Arm CSS for Mobile 2 Relève les Enjeux du Jeu Android et de l’IA sur l’Appareil

Arm a présenté Arm CSS for Mobile 2, doté de deux nouveaux moteurs de calcul et d’une promesse inhabituellement ambitieuse pour les futurs téléphones Android. La plateforme associe des cœurs CPU C2 à un GPU Mali G2-Ultra NX conçu pour des jeux plus riches et une IA locale plus réactive.

Le changement important n’est pas une simple hausse annuelle des performances. Arm intègre du matériel matriciel spécialisé au sein du cluster CPU et des accélérateurs neuronaux directement dans son GPU mobile phare. Cette conception considère l’IA comme une composante du calcul et des graphismes ordinaires, plutôt que comme une charge de travail confinée à une unité de traitement neuronal distincte.

Arm a annoncé la plateforme le 8 septembre 2026, mais les consommateurs ne peuvent pas encore l’acheter. Les concepteurs de puces doivent intégrer cette propriété intellectuelle dans leurs processeurs avant que les fabricants de téléphones puissent expédier des appareils finis. Qualcomm, MediaTek, Samsung et d’autres fournisseurs de silicium détermineront quelle part de la conception d’Arm atteindra les véritables produits Android.

Cet écart crée la tension centrale. Les résultats internes d’Arm décrivent des performances CPU plus rapides, d’importants gains pour l’IA et des graphismes qui se rapprochent des techniques de bureau dans les limites de puissance d’un téléphone. Le matériel commercialisé devra offrir ces avantages sans surchauffer, épuiser les batteries ni dépendre de jeux qui n’adoptent jamais les logiciels requis.

Ce que Arm CSS for Mobile 2 Change Réellement

Arm CSS for Mobile 2 est une conception coordonnée de CPU, GPU, système et logiciels, et non un processeur de smartphone fini.

Le CSS for Mobile 2 d’Arm combine des cœurs CPU C2-Ultra et C2-Pro, deux unités SME2, des graphismes Mali G2-Ultra NX, une technologie d’interconnexion système et des outils de développement. CSS signifie Compute Subsystem, un ensemble de composants validés que les fabricants de puces peuvent adapter dans un système sur puce.

Cette approche offre aux titulaires de licence davantage que des plans isolés de CPU ou de GPU. Arm fournit également des implémentations physiques et des recommandations au niveau système couvrant les performances, la consommation, la surface de puce et le déplacement des données. Les partenaires peuvent utiliser la configuration complète ou associer certains composants à des technologies personnalisées et tierces.

Un exemple de cluster phare contient deux cœurs C2-Ultra axés sur les performances et six cœurs C2-Pro orientés efficacité. Il comprend également deux unités Scalable Matrix Extension 2. SME2 est une extension d’instructions Arm qui accélère les opérations matricielles utilisées par les modèles de parole, de vision et de langage.

La configuration CPU est importante, car la génération précédente associait ses cœurs à une seule unité SME2. Arm a doublé cette capacité tout en positionnant le CPU comme couche d’orchestration pour l’IA mobile. L’entreprise prévoit que les futurs agents récupéreront des informations, prépareront des prompts, exécuteront des modèles et contrôleront des applications simultanément.

La partie graphique introduit un changement architectural plus visible. Mali G2-Ultra NX est la première conception Mali d’Arm dotée d’une accélération neuronale dédiée au sein du pipeline graphique. Ses cœurs de shaders peuvent utiliser ce matériel tout en partageant la mémoire, les caches et les structures de contrôle du GPU.

Cette organisation cible les graphismes neuronaux, où un modèle reconstruit ou génère une partie d’une image au lieu de rendre conventionnellement chaque pixel affiché. Le GPU bénéficie également d’un nouveau moteur d’exécution et de la troisième génération d’unité matérielle de ray tracing d’Arm.

Ces composants restent des briques sous licence. Un téléphone utilisant des cœurs CPU C2 n’a pas automatiquement besoin de la plus grande configuration Mali. Un fabricant de puces peut sélectionner des variantes GPU plus petites, ajouter son propre accélérateur ou rechercher un équilibre différent entre coût et performances.

L’annonce fixe donc une orientation technique sans définir une expérience Android unique. Arm a créé le socle commun, tandis que les titulaires de licence décideront du nombre de cœurs, des fréquences, du système mémoire, des hypothèses de refroidissement et de la prise en charge logicielle.

Cette distinction est importante lors de la lecture des chiffres de benchmark. Arm a comparé des configurations de référence dans des conditions choisies en interne. Les résultats finaux dépendront de l’implémentation de chaque partenaire et des limites thermiques de chaque fabricant de téléphones.

Le Cluster CPU Arm C2 Intègre l’IA au Calcul Quotidien

Le cluster CPU C2 considère l’IA locale comme une charge de travail système continue, et non comme une tâche brève entièrement envoyée à un NPU.

Arm indique que son nouveau cluster CPU C2 offre jusqu’à 15 % de performances monothread supplémentaires par rapport à la génération précédente. L’entreprise fait également état de lancements d’applications 12 % plus rapides et de performances multithread 12 % plus élevées au niveau du cluster.

Ces chiffres couvrent davantage que l’IA générative. Les performances monothread influent sur la réactivité de l’interface, la navigation web, la logique des applications et les étapes individuelles d’un flux de travail automatisé. La capacité multithread devient importante lorsque plusieurs applications et modèles fonctionnent ensemble.

C2-Ultra est le cœur phare du cluster. Arm indique qu’il utilise un moteur d’exécution plus grand, une prédiction de branchement améliorée et un meilleur comportement de récupération des instructions afin de maintenir davantage d’opérations en mouvement dans le processeur. Il gère les tâches au premier plan, où de petits délais restent perceptibles pour les utilisateurs.

C2-Pro prend en charge les tâches de longue durée en mettant davantage l’accent sur l’efficacité. Arm affirme qu’il conserve la microarchitecture économe en énergie utilisée par C1-Pro tout en passant à une technologie de fabrication plus récente. Cette combinaison vise à maintenir l’activité en arrière-plan sans attribuer chaque tâche à un grand cœur.

Les deux unités SME2 prennent en charge les calculs intensifs en matrices du côté CPU. Arm affirme que la configuration étendue produit jusqu’à 70 % de gains par rapport à son cluster C1 dans certaines tâches d’IA. L’entreprise fait également état de performances atteignant 1,7 fois celles de la génération précédente sur certains modèles d’IA.

Il s’agit de benchmarks de l’entreprise, et non de résultats issus d’appareils vendus au détail. Arm précise que ses tests se sont déroulés entre mars et août 2026 et avertit que les résultats réels peuvent varier. Les pourcentages publiés représentent également des gains maximums plutôt qu’une moyenne garantie entre les applications.

Le mécanisme qui sous-tend cette affirmation reste néanmoins notable. Un agent mobile ne peut pas passer chaque instant à exécuter un grand modèle sur un seul accélérateur. Il doit recueillir du contexte, planifier le travail, invoquer des applications, traiter des modèles plus petits et décider si une tâche doit rester locale ou être confiée au cloud.

Le CPU reste impliqué tout au long de cette chaîne. Doubler la capacité SME2 permet d’exécuter davantage d’inférences là où le contrôle applicatif s’opère déjà, ce qui peut réduire les transferts entre blocs de traitement. Cette approche peut améliorer la latence lorsque les charges de travail sont suffisamment petites pour les unités spécialisées du CPU.

Arm affirme également que C2-Ultra peut consommer jusqu’à 38 % d’énergie en moins à performances égales par rapport à C1-Ultra. L’efficacité à performances comparables compte davantage que la vitesse de pointe pour les charges de travail soutenues sur téléphone. Un processeur qui atteint brièvement un benchmark élevé peut néanmoins réduire sa fréquence durant une longue session d’IA.

Les cas d’usage potentiels incluent la reconnaissance vocale, la récupération d’informations, la mémoire personnelle, la planification et le raisonnement léger. Ces tâches nécessitent souvent une série de courtes opérations plutôt qu’un travail d’inférence ininterrompu. Arm veut que C2 coordonne cette série tandis que des accélérateurs plus grands prennent en charge les portions appropriées.

Cette conception ne rend pas les NPU dédiés inutiles. Elle élargit le rôle du CPU dans un système hétérogène, où différents moteurs prennent en charge différentes étapes. L’avantage pratique dépendra de la capacité du logiciel à choisir le bon moteur sans introduire de nouveaux délais.

Mali G2-Ultra NX Mise sur la Reconstruction des Pixels

L’argument d’Arm en faveur de graphismes de classe bureau repose sur le rendu de moins de données et la reconstruction des détails manquants par traitement neuronal.

Le nouveau Mali G2-Ultra NX prend en charge trois techniques de graphismes neuronaux. Chacune réduit une partie de la charge de travail de rendu conventionnelle, mais chacune exige également une intégration par les développeurs de jeux.

Neural Super Sampling effectue le rendu à une résolution inférieure avant d’utiliser un modèle pour reconstruire une image finale plus nette. Les informations temporelles issues des images précédentes aident à restaurer les détails et à lisser les contours. La méthode rappelle les stratégies d’upscaling déjà utilisées par les fournisseurs de graphismes de bureau.

Neural Frame Rate Upscaling génère des images intermédiaires entre les images normalement rendues. Un jeu peut rendre moins d’images complètes pendant que le matériel neuronal en crée d’autres pour l’écran. Arm indique que le résultat peut atteindre 120 images par seconde dans des charges de travail appropriées.

Neural Super Sampling and Denoising associe la reconstruction à la suppression du bruit dans les scènes avec ray tracing. Le ray tracing simule les interactions de la lumière avec les surfaces, produisant des reflets, des ombres et un éclairage indirect plus réalistes. Il est également coûteux en calcul.

L’architecture d’Arm place des accélérateurs neuronaux dans les cœurs de shaders, à côté des ressources graphiques et de calcul traditionnelles. Les caches et les structures mémoire partagés réduisent la nécessité de déplacer les données d’image vers un accélérateur externe. Moins de déplacements peut économiser de l’énergie et réduire le temps de traitement.

Le nouveau moteur d’exécution du GPU fournit jusqu’à deux fois plus de registres par warp, selon Arm. Un warp est un groupe de threads graphiques exécutés ensemble. Davantage de registres peuvent aider les shaders complexes à conserver les données sans accéder de façon répétée à une mémoire plus lente.

Arm décrit cette évolution comme sa plus grande mise à jour de l’architecture du jeu d’instructions Mali en sept générations. L’entreprise fait état de performances de benchmark jusqu’à 24 % supérieures et de performances 14 % plus élevées dans les jeux existants dépourvus de graphismes neuronaux.

La distinction entre ces résultats est essentielle. Le chiffre de 14 % constitue un meilleur indicateur pour les jeux ne bénéficiant d’aucune intégration spéciale. Les gains les plus importants dépendent des techniques de rendu neuronal, de logiciels optimisés ou de tests sélectionnés mettant en évidence la nouvelle architecture.

Le ray tracing bénéficie également d’améliorations dédiées. Arm indique que l’unité de troisième génération produit jusqu’à 13 % de trafic DRAM en moins dans les principaux benchmarks de ray tracing. Une réduction du trafic mémoire externe peut réduire à la fois la consommation énergétique et la pression sur la bande passante.

Opacity Micromaps apporte une autre optimisation. Cette fonctionnalité représente une géométrie transparente complexe, comme le feuillage et les tissus, sans tester chaque petite surface via l’intégralité du processus de ray tracing. Arm fait état d’une hausse de 30 % de la fréquence d’images dans une démonstration.

Cette démonstration a également réduit la charge de travail du ray tracing jusqu’à 70 %, selon l’entreprise. Ces résultats décrivent une scène et une technique spécifiques. Ils ne doivent pas être interprétés comme une hausse universelle dans tous les jeux.

La démonstration Neural Dawn d’Arm associe génération neuronale d’images, débruitage et éclairage Unreal Engine. L’entreprise fait état d’une efficacité des performances jusqu’à quatre fois supérieure et d’un trafic mémoire externe jusqu’à 70 % inférieur à celui d’un rendu natif.

L’histoire logicielle dépasse le cadre d’une démonstration en laboratoire. NetEase prévoit d’ajouter Neural Super Sampling à Where Winds Meet, tandis qu’Infold Games l’intègre à Infinity Nikki. Tencent Games et Unity China travaillent également avec la technologie de graphismes neuronaux d’Arm.

Ces projets donnent aux développeurs des cibles concrètes. Ils ne montrent pas encore comment la technologie se comporte dans différentes configurations de puces, différents moteurs de jeu ou lors de sessions de jeu prolongées. Ces éléments ne seront disponibles qu’après la commercialisation du matériel.

Qualcomm et le Silicium Personnalisé Définissent Encore la Véritable Référence

Arm est en concurrence avec des implémentations complètes de puces, tout en vendant des composants que ses partenaires peuvent modifier, réduire ou remplacer.

Les plateformes Snapdragon de Qualcomm constituent la référence concurrentielle la plus claire pour le jeu Android haut de gamme. Qualcomm développe une technologie CPU sur mesure et l’associe à ses propres GPU Adreno. Ce contrôle vertical permet d’aligner pilotes, matériel et objectifs de performances au sein d’un même processeur commercial.

MediaTek s’est traditionnellement davantage appuyé sur les conceptions de CPU Arm et de GPU Mali. Il constitue donc une voie probable vers la configuration CSS for Mobile 2 la plus complète. Samsung peut également concéder des licences pour les cœurs Arm tout en choisissant entre Mali et d’autres stratégies graphiques pour ses processeurs Exynos.

Google représente une autre variation. Les puces Tensor utilisent une technologie CPU compatible Arm, mais Google prend ses décisions produit autour de ses modèles d’IA, de sa chaîne de traitement de l’image et du logiciel Pixel. Une plateforme Arm commune n’efface pas ces priorités propres à chaque fournisseur.

Apple constitue une référence architecturale importante, même si l’entreprise ne fabrique pas d’appareils Android. Ses CPU compatibles Arm sur mesure, ses GPU, ses moteurs neuronaux, son système d’exploitation et ses frameworks de développement appartiennent à une même plateforme contrôlée. Cette intégration donne à Apple une influence sur l’adoption du matériel comme sur le comportement des logiciels.

L’avantage d’Arm réside dans l’échelle. L’entreprise affirme que plus de 14 milliards de GPU Mali ont été expédiés. Une architecture graphique neuronale largement concédée sous licence peut offrir aux studios de jeux une cible unique couvrant des produits de plusieurs fournisseurs.

L’échelle ne garantit pas à elle seule un comportement homogène. Les licenciés peuvent choisir des nombres de cœurs, interfaces mémoire, fréquences et technologies de gravure différents. Les fabricants de téléphones intègrent ensuite ces puces dans des appareils dotés de systèmes de refroidissement et de priorités d’autonomie différents.

La feuille de route des puces Android reste donc fragmentée par conception. Un fabricant peut privilégier les performances de jeu maximales. Un autre peut choisir un GPU plus petit et consacrer davantage de surface de puce aux appareils photo ou à un NPU sur mesure.

La prise en charge logicielle ajoute une couche supplémentaire. Les jeux ont besoin d’intégrations aux moteurs, de pilotes stables et de performances prévisibles avant que les développeurs n’investissent dans des chemins de rendu spécialisés. Une fonctionnalité présente dans le matériel peut rester inutilisée si son déploiement crée des contraintes de test ou de compatibilité.

Arm a tenté de réduire cette barrière grâce à des interfaces ouvertes, un kit de développement graphique neuronal, la prise en charge de Vulkan et un travail mené avec des partenaires de moteurs de jeu. Vulkan est une API graphique multiplateforme qui donne aux développeurs un contrôle de bas niveau sur les ressources GPU.

L’entreprise a également préparé les développeurs avant l’annonce du matériel. Elle a présenté en avant-première Arm Neural Technology en 2025 et distribué des outils destinés à la création de contenu et aux tests de performances. Cette avance devrait aider les premiers jeux à arriver plus près du lancement des premiers appareils.

Toutefois, Qualcomm peut répondre par des améliorations adaptées à Adreno, tandis qu’Apple et les fournisseurs de GPU de bureau prennent déjà en charge des technologies de reconstruction matures. Arm entre dans une compétition logicielle établie, elle n’invente pas le rendu neuronal à partir de zéro.

Son opportunité réside dans la portabilité de ces idées à travers une vaste base matérielle Android. Son risque vient d’une adoption inégale au sein de cette même base. Une architecture partagée ne prend de la valeur que lorsque suffisamment de licenciés livrent des configurations significatives.

C’est pourquoi la compétition principale n’oppose pas Arm à une seule entreprise de puces. Elle oppose la promesse d’Arm d’une plateforme réutilisable à la réalité de l’implémentation du silicium Android. La spécification établit le potentiel, tandis que les partenaires définissent l’expérience utilisateur.

Le jeu de niveau desktop reste une promesse, pas un produit

Arm a décrit un mécanisme d’efficacité crédible, mais ses affirmations les plus ambitieuses sur le jeu et l’IA reposent encore sur des tests et démonstrations internes.

L’expression « niveau desktop » désigne des techniques graphiques, et non des performances identiques entre un téléphone et une carte graphique de bureau dédiée. Arm met en avant l’éclairage par ray tracing, l’upscaling neuronal, la génération d’images et le débruitage dans une enveloppe énergétique mobile.

Selon une analyse indépendante de la plateforme, Arm a décrit un fonctionnement des graphiques neuronaux dans un budget d’un watt. L’entreprise a également montré du contenu riche en ray tracing maintenant 30 images par seconde.

C’est techniquement intéressant, mais cela ne définit ni la résolution, ni la qualité d’image, ni la température de l’appareil, ni la consommation complète du système sur des téléphones commercialisés. La reconstruction neuronale peut aussi introduire des artefacts autour des mouvements, de la géométrie fine, des éléments d’interface et des scènes évoluant rapidement.

La génération d’images présente un compromis similaire. Les images générées améliorent la fluidité visible, mais ne réduisent pas nécessairement la latence d’entrée. Le jeu traite toujours les commandes du joueur à la fréquence d’images effectivement rendues, sauf si d’autres systèmes compensent.

La qualité d’image dépend également de l’entraînement, de la conception du modèle, des données de mouvement et de l’intégration au moteur. Un jeu peut produire des détails reconstruits convaincants. Un autre peut révéler du ghosting ou des contours instables qui restent évidents sur un petit écran haute résolution.

Les performances soutenues constituent le principal test matériel. Un téléphone possède une capacité de refroidissement bien inférieure à celle d’un ordinateur de bureau ou d’une console de jeu. Son processeur partage également l’énergie avec l’écran, le modem, la mémoire, le stockage et les applications en arrière-plan.

Les affirmations d’Arm sur la baisse de consommation répondent directement à cette limite. Pourtant, le comportement final dépend de la technologie de gravure, de la disposition de la puce, des objectifs de tension et du réglage du fabricant. Un licencié peut transformer l’efficacité architecturale en durée de jeu accrue ou l’employer pour des performances de pointe plus élevées.

La même prudence s’applique à l’IA agentique. Des modèles légers plus rapides ne produisent pas automatiquement un agent téléphonique utile. Les applications doivent exposer des contrôles sûrs, les systèmes d’exploitation doivent coordonner les autorisations, et les modèles doivent planifier les actions de manière fiable sans envoyer chaque étape vers le cloud.

La capacité mémoire comptera autant que la puissance de calcul brute. Les modèles, les index de récupération, l’état des applications et les ressources graphiques se disputent une bande passante limitée. Une unité CPU plus rapide ne peut pas supprimer les goulots d’étranglement situés ailleurs dans le système.

Les comparaisons de benchmarks d’Arm utilisent aussi ses conceptions de génération précédente comme référence. Elles n’établissent pas une domination face aux processeurs Snapdragon, Apple ou autres processeurs sur mesure contemporains. Des tests indépendants doivent comparer des produits complets sous des charges de travail équivalentes.

La qualité des pilotes représente une autre incertitude pour le jeu sur Mali. Le matériel avancé dépend d’implémentations Vulkan stables et de mises à jour rapides des fabricants de puces et de téléphones. Une livraison irrégulière des pilotes peut empêcher les applications d’utiliser les fonctionnalités de manière fiable sur l’ensemble des appareils.

L’adoption par les développeurs reste elle aussi incertaine. Neural Super Sampling peut réduire le coût de rendu, mais les studios doivent l’intégrer et le tester. Les éditeurs privilégieront les plateformes comptant suffisamment d’utilisateurs, des outils fiables et des bénéfices mesurables qui justifient ce travail.

Arm dispose de partenaires précoces utiles, dont Sumo Digital, NetEase, Tencent Games, Infold Games et Unity China. Ces relations donnent au lancement davantage de substance qu’une simple spécification sur le papier. Elles ne représentent toutefois qu’une petite partie du catalogue mondial de jeux mobiles.

Les premiers appareils commerciaux révéleront si la pile logicielle passe proprement de l’environnement de référence d’Arm au silicium des fournisseurs. D’ici là, « niveau desktop » doit surtout être compris comme un objectif de techniques visuelles, et non comme une catégorie de performances vérifiée.

Trois signaux montreront si le pari d’Arm se concrétise

Le silicium commercial, les tests indépendants de performances soutenues et l’adoption réelle par les jeux détermineront si Arm CSS for Mobile 2 transforme les téléphones Android.

Le premier signal sera un processeur nommé utilisant une part substantielle de la plateforme. Il faudra surveiller les nombres de cœurs C2 divulgués, la configuration Mali retenue, la capacité SME2, la conception mémoire et le procédé de fabrication. Une implémentation fortement réduite affaiblirait les comparaisons avec les résultats de référence d’Arm.

Le calendrier compte également. Arm fournit de la propriété intellectuelle avant que les fabricants d’appareils puissent vendre des téléphones qui l’utilisent. La première annonce de puce précisera si les partenaires considèrent la plateforme comme une base de produit phare à court terme ou comme une option de conception à plus long terme.

Le deuxième signal sera constitué de tests indépendants sur des appareils commercialisés. Les testeurs devront mesurer la vitesse CPU soutenue, les fréquences d’images en jeu, la décharge de la batterie, la température de surface et la qualité d’image. De courts benchmarks synthétiques ne trancheront pas les affirmations d’Arm.

Des tests comparables devraient distinguer les gains des graphiques conventionnels de ceux du rendu neuronal. Cette distinction révélera quelle part des performances vient du nouveau moteur d’exécution et quelle part dépend de fonctionnalités d’IA propres à chaque jeu.

Les tests d’IA locale exigent une discipline similaire. Les mesures utiles incluent la latence de la première réponse, la vitesse soutenue des modèles, la consommation énergétique et les performances lorsque d’autres applications restent actives. Un agent téléphonique est une charge de travail système, pas un benchmark d’inférence isolé.

Le troisième signal sera l’adoption par des logiciels de production. Where Winds Meet, Infinity Nikki, les démonstrations technologiques de Tencent et les futures intégrations aux moteurs offriront des points de contrôle précoces. La prise en charge livrée compte davantage qu’une nouvelle démonstration contrôlée.

Les développeurs devraient également surveiller si les fonctionnalités graphiques neuronales fonctionnent chez plusieurs fabricants de puces sans projets d’optimisation séparés. Une large portabilité renforcerait l’argument d’Arm en faveur d’une plateforme réutilisable. Un comportement propre à chaque fournisseur l’affaiblirait.

Pour les acheteurs, la première génération doit être évaluée comme des appareils complets plutôt que comme des collections de pourcentages Arm. Le refroidissement, la mémoire, les pilotes, la gestion de la batterie et la prise en charge logicielle détermineront si l’architecture apporte une différence perceptible.

Pour les développeurs, la question immédiate est de savoir si les outils ouverts d’Arm réduisent suffisamment le travail d’intégration pour justifier une nouvelle voie de rendu. Tester le kit de développement dès maintenant peut révéler des problèmes de qualité d’image et de compatibilité avant que les téléphones compatibles n’atteignent les utilisateurs.

Arm CSS for Mobile 2 formule un pari cohérent : les futurs téléphones auront besoin d’une IA intégrée à leurs pipelines CPU et graphiques. L’architecture offre des outils crédibles pour cette évolution, mais les spécifications ne peuvent à elles seules fournir l’expérience.

Surveillez les premières puces nommées, puis les premiers tests d’appareils en performances soutenues, et enfin les premiers jeux déployant des fonctionnalités neuronales à grande échelle. Ces trois points de contrôle montreront si la conception d’Arm devient une norme Android ou une autre capacité laissée en attente de logiciels.