Pavel Loktev a publié sur Habr un test après avoir utilisé pendant une semaine le panneau mural Elecrow CrowPanel basé sur ESP32-P4, en se demandant à quoi sert vraiment ce type d'appareil. J'ai trouvé ses conclusions honnêtes, je reprends donc les points principaux.
L'appareil dispose d'un écran de 10,1 pouces en 1024×600, de 32 Mo de PSRAM, de 16 Mo de mémoire flash, d'un capteur tactile capacitif, d'un audio, d'un emplacement SD et de GPIO. Le micrologiciel étant fermé, c'est un produit fini plutôt qu'une plateforme de développement. Le panneau fonctionne comme un client : on installe un module complémentaire sur le serveur Home Assistant, puis on saisit sur le panneau l'adresse du serveur, l'identifiant et le mot de passe. Il affiche ensuite un tableau de bord HA classique, sans qu'il soit nécessaire de concevoir une interface.
L'auteur fournit des mesures. Le démarrage à froid jusqu'à un tableau de bord fonctionnel prend environ 20 secondes. Entre l'appui sur un bouton et le changement d'état, il faut 0,7 à 0,8 seconde, et le passage d'un onglet jusqu'à ce que le bloc soit prêt prend 1,1 à 1,3 seconde. La commande part presque immédiatement, mais la confirmation visuelle à l'écran arrive nettement plus tard. Les curseurs fonctionnent correctement, et il a aussi testé les caméras et la lecture de médias.
Il est tout aussi franc sur les alternatives. La tablette est plus rapide et plus polyvalente, mais elle exige un support, une alimentation et un mode kiosque. ESPHome avec LVGL est moins cher, mais il faut créer et maintenir l'interface soi-même. Les panneaux prêts à l'emploi comme le Sonoff NSPanel règlent les questions de boîtier et d'alimentation, mais demandent souvent un micrologiciel tiers. CrowPanel est le juste milieu : un seul tableau de bord pour le téléphone, l'ordinateur et le mur.
Parmi les inconvénients, il cite des performances plus faibles, une résolution trop limitée pour les tableaux de bord denses et un micrologiciel fermé. Il n'y a pas de batterie intégrée. Sa conclusion : ce n'est pas un remplaçant de la tablette, mais de la télécommande de contrôle à l'entrée, dans la cuisine ou dans le garage. J'ai aimé sa formule sur un interrupteur doté d'un grand écran, et je la trouve très juste.
Source : Habr
