Web, Technologies, IA, Vidéo... - Actualités

🚀 L’Edge AI avance, encore et toujours.

2026-08-18T22:44:00+02:00

Et Liquid AI vient une nouvelle fois de faire parler de lui.

J’avais déjà évoqué Liquid AI il y a quelques mois, lorsqu’ils proposaient un modèle de raisonnement capable de tenir dans un smartphone (voir mon précédent post).

Cette fois-ci, on ne parle plus simplement de faire tourner un petit LLM localement pour discuter avec un chatbot.

Avec leur nouveau modèle LFM2.5-2.6B, Liquid AI pousse l’idée un cran plus loin : faire tourner un agent autonome directement sur l’appareil. Et pas n’importe quel appareil.

👉 Pas de cloud.

👉 Pas besoin de GPU.

👉 Potentiellement un simple Raspberry Pi.

L’intérêt ? Un modèle capable non seulement de générer du texte, mais aussi de raisonner, utiliser des outils et enchaîner des actions, tout en restant local.

C’est une évolution que je trouve particulièrement intéressante pour l’Edge AI : on passe progressivement de « l’IA qui répond » à « l’IA qui agit », directement au plus près de la donnée et de l’utilisateur.

L’Edge AI tient ici véritablement un rôle important.

Cela ouvre évidemment beaucoup de possibilités : objets connectés, robotique, industrie, domotique, systèmes embarqués… avec en bonus moins de dépendance au cloud et davantage de contrôle sur les données, comme je l’évoquais déjà dans un précédent post sur le sujet (Edge AI vs Cloud AI : un arbitrage devenu critique).

L’Edge AI n’est clairement plus seulement une question de faire rentrer un modèle dans un petit appareil.

La prochaine étape, c’est d’y faire rentrer des agents capables d’agir. 🤖

Et finalement, c’est peut-être ça qui me fascine le plus dans la période que nous vivons : il devient difficile de suivre toutes les évolutions tant les choses changent rapidement.

Il y a encore quelques mois, faire tourner un modèle de raisonnement sur un smartphone semblait déjà impressionnant. Aujourd’hui, on parle d’agents autonomes capables d’agir localement sur des appareils aussi modestes qu’un Raspberry Pi.

Qu’est-ce qu’on considérera comme impossible aujourd’hui qui nous semblera complètement banal dans 12 mois ? 🤔

Source: https://www.liquid.ai/blog/lfm2-5-2-6b

Tracer un contenu, un objectif important à l'heure des LLMs. Claude commence à fournir une partie de la solution.

2026-08-11T23:12:00+02:00

Anthropic annonce hier que Claude va intégrer des marqueurs permettant d’identifier, par machine, du contenu généré ou traité par Claude.

Cette démarche s’inscrit dans les engagements pris par Anthropic dans le cadre de l’article 50(2) de l’AI Act européen, consacré à la transparence des contenus générés par IA. Les obligations de transparence de l’article 50 de l’AI Act sont d’ailleurs applicables depuis le 2 août 2026.

Il y aura essentiellement deux mécanismes :

➡️ Pour le texte : un watermark invisible Claude incorporera directement dans le texte un marquage imperceptible qui ne modifie ni le sens, ni la lisibilité du texte. Il accompagnera le texte lorsqu’on le copie-colle et pourra survivre à certaines modifications ou éditions.

➡️ Pour les fichiers : des métadonnées de provenance signées Pour certains formats générés par Claude, notamment image comme .svg, .png et .jpg, Anthropic ajoutera des métadonnées de provenance en s’appuyant sur le standard ouvert C2PA (standard ouvert qui permet d’attacher à un contenu des informations vérifiables sur sa provenance et son historique de création ou de modification). Ces métadonnées permettent notamment de vérifier qu’un fichier a été traité par Claude et de détecter certaines altérations.

Tout ceci me rappelle le watermarking utilisé dans le monde du streaming, même si l’objectif est ici différent : il ne s’agit pas d’identifier un utilisateur final, mais de pouvoir détecter qu’un contenu a potentiellement été traité par Claude.

💡 En résumé, Claude introduit une couche de traçabilité machine-readable de ses productions. Et c’est probablement là le point le plus intéressant : cette traçabilité porte sur le fait que Claude a traité le contenu, pas nécessairement sur son origine intellectuelle. Un contenu peut donc être marqué parce que Claude l’a traduit, reformulé ou simplement édité, sans pour autant que Claude en soit à l’origine.

❓ Une question me vient alors, et je n’ai pas encore la réponse : quelles sont les implications de ce mécanisme au regard du RGPD et du respect de la vie privée ? Que contient exactement ce marqueur ? Peut-il permettre, directement ou indirectement, de faire le lien avec l’utilisateur, l’organisation ou le contexte dans lequel le contenu a été produit ? Ami(e)s juristes si vous voulez partager votre avis !

Le sujet de la traçabilité des contenus générés par IA ouvre donc aussi une nouvelle question : jusqu’où peut-on tracer un contenu sans tracer la personne qui l’a produit ou utilisé ?

Source: le blog post d'Anthropic https://support.claude.com/en/articles/16266773-how-claude-marks-ai-generated-content

Un développeur est parvenu à faire fonctionner un LLM de près de 29 millions de paramètres sur… un ESP32.

2026-08-05T23:32:00+02:00

Oui, vous avez bien lu. Pas un Raspberry Pi, pas un smartphone... un microcontrôleur à quelques euros.

Pour ceux qui ne connaissent pas, un ESP32 est un microcontrôleur très utilisé dans les objets connectés (domotique, capteurs, robots, électronique embarquée). Il coûte quelques euros et dispose de ressources extrêmement limitées : mémoire rapide \< 1Mo et quelques Mo de Flash. On est à des années-lumière des ressources dont dispose le moindre PC moderne.

Avant toute chose, il s'agit d'une preuve de faisabilité (PoC). Ce n'est pas un concurrent de ChatGPT, mais une démonstration extrêmement intéressante d'optimisation logicielle.

❓ Qu'a-t-il modifié ?

Non seulement il a compressé le modèle mais en plus l’auteur a repensé la manière dont le modèle utilise la mémoire :

- le cœur du Transformer (environ 560 000 paramètres) reste dans la mémoire rapide ;

- les 25 millions de paramètres sont stockés dans la mémoire Flash, beaucoup plus grande mais plus lente ;

- les données ne sont lues qu'au moment où elles sont réellement nécessaires

Résultat : environ 9 tokens par seconde sur un ESP32-S3.

🤯 Pourquoi est-ce possible ?

On ne parle pas 29 millions de paramètres manipulés à chaque token généré. En réalité, ici, une grande partie des paramètres est stockée sous forme d'une immense table de correspondance. À chaque génération de token, seule une infime partie est consultée. Cette architecture permet donc de conserver l'essentiel du modèle dans la mémoire Flash tout en gardant uniquement les éléments critiques dans la mémoire rapide.

C'est cette séparation intelligente entre stockage et mémoire de calcul qui rend le PoC possible.

❓ Quels pourraient être les usages ?

Ca ne remplace pas les grands modèles, en revanche, on peut imaginer :

➡️ des assistants ultra-spécialisés embarqués dans une machine industrielle ;

➡️ le pilotage d'un équipement en langage naturel, sans connexion au cloud ;

➡️ des objets connectés capables de dialoguer localement tout en préservant la confidentialité des données.

Ce qui me fascine le plus n'est finalement pas le LLM lui-même. Ceci me rappelle l’époque où l'on cherchait à repousser les limites du matériel grâce à l'ingéniosité du logiciel. Aujourd'hui, la puissance de calcul disponible masque souvent ce type de travail d'optimisation, même si le monde de l'embarqué continue à cultiver cette approche.

Pour moi, l'innovation n'est donc pas d'avoir mis un LLM sur un ESP32. Elle est d'avoir démontré qu'en exploitant intelligemment la hiérarchie mémoire, on peut repousser très loin les limites apparentes du matériel.

💬 Et vous, quel objet du quotidien gagnerait, selon vous, à embarquer un petit LLM fonctionnant entièrement en local, sans dépendre du cloud ?

Source: https://github.com/slvDev/esp32-ai

On le sait, le numérique a un impact environnemental… je découvre que la France le mesure annuellement !

2026-05-24T16:48:00+02:00

L’ARCEP publie chaque année une enquête sur l’empreinte écologique du numérique en France. Une initiative précieuse pour y voir plus clair !
Pour ceux qui ne savent pas, l'ARCEP c'est Autorité de régulation des communications électroniques, des postes et de la distribution de la presse.

5 catégories analysées :
✔ Opérateurs télécoms (réseaux fixes/mobiles)
✔ Fabricants de terminaux (smartphones, PC, tablettes…)
✔ Opérateurs de data centers
✔ Équipements de réseaux mobiles (nouveauté 2025)
✔ Câbles fibre optique (nouveauté 2026)

🔍 3 enseignements clés :
→ +38% d’électricité pour les data centers en 3 ans (20 MW en moyenne pour les nouveaux sites !).
→ 108 000 tonnes de CO₂ émises en 2024 pour la fabrication des câbles fibre.
→ Stabilisation de la consommation des réseaux télécoms à 4,1 TWh (grâce à la fibre, plus sobre).

Source: enquête Arcep 2026

L’IA n’est plus seulement dans le cloud… elle commence à revenir sur nos machines.

2026-04-06T20:21:00+02:00

Au début, l’IA (celle qui a explosé avec ChatGPT) rimait avec cloud : puissance déportée, dépendance aux API, latence acceptée comme une certaine fatalité. Et puis, progressivement — presque silencieusement ? — le centre de gravité se rapproche de nos propres machines. Une évolution que je suis depuis un moment, et j’ai l'impression qu’un vrai basculement est en train de se produire.

Ce week-end, Apple a discrètement fait un pas majeur : approbation officielle du pilote de Tiny Corp pour prendre en charge les eGPU NVIDIA sur Mac. Ce pilote est pensé pour l’IA, pas pour les jeux ou usages généraux.
Le message est clair : l’IA locale, embarquée et maîtrisée, devient une réalité. Une IA qui ne dépend plus d’un serveur distant, mais de votre propre matériel — confidentialité, réactivité et souveraineté garanties.

Les puces Apple sont déjà puissantes : M1 à M5 offrent un CPU ultra-optimisé capable de gérer inférence, pipelines rapides et orchestration. Avec un eGPU externe, elles peuvent désormais être associées pour des calculs encore plus ambitieux. Ces associations sont d'ailleurs déjà possible sur PC traditionnel depuis quelques temps.

Concrètement, on peut imaginer :

Des copilotes privés ultra-efficient et 100% offline , sans risque d’exposition des données
Des outils avancés de création (texte, image, code), fonctionnant en local, sans abonnement ni latence
Des workflows IA embarqués dans des apps métiers, pour une réactivité immédiate
Des environnements de test rapides, sans friction ni coût variable

On passe d’une logique de consommation à une logique d’appropriation. Plus besoin de dépendre d’une connexion ou d’un budget API pour innover.
La vraie question : comment orchestrer ces synergies CPU+eGPU pour rivaliser, sur certains usages, avec le cloud ? Bien sûr, le cloud reste roi pour le scale, mais "local" ne veut plus dire "limité". Et ça, c’est profondément excitant pour l’avenir de l’IA sur toutes les plateformes.

Un modèle de raisonnement (une IA) qui tient désormais dans un smartphone. C'est une révolution et je trouve cela incroyablement excitant!

2026-02-01T21:59:00+01:00

Il y a deux ans, il fallait deux datacenters pour faire tourner un modèle de raisonnement avancé. Liquid AI annonce en janvier une prouesse : un modèle capable de raisonner en autonomie, sur un smartphone et utilisant moins de 1 Go de RAM.

Pourquoi est-ce un tournant ?
À l’ère où la mémoire vive coûte cher (on parle de +500% sur 12 mois) et où la "privacy" devient un enjeu critique, cette avancée risque de changer la donne. Plus besoin de cloud, plus besoin de transférer des données sensibles : l’IA pense localement, sur l’appareil, comme un vrai assistant personnel.

Mais c’est quoi, un "modèle de raisonnement" ?
Contrairement aux LLM classiques (ChatGPT, Le Chat,...) qui prédisent des mots en s’appuyant sur des statistiques, les modèles de raisonnement simulent une pensée logique :
- Ils décomposent les problèmes en étapes ("Pour résoudre X, fais d’abord Y, puis Z").
- Ils expliquent leurs démarches (ex. : "Je conclus que ce symptôme correspond à A, car B et C").
- Ils s’adaptent à des tâches complexes sans être réentraînés.

Des cas d’usage qui vont tout changer
Avec des modèles légers et autonomes, imaginons :
- assistants médicaux sur les appareils des médecins sans besoin d'envoyer les données dans le cloud
- analyse automatique de contrats et assistance juridique en direct
- détection de pannes par des robots industriels sur eux-mêmes de manière autonome

Pourquoi est-ce une révolution ?
- Réduction des coûts: pas de besoin en infrastructure distante
- "Privacy" : les données ne sortent pas de l'appareil
- Latence : ça tourne localement, pas d'échange de données nécessaires.

Bientôt, votre grille-pain pourra négocier avec votre frigo pour savoir qui a mangé le dernier morceau de pain. Et votre aspirateur robot vous expliquera pourquoi il a encore coincé sous le canapé (spoiler : c’est votre faute 🤣 ).

Pour en savoir plus sur cette annonce de Liquid.ai

MCP et l’interopérabilité en IA : est-ce une révolution structurante ? C'est la question que je me suis récemment posée

2025-12-17T20:49:00+01:00

L’IA souffrait d’un paradoxe : des modèles toujours plus performants, mais enfermés dans des silos techniques. Les différents acteurs développaient ses propres protocoles d’interconnexion, créant des barrières qui freinaient l’innovation systémique plus globale et la collaboration entre systèmes. Une première question se pose et si une des vraies ruptures ne venait pas de l’IA elle-même, mais de sa capacité à dialoguer ?

Fin 2024, Anthropic (l’un des leaders de l’IA sécurisée et interprétable, connu pour ses modèles comme Claude) a introduit MCP (Model Communication Protocol). Ce protocole ouvert ne se contente pas de standardiser les échanges entre systèmes : il définit un langage universel pour l’IA, comparable à ce que HTTP a été pour le web, SQL pour les bases de données, ou REST pour les API des services web. Une avancée d’autant plus stratégique que MCP est désormais hébergé depuis le début de ce mois par la Linux Foundation – qui supporte déjà plus de 900 projets critiques comme Kubernetes ou RISC-V – garantissant ainsi neutralité et pérennité.

Pourquoi MCP a changé/change la donne ?

Fin des silos technologiques : Les entreprises ne sont plus contraintes de dépendre d’un seul fournisseur avec son format d'interconnexion. Elles peuvent désormais orchestrer des modèles hétérogènes (open-source, propriétaires, spécialisés) au sein d’une même architecture, sans friction.
Accélération de l’innovation : L’interopérabilité réduit les coûts d’intégration et permet de combiner rapidement des briques IA pour des cas d’usage complexes.

Je partage maintenant un regard critique : entre opportunités et défis. Si MCP représente une avancée majeure, son adoption pose des défis clés :

Standardisation vs. différenciation : Les acteurs historiques accepteront-ils de jouer le jeu de l’interopérabilité. De ce que j'observe cela semble le cas.
Sécurité et gouvernance : Un protocole ouvert exige des garde-fous robustes pour éviter les abus (fuites de données, manipulations, cyberattaques). La bascule d'Anthropic vers la Linux Foundation va dans le bon sens.
MCP pourrait-il devenir le "TCP/IP de l’IA", invisible mais omniprésent ? Si oui, sa gouvernance devrait, de mon point de vue, rester libre et transparente pour éviter les dérives.

Et demain ?
À court terme, MCP va simplifier l’intégration de l’IA dans les processus métiers, réduisant les coûts et accélérant le déploiement de solutions hybrides. C'est une excellente nouvelle. À plus long terme, il pourrait redéfinir les équilibres industriels, en favorisant les écosystèmes ouverts plutôt que les solutions propriétaires. Ce n'est pas la première fois que l'on a pu observer une bataille de "chapelle" par le passé.
Une certitude : l’ère des IA isolées est révolue. Place à celle des systèmes conversants et collaboratifs pour des systèmes et solutions complexes.