Fuel Gauge v2.0 de Nordic : comment visualiser l’usure des batteries IoT avant la panne

La batterie, dans l’IoT, n’est plus juste un consommable qu’on surveille à la louche. Nordic Semiconductor pousse une mise à jour majeure avec Fuel Gauge v2.0, annoncée à Embedded World 2026, et l’objectif est clair, mieux comprendre ce qui se passe sur le terrain, pas dans un tableau de labo. Le logiciel promet une mesure de charge plus robuste dans le temps et, surtout, une lecture de l’état de santé qui suit le vieillissement.

Le point qui change la discussion, c’est la notion d’intelligence adaptative, avec un modèle qui compare en continu le profil initial d’une batterie et son comportement réel au fil des mois. Résultat attendu, des objets plus fiables, une maintenance plus prévisible, et une meilleure conformité aux exigences de remplacement, notamment le règlement européen EU Batteries Regulation 2023/1542 sur la batterie facilement amovible et remplaçable par l’utilisateur.

Nordic déploie un modèle adaptatif basé sur l’usage terrain

Sur le papier, toutes les batteries se ressemblent, dans la vraie vie, elles dérivent. Fuel Gauge v2.0 part de ce constat et met au centre un modèle adaptatif qui confronte le profil d’origine à la réalité d’exploitation, cycles de charge, températures, courants de pointe, et vieillissement progressif. Nordic insiste sur le fait que le comportement terrain correspond rarement à ce qu’on observe en laboratoire, et c’est précisément ce décalage que le logiciel cherche à absorber.

Concrètement, l’idée n’est pas seulement d’afficher un pourcentage de batterie. Le logiciel vise une précision stable sur toute la durée de vie du produit, y compris quand la batterie est vieille, avec une logique qui s’ajuste au fil du temps. C’est important pour des objets contraints, capteurs, traceurs, boutons connectés, où une estimation trop optimiste peut se terminer par une panne sèche, et une estimation trop prudente peut déclencher des remplacements inutiles.

Geir Kjosavik, directeur produit PMIC chez Nordic Semiconductor, résume l’ambition comme une transposition vers l’IoT d’une intelligence de gestion batterie longtemps réservée à l’électronique grand public haut de gamme. Dit autrement, on veut des outils qui tiennent compte des écarts réels et qui maintiennent la qualité de l’estimation, même quand l’objet vit dehors, subit des variations de température, et n’a pas un cycle de charge propre.

Petite nuance, ce type de promesse dépend beaucoup de la diversité des profils de batteries et des scénarios. Un modèle adaptatif fait gagner en robustesse, mais il ne gomme pas les limites physiques, ni les comportements extrêmes. Si un produit est mal dimensionné, ou si l’usage est très différent de ce qui avait été anticipé, l’algorithme ne fait pas de miracles. Il peut en revanche donner des signaux plus tôt, et ça, pour une équipe produit, c’est souvent la différence entre une série de retours et une correction à temps.

Fuel Gauge v2.0 ajoute le suivi SoH et les tendances de dégradation

La nouveauté la plus visible, c’est l’arrivée d’une estimation avancée de l’état de santé, le fameux SoH, en plus de l’état de charge. L’intérêt, c’est de passer d’une photo instantanée à une trajectoire. Le logiciel vise le suivi des cycles de charge et des tendances de dégradation à long terme, avec une précision qui reste stable même quand la batterie vieillit. Pour un fabricant, c’est une base plus solide pour décider quand une batterie doit être remplacée.

Dans un scénario simple, un capteur autonome déployé sur un site industriel peut afficher 40% de charge, mais perdre en capacité réelle au fil du temps. Sans SoH, l’équipe maintenance découvre le problème quand les pannes se multiplient. Avec un indicateur de santé, l’objet peut remonter une dégradation progressive, et le planning d’intervention se cale sur des données, pas sur des suppositions. C’est aussi un moyen de comparer des lots de batteries et de repérer une dérive, sans attendre que le terrain se plaigne.

Autre cas concret mentionné dans les informations de Nordic, les appareils où l’utilisateur intervertit plusieurs batteries. Fuel Gauge v2.0 est conçu pour gérer et surveiller l’état de santé de chaque pack. Pour des produits modulaires, ou des usages où l’on change de batterie à la volée, ça évite de perdre l’historique et de traiter toutes les batteries comme si elles étaient neuves. À la clé, des décisions plus cohérentes, et moins de surprises au moment où l’autonomie s’effondre.

Il y a aussi un bénéfice moins glamour, mais très concret, la réduction des coûts de garantie. Nordic met en avant une baisse potentielle des retours et une amélioration de la fiabilité. Là encore, il faut rester lucide, la qualité des cellules, l’électronique de charge et les conditions d’usage restent déterminantes. Mais si le SoH permet d’anticiper une batterie en fin de vie et d’éviter une panne critique, le gain se mesure vite, surtout sur des flottes où chaque intervention terrain coûte plus cher que le composant.

nRF Cloud et Memfault promettent une observabilité à l’échelle flotte

Le deuxième étage de la fusée, c’est la visibilité flotte. Fuel Gauge v2.0 s’intègre à nRF Cloud, avec une brique portée par Memfault, pour remonter automatiquement des métriques batterie sans imposer une infrastructure cloud sur mesure. L’idée, c’est de passer d’un diagnostic au cas par cas à une lecture globale, et de traiter la batterie comme un signal produit, au même titre que les crashs firmware ou les pertes de connectivité.

Dans la pratique, une équipe peut suivre des rapports d’état de santé, d’état de charge, et des métriques de performance batterie sur des centaines ou des milliers d’objets. Ça change la façon de piloter un produit, parce qu’on peut segmenter par version hardware, par lot de batteries, par zone géographique, ou par profil d’usage. Si une région froide montre une dégradation plus rapide, ou si un firmware déclenche des pics de consommation, la flotte le met en évidence, et l’équipe peut prioriser une correction.

François Baldassari, fondateur de Memfault et VP Software Services chez Nordic, insiste sur l’accessibilité de ces insights pour des équipes hardware qui n’ont pas toujours les moyens de bâtir un système d’observabilité complet. L’argument, c’est l’échelle, comprendre et améliorer le comportement d’appareils sur l’ensemble d’un parc. Pour les industriels, c’est aussi un langage commun entre R&D, support et opérations, parce qu’on parle de tendances mesurées, pas d’impressions.

La nuance, c’est que l’observabilité ne vaut que si la donnée est actionnable. Remonter des métriques, c’est bien, mais il faut ensuite des seuils, des politiques d’alerte, et des procédures, sinon on noie les équipes. Et il y a une question implicite, la dépendance à une chaîne logicielle donnée. Pour certaines entreprises, l’intégration clé en main est un accélérateur. Pour d’autres, c’est un arbitrage stratégique, parce qu’il faut aligner sécurité, gouvernance des données et contraintes de déploiement.

Les nPM1300 et nPM1304 ciblent des objets à faible consommation

Cette version 2.0 est présentée comme une mise à jour majeure de la solution de jauge batterie destinée aux circuits de gestion d’alimentation nPM1300 et nPM1304, des PMICs mis en avant par Nordic. Le positionnement est clair, l’IoT à faible consommation, là où chaque milliampère compte et où l’autonomie est un argument produit. Dans ces catégories, une estimation de charge instable peut déclencher des comportements conservateurs, comme des transmissions moins fréquentes, qui dégradent la valeur du service.

Le fait que la jauge soit logicielle permet de viser une large gamme d’objets, du capteur discret à l’équipement plus bavard. Le discours de Nordic, c’est d’étendre une gestion avancée de la batterie à davantage de produits contraints en énergie. Dans un cycle de conception, ça peut aussi réduire les itérations, parce qu’un fabricant cherche moins à surdimensionner la batterie pour se protéger d’une estimation imprécise. Sur un produit compact, gagner quelques millimètres peut compter.

Autre point important, Fuel Gauge v2.0 est annoncé comme capable de tourner sur n’importe quel MCU hôte ou SoC sans fil, y compris les séries nRF54 et nRF91, et aussi sur des hôtes non Nordic. Ça ouvre la porte à des architectures hybrides, où l’on garde un composant radio ou applicatif existant et où l’on vient greffer une brique de gestion batterie plus intelligente. Pour des équipes qui ont déjà une base installée, c’est un argument, parce qu’on évite un redesign complet.

Sur la disponibilité, le logiciel est indiqué en bêta chez des clients, avec une disponibilité plus large annoncée pour juin 2026. Là, il faudra regarder les retours terrain, parce que c’est précisément le sujet, la réalité d’usage. Les promesses autour de la stabilité de précision sur la durée se jugent sur plusieurs mois, pas sur une démo. Les industriels vont probablement tester sur des sous-flottes, comparer les prédictions et le comportement réel, et décider ensuite s’ils basculent en production.

Règlement européen 2023/1542: la réparabilité devient un sujet produit

Le contexte réglementaire pèse de plus en plus dans la conception. Nordic cite explicitement le règlement EU Batteries Regulation 2023/1542, qui prévoit que les batteries portables soient facilement amovibles et remplaçables par l’utilisateur à tout moment durant la vie du produit. Pour l’IoT, ça touche des objets qui, jusqu’ici, étaient parfois conçus comme scellés, ou au minimum pas pensés pour un remplacement simple. Le logiciel arrive avec une promesse, aider à déterminer quand remplacer, plutôt que remplacer trop tôt.

Dans une logique de droit à la réparation, la capacité à justifier un remplacement devient presque aussi importante que la capacité à le faire physiquement. Un indicateur SoH exploitable peut servir à orienter les utilisateurs et les services après-vente, avec des messages plus précis qu’un simple batterie faible. Pour un fabricant, c’est aussi un moyen de réduire les retours faux positifs, quand un produit est renvoyé alors que la batterie n’est pas en cause, ou quand la panne vient d’un autre facteur.

On peut imaginer des conséquences directes sur les contrats de service. Dans des déploiements professionnels, un opérateur peut vouloir une garantie d’autonomie, ou un taux de disponibilité. Si les métriques de santé batterie deviennent plus fiables, elles peuvent alimenter des engagements, des calendriers de maintenance, et des stocks de pièces plus optimisés. Et côté durabilité, éviter de changer une batterie encore correcte, c’est moins de déchets, moins de logistique, et moins de coûts cachés.

Il reste une tension, la réparabilité n’est pas qu’une question de diagnostic. Il faut des batteries disponibles, un accès physique, des procédures, et parfois une certification. Un logiciel peut soutenir cette évolution, mais il ne remplace pas les choix industriels. Et il y a un risque, si les indicateurs sont mal interprétés, on peut créer de la défiance, par exemple si un utilisateur voit un SoH bas sans comprendre le contexte. Il faudra donc des interfaces et des politiques de communication claires, sinon la promesse de transparence se retourne contre le produit.