Arduino Nano 33 BLE Sense Rev2 ABX00070 — BLE 5, IMU et TinyML

L'Arduino Nano 33 BLE Sense Rev2 est la carte la plus sensorielle de toute la gamme Nano. Construite autour du nRF52840 (ARM Cortex-M4F à 64 MHz avec FPU) et du module Bluetooth u-blox NINA-B306, elle embarque pas moins de sept capteurs : IMU 9 axes, microphone MEMS, baromètre, capteur de température/humidité, et capteur de geste/proximité/couleur. Le tout dans le format Nano de 45 × 18 mm.

Référencée ABX00070, cette version Rev2 (avec connecteurs pré-soudés) est conçue pour le machine learning embarqué (TinyML). On entraîne un modèle sur PC avec TensorFlow Lite ou Edge Impulse, on le déploie sur la carte via l'Arduino IDE, et on fait tourner de la reconnaissance vocale, de la détection de gestes ou de la classification d'anomalies — directement sur le microcontrôleur, sans connexion cloud.

Spécifications visuelles de l'Arduino Nano 33 BLE Sense Rev2 ABX00070

Pourquoi choisir l'Arduino Nano 33 BLE Sense Rev2 ?

Le Nano 33 BLE Sense Rev2 est la carte de référence d'Arduino pour le TinyML — le machine learning qui tourne directement sur microcontrôleur, sans cloud, sans latence réseau, avec une consommation minimale. Et c'est la concentration de capteurs embarqués qui rend ça possible.

Le processeur nRF52840 de Nordic Semiconductor est un ARM Cortex-M4F cadencé à 64 MHz. Le "F" signifie qu'il intègre une FPU (unité de calcul en virgule flottante matérielle), ce qui accélère significativement les opérations de traitement de signal et d'inférence ML par rapport aux Cortex-M0+ des autres Nano. Avec 1 Mo de Flash et 256 Ko de SRAM, on a la place pour stocker un modèle TensorFlow Lite et faire tourner l'inférence avec de la marge pour la logique applicative.

La connectivité est assurée par le Bluetooth 5.0 Low Energy via le module u-blox NINA-B306. Pas de WiFi ici — c'est un choix assumé pour la basse consommation et la portabilité. Le BLE permet d'envoyer les résultats d'inférence vers un smartphone, un gateway ou un autre dispositif BLE. Une puce ATECC608 assure la sécurité cryptographique.

Mais le vrai argument de cette carte, c'est ses sept capteurs intégrés. L'IMU 9 axes (BMI270 + BMM150) mesure accélération, rotation et champ magnétique. Le microphone MEMS MP34DT05 capture le son en temps réel. Le baromètre LPS22HB mesure la pression atmosphérique et la température. Le capteur HS3003 fournit température et humidité. Et l'APDS-9960 détecte les gestes, la proximité, la couleur et l'intensité lumineuse. Tout ça sans le moindre câble externe — on ouvre la boîte, on branche l'USB, et on a accès à un lab de capteurs complet.

Arduino propose des exemples TensorFlow Lite prêts à l'emploi : micro_speech (reconnaissance vocale avec le microphone), magic_wand (détection de gestes avec l'IMU) et person_detection (détection de personnes avec une caméra externe). La plateforme Edge Impulse est aussi entièrement compatible pour un workflow d'entraînement en ligne simplifié.

Spécifications techniques de l'Arduino Nano 33 BLE Sense Rev2

Le cœur de la carte est le module u-blox NINA-B306, qui intègre le Nordic nRF52840. Ce SoC embarque un processeur ARM Cortex-M4F 32 bits cadencé à 64 MHz avec une FPU matérielle et un DSP intégré. La mémoire comprend 1 Mo de Flash pour le programme et les modèles ML, et 256 Ko de SRAM pour l'exécution. Le système d'exploitation est Arm Mbed OS.

La connectivité sans fil repose sur le Bluetooth 5.0 Low Energy avec une antenne intégrée au module NINA-B306. La carte peut fonctionner en mode central (scanner) ou périphérique (annoncer), et supporte les connexions BLE classiques ainsi que le Bluetooth BR/EDR. Une puce ATECC608 fournit le stockage sécurisé des clés cryptographiques.

Les sept capteurs embarqués couvrent un spectre impressionnant. L'IMU 9 axes se compose du BMI270 (accéléromètre 3 axes ±2/±4/±8/±16 g + gyroscope 3 axes ±125 à ±2000 °/s) et du BMM150 (magnétomètre 3 axes), tous deux de Bosch Sensortec. Le microphone MEMS MP34DT05 (ST Microelectronics) est omnidirectionnel avec une interface PDM et un rapport signal/bruit de 64 dB. Le baromètre LPS22HB (ST) mesure la pression absolue (260 à 1260 hPa) et intègre un capteur de température. Le capteur HS3003 (Renesas) fournit des mesures précises de température et d'humidité relative. Enfin, l'APDS-9960 (Broadcom) combine détection de gestes (haut, bas, gauche, droite), mesure de proximité (0-20 cm), capteur de couleur RGB et mesure d'intensité lumineuse ambiante.

Le brochage expose 14 E/S numériques et 8 entrées analogiques (ADC 12 bits, 200 ksamples/s). Le PWM est configurable sur presque toutes les broches (sauf A4/A5 et D11/D12 réservées aux bus I²C et SPI). Les interfaces de communication incluent UART, I²C et SPI. Le port micro-USB assure l'alimentation et la programmation. L'alimentation alternative se fait via Vin (avec le régulateur MP2322). Le pin VBUS (5 V) est désactivé par défaut — deux pads de soudure sont disponibles (un dessus, un dessous) pour l'activer. Toutes les E/S fonctionnent en 3,3 V et ne sont pas tolérantes au 5 V.

Le format physique est le standard Nano : 45 × 18 mm, environ 5 grammes, avec pads castellés pour montage CMS et connecteurs pré-soudés au pas de 2,54 mm.

Six cas d'usage courants de l'Arduino Nano 33 BLE Sense Rev2

Ce qui change par rapport à la Rev1 et aux autres Nano

La Rev2 (ABX00069/ABX00070) remplace la Rev1 (ABX00035) avec plusieurs changements de capteurs. L'IMU passe du LSM9DS1 (9 axes, un seul chip) à la combinaison BMI270 + BMM150 (deux chips, performances améliorées). Le capteur de température/humidité passe du HTS221 au HS3003 (meilleure précision). Le régulateur d'alimentation passe du MPM3610 au MP2322 (plus efficace). Un jumper VUSB est désormais accessible en surface (dessus de la carte), et de nouveaux pads de test pour USB, SWDIO et SWCLK sont ajoutés. Les bibliothèques Arduino changent aussi : il faut utiliser Arduino_BMI270_BMM150 au lieu de Arduino_LSM9DS1, et Arduino_HS300x au lieu de Arduino_HTS221.

Face au Nano RP2040 Connect, le BLE Sense Rev2 offre plus de capteurs (baromètre, capteur de geste/couleur, température/humidité) et un processeur avec FPU (Cortex-M4F vs Cortex-M0+). Le RP2040 Connect a le PIO, le WiFi et plus de RAM/Flash, mais moins de capteurs embarqués. Pour du TinyML pur, le BLE Sense Rev2 est le meilleur choix. Pour de l'IoT WiFi, le RP2040 Connect gagne.

Face au Nano ESP32, le BLE Sense Rev2 est moins puissant en calcul brut (64 MHz vs 240 MHz) et n'a pas de WiFi. Mais il embarque sept capteurs que l'ESP32 n'a pas, et son Cortex-M4F avec FPU est mieux optimisé pour l'inférence TensorFlow Lite que le Xtensa LX7 de l'ESP32-S3 dans les benchmarks TinyML courants. Le BLE Sense Rev2 est la carte "capteurs + IA", l'ESP32 est la carte "puissance + connectivité".

Prise en main et utilisation de l'Arduino Nano 33 BLE Sense Rev2

La programmation se fait via l'Arduino IDE (version desktop ou Cloud Editor). Il faut installer le board package "Arduino Mbed OS Nano Boards" via le gestionnaire de cartes. La connexion au PC utilise un câble micro-USB. Si le téléversement se bloque, un double appui sur le bouton reset force le bootloader.

Pour accéder aux capteurs, il faut installer les bibliothèques correspondantes via le gestionnaire de bibliothèques de l'IDE. L'IMU utilise Arduino_BMI270_BMM150. Le microphone utilise la bibliothèque PDM (incluse dans le core Mbed OS Nano). Le baromètre utilise Arduino_LPS22HB. Le capteur température/humidité utilise Arduino_HS300x. Le capteur de geste/proximité/couleur utilise Arduino_APDS9960. Le BLE utilise ArduinoBLE.

Pour le TinyML, le workflow typique est : capturer des données sur les capteurs de la carte → exporter vers Edge Impulse ou Google Colab → entraîner un modèle → convertir en TensorFlow Lite → déployer sur la carte via l'IDE. Les exemples TF Lite (micro_speech, magic_wand) sont installables directement depuis le gestionnaire de bibliothèques.

La carte supporte aussi MicroPython via OpenMV. Le firmware s'installe en passant la carte en mode bootloader, puis en connectant depuis l'IDE OpenMV.

Les E/S fonctionnent en 3,3 V. Le pin VBUS (5 V) est désactivé par défaut. Deux pads de soudure sont disponibles (un sur la face supérieure, un sur la face inférieure de la carte) pour l'activer. Le 5 V n'est disponible que si la carte est alimentée par USB. Pour les modules 5 V, utilisez un adaptateur de niveau logique.

Comparaison entre le Nano 33 BLE Sense Rev2, le Nano RP2040 Connect et le Nano ESP32

Pour quels projets utiliser l'Arduino Nano 33 BLE Sense Rev2 ?

Le Nano 33 BLE Sense Rev2 est fait pour les projets qui exploitent ses capteurs embarqués et ses capacités TinyML. Voici les cas d'usage les plus pertinents.

TinyML et intelligence artificielle embarquée

C'est le terrain de jeu naturel de cette carte. On peut entraîner des modèles pour reconnaître des mots-clés audio (micro_speech), détecter des gestes spécifiques (magic_wand), classifier des sons (toux, bris de verre, anomalies machines) ou identifier des patterns de mouvement (chute, activité sportive). L'inférence tourne en local, en temps réel, sans connexion réseau. Edge Impulse simplifie considérablement le workflow d'entraînement et de déploiement.

Reconnaissance vocale et analyse audio

Le microphone MEMS MP34DT05 capture le son en continu via PDM. Combiné avec le Cortex-M4F et TensorFlow Lite, on peut créer des assistants vocaux simples (commandes "oui"/"non", détection de mots-clés), des détecteurs de bruit environnemental ou des systèmes d'alerte audio. Le BLE envoie les résultats vers un smartphone ou un hub.

Détection de gestes et contrôleurs de mouvement

L'IMU 9 axes (accéléromètre + gyroscope + magnétomètre) permet de détecter des mouvements dans les trois dimensions avec une grande précision. On peut créer des contrôleurs gestuels (baguette magique), des interfaces homme-machine sans contact, ou des systèmes de navigation inertielle. Le capteur APDS-9960 ajoute la détection de gestes de la main (haut, bas, gauche, droite) à courte portée.

Station météo BLE compacte

Avec le baromètre LPS22HB et le capteur HS3003 (température + humidité), on peut construire une mini station météo qui transmet les données via BLE vers un smartphone. Le capteur de luminosité de l'APDS-9960 complète le tableau. Pas besoin du moindre composant externe — tout est sur la carte.

Wearables et suivi d'activité

Le format Nano compact (45 × 18 mm, 5 g), le BLE basse consommation et l'IMU 9 axes font de cette carte une base idéale pour les dispositifs portables. Bracelets de fitness, traqueurs de posture, contrôleurs VR, instruments de musique gestuels — les capteurs intégrés réduisent le câblage au minimum et le BLE assure la transmission vers un smartphone.

Monitoring environnemental et qualité de l'air

Température, humidité, pression atmosphérique, luminosité — la carte mesure les conditions ambiantes sans capteur externe. On peut ajouter un capteur de gaz (CO₂, COV) sur le bus I²C pour compléter le dispositif. Le BLE permet le rapatriement des données vers un concentrateur ou un smartphone.

Shields et accessoires compatibles avec le Nano 33 BLE Sense Rev2

Le Nano 33 BLE Sense Rev2 reprend le brochage standard Nano (2 × 15 broches, pas de 2,54 mm). Les connecteurs pré-soudés permettent l'insertion directe sur une plaque de prototypage sans soudure. Un adaptateur à borniers à vis au format Nano facilite le câblage permanent.

Un adaptateur Grove au format Nano permet de connecter des modules Grove additionnels via I²C — utile si vous avez besoin de capteurs supplémentaires au-delà des sept intégrés. Le Nano Motor Carrier est compatible pour les projets de robotique compacte avec contrôle de moteurs.

Rappel : les E/S sont en 3,3 V, pas de tolérance 5 V. Le jumper VUSB est désactivé par défaut. Les shields 5 V nécessitent un adaptateur de niveau. Un câble micro-USB de qualité est indispensable.

Capteurs embarqués et écosystème TinyML de l'Arduino Nano 33 BLE Sense Rev2

Tutoriels et ressources pour démarrer avec le Nano 33 BLE Sense Rev2

Manuel utilisateur complet (Cheat Sheet) — Arduino Docs

La référence technique de la carte : pinout, configuration des capteurs, utilisation du BLE (central/périphérique), gestion de l'alimentation, PWM, pin VUSB. Chaque capteur est accompagné d'un exemple de code et de la bibliothèque à installer.

Voir le Cheat Sheet sur docs.arduino.cc

Démarrer avec le Machine Learning sur Arduino

Le tutoriel officiel TinyML d'Arduino. Il couvre l'installation de TensorFlow Lite for Microcontrollers, les exemples micro_speech (reconnaissance vocale) et magic_wand (détection de gestes), puis un guide complet pour entraîner son propre modèle de reconnaissance de gestes dans Google Colab et le déployer sur la carte.

Voir le tutoriel TinyML sur docs.arduino.cc

Prise en main avec OpenMV et MicroPython

Ce tutoriel montre comment flasher le firmware OpenMV sur le Nano 33 BLE Sense Rev2, connecter l'IDE OpenMV, et écrire des scripts MicroPython pour accéder aux capteurs et au BLE. La procédure pour revenir au firmware Arduino est aussi documentée.

Voir le tutoriel OpenMV sur docs.arduino.cc

Documentation hardware complète — Arduino Docs

La page hardware regroupe la datasheet, les schémas, les fichiers CAD, les tutoriels spécifiques à chaque capteur, et les bibliothèques recommandées. C'est le point d'entrée pour toute la documentation technique de la carte.

Voir la documentation hardware sur docs.arduino.cc

Résumé des caractéristiques techniques

• Module radio : u-blox NINA-B306 (Nordic nRF52840)
• Processeur : ARM Cortex-M4F 32 bits, 64 MHz, FPU + DSP
• Mémoire Flash : 1 Mo
• SRAM : 256 Ko
• Bluetooth : 5.0 Low Energy (+ BR/EDR), antenne intégrée
• WiFi : non disponible
• Puce crypto : ATECC608
• IMU 9 axes : BMI270 (accéléromètre + gyroscope) + BMM150 (magnétomètre)
• Microphone MEMS : MP34DT05 (omnidirectionnel, PDM, 64 dB SNR)
• Baromètre : LPS22HB (260-1260 hPa + température)
• Capteur température/humidité : HS3003
• Capteur geste/proximité/couleur/lumière : APDS-9960
• E/S numériques : 14
• Entrées analogiques : 8 (ADC 12 bits, 200 ksamples/s)
• PWM : configurable sur presque toutes les broches
• Interfaces : UART, I²C, SPI
• Port USB : micro-USB
• Alimentation : micro-USB 5 V ou Vin (régulateur MP2322)
• Pin 5 V (VUSB) : désactivé par défaut (2 jumpers disponibles : dessus + dessous)
• Tension des E/S : 3,3 V uniquement (pas de tolérance 5 V)
• LED intégrées : LED RGB + LED orange (pin 13)
• TinyML : TensorFlow Lite for Microcontrollers, Edge Impulse
• MicroPython : supporté (via OpenMV)
• OS : Arm Mbed OS
• Dimensions : 45 × 18 mm
• Poids : ~5 g
• Format : Nano DIP, pads castellés, connecteurs pré-soudés
• Référence fabricant : ABX00070 (avec headers) / ABX00069 (sans headers)

Questions fréquentes sur l'Arduino Nano 33 BLE Sense Rev2

Le Nano 33 BLE Sense Rev2 a-t-il le WiFi ?

Non. La carte n'a pas de WiFi. La connectivité sans fil se limite au Bluetooth 5.0 Low Energy. Si vous avez besoin du WiFi, orientez-vous vers le Nano 33 IoT, le Nano RP2040 Connect ou le Nano ESP32.

Quelles sont les différences entre la Rev1 et la Rev2 ?

La Rev2 remplace l'IMU (LSM9DS1 → BMI270 + BMM150), le capteur température/humidité (HTS221 → HS3003) et le régulateur (MPM3610 → MP2322). Un jumper VUSB en surface est ajouté. Les bibliothèques Arduino changent en conséquence : Arduino_BMI270_BMM150 et Arduino_HS300x remplacent les anciennes.

Peut-on faire du machine learning sur cette carte ?

Oui, c'est même son usage principal. Le Cortex-M4F avec FPU est optimisé pour l'inférence ML. On peut utiliser TensorFlow Lite for Microcontrollers ou Edge Impulse pour entraîner et déployer des modèles de reconnaissance vocale, de détection de gestes ou de classification d'anomalies. Les exemples sont installables directement depuis l'Arduino IDE.

Les capteurs peuvent-ils être désactivés pour économiser de l'énergie ?

Oui. Chaque capteur est accessible via I²C et peut être mis en mode veille individuellement. Le nRF52840 dispose aussi de modes basse consommation (sleep, system OFF). En désactivant les capteurs inutilisés et en activant le sleep mode, on peut descendre significativement la consommation pour les applications sur batterie.

Le Nano 33 BLE Sense Rev2 est-il compatible 5 V ?

Non. Les E/S sont en 3,3 V uniquement. Le pin VBUS (5 V) est désactivé par défaut — il faut souder un des deux jumpers VUSB (face avant ou face arrière) pour l'activer, et uniquement avec une alimentation USB. Pour les modules 5 V, un adaptateur de niveau est nécessaire.

Le code de la Rev1 fonctionne-t-il sur la Rev2 ?

Le code principal est compatible, mais les bibliothèques de capteurs changent. Si votre sketch Rev1 utilise Arduino_LSM9DS1, remplacez par Arduino_BMI270_BMM150. Si vous utilisez Arduino_HTS221, remplacez par Arduino_HS300x. Les API sont similaires mais pas identiques — un ajustement mineur est nécessaire.

La carte supporte-t-elle MicroPython ?

Oui. Le Nano 33 BLE Sense Rev2 est compatible MicroPython via OpenMV. Le firmware s'installe en mode bootloader, et on peut accéder aux capteurs et au BLE depuis des scripts Python. L'éditeur recommandé est OpenMV IDE.

Edge Impulse est-il compatible avec cette carte ?

Oui, et c'est même l'un des boards les mieux supportés par Edge Impulse. La plateforme permet de capturer des données directement depuis les capteurs de la carte, d'entraîner un modèle dans le cloud Edge Impulse, et de le déployer automatiquement sur le Nano 33 BLE Sense Rev2. C'est la manière la plus simple de faire du TinyML sans écrire une seule ligne de Python.

Notre avis chez Lextronic

L'Arduino Nano 33 BLE Sense Rev2 est tout simplement la carte Nano la plus riche en capteurs embarqués. Sept capteurs, du Bluetooth 5.0, un processeur avec FPU, le tout compatible TinyML — on a un vrai kit de développement IA et IoT dans 45 × 18 mm.

Les points forts sont impressionnants : la combinaison de sept capteurs intégrés élimine le besoin de câblage externe pour la plupart des projets de sensing. Le Cortex-M4F avec FPU accélère l'inférence ML de manière significative. La compatibilité avec TensorFlow Lite et Edge Impulse offre un écosystème TinyML complet et accessible. Et le BLE 5.0 permet de communiquer les résultats vers un smartphone sans consommer une fortune en énergie.

Les limites à connaître : l'absence de WiFi est un vrai frein si votre projet a besoin de connectivité réseau directe. Le positionnement tarifaire dans le haut de la gamme Nano peut aussi freiner pour des projets qui n'exploitent pas tous les capteurs. Le port micro-USB fait un peu daté. Et la mémoire (1 Mo Flash, 256 Ko RAM), bien que confortable pour du TinyML de base, peut devenir serrée pour des modèles complexes.

Pour qui veut explorer le machine learning embarqué, créer des dispositifs portables intelligents ou prototyper des systèmes de monitoring environnemental compacts avec BLE, le Nano 33 BLE Sense Rev2 reste la référence dans l'écosystème Arduino.

Avis expert Lextronic sur l'Arduino Nano 33 BLE Sense Rev2