L’IA embarquée est passée d’un objectif d’ingénierie de niche à une stratégie produit grand public. Ce changement est porté par une évolution simple dans la manière dont les principaux créateurs de modèles envisagent le déploiement : au lieu de considérer l’inférence locale comme un compromis, ils conçoivent de plus en plus dès le départ des modèles ouverts et à poids ouverts pour les téléphones, ordinateurs portables, PC, boîtiers edge et autres matériels aux ressources limitées.
Cela est important, car les modèles ouverts abaissent simultanément plusieurs barrières. Ils facilitent l’optimisation pour des puces spécifiques, la quantification pour des budgets mémoire plus faibles, la personnalisation pour des tâches métiers, et le déploiement sans dépendance constante au cloud. Tout au long de 2025 et 2026, des entreprises comme OpenAI, Google, Apple, Microsoft et Qualcomm ont toutes fourni des preuves que les modèles ouverts et les piles IA orientées local-first font progresser l’intelligence native aux appareils.
Les modèles ouverts sont désormais conçus pour le déploiement local
Un schéma récurrent en 2025 et 2026 est que les modèles ouverts ou à poids ouverts ne sont plus publiés principalement pour l’expérimentation en centre de données. Ils sont présentés comme des systèmes portables destinés à fonctionner sur des accélérateurs uniques, des ordinateurs portables grand public, des téléphones et des appareils edge. Cela marque un changement majeur par rapport à la période précédente, où l’on supposait que les modèles les plus performants vivaient presque entièrement dans le cloud.
Google a clairement illustré cette nouvelle posture en décrivant Gemma 3 comme « nos modèles ouverts les plus avancés, portables et développés de manière responsable à ce jour » et en affirmant que cette famille était « conçue pour fonctionner rapidement, directement sur les appareils ». OpenAI a avancé un point similaire avec sa gamme gpt-oss, en présentant explicitement ces modèles ouverts de raisonnement comme conçus pour fonctionner localement sur des ordinateurs de bureau, des ordinateurs portables et dans des centres de données. En d’autres termes, le déploiement local est désormais un objectif de premier plan, et non plus une réflexion après coup.
Cette philosophie de conception explique en partie pourquoi les modèles ouverts font progresser l’IA embarquée avec autant d’efficacité. Lorsque la portabilité et l’adéquation au matériel sont intégrées à la feuille de route du modèle dès le premier jour, les développeurs obtiennent des systèmes plus faciles à adapter aux contraintes de l’edge. Le résultat est un passage plus rapide entre la sortie d’un modèle et des produits natifs aux appareils réellement exploitables.
OpenAI a rapproché le raisonnement à poids ouverts de l’edge
L’un des jalons les plus clairs est venu d’OpenAI le 5 août 2025, lorsque l’entreprise a indiqué que gpt-oss-20b peut fonctionner sur des appareils edge avec seulement 16 Go de mémoire. C’est un seuil important, car il rend le raisonnement local praticable sur une gamme beaucoup plus large de matériels. OpenAI a également mis en avant le modèle pour des « cas d’usage sur appareil », l’inférence locale, et l’itération rapide sans infrastructure coûteuse.
Cette publication compte non seulement en raison de la cible mémoire, mais aussi de sa licence et de son positionnement. OpenAI a publié gpt-oss-20b sous licence Apache 2.0, ce qui facilite grandement l’expérimentation, l’intégration et l’optimisation par les développeurs et les entreprises pour leurs propres produits. Cette combinaison de poids ouverts et de viabilité en edge est précisément ce qui aide l’IA embarquée à passer des démonstrations à des logiciels réellement déployables.
Il existe aussi ici un effet de plateforme. OpenAI a indiqué que Microsoft apportait des versions optimisées GPU de gpt-oss-20b aux appareils Windows, reliant directement les modèles de raisonnement à poids ouverts aux terminaux grand public. Cela transforme l’IA locale, qui passe d’un flux de travail spécialisé à une option plus large pour l’informatique grand public et d’entreprise.
La famille Gemma de Google montre comment les modèles ouverts deviennent une infrastructure pour les appareils
Le lancement de Gemma 3 par Google en mars 2025 a été l’un des signaux les plus forts montrant que les modèles ouverts deviennent une infrastructure fondamentale pour l’IA embarquée. La famille a été publiée en tailles 1B, 4B, 12B et 27B, et Google a indiqué que les modèles étaient conçus pour fonctionner directement sur des appareils allant des téléphones et ordinateurs portables jusqu’aux stations de travail. Des versions quantifiées officielles ont également été incluses afin de réduire la taille et les besoins de calcul.
La réponse de l’écosystème suggère que ces modèles ne sont pas de simples artefacts de recherche. Au moment du lancement de Gemma 3, Google faisait état de plus de 100 millions de téléchargements pour l’ensemble de la famille Gemma et de plus de 60 000 variantes de Gemma. Ces chiffres indiquent une base de modèles ouverts en croissance rapide, capable d’alimenter le déploiement dans les applications mobiles, les logiciels de bureau, les systèmes embarqués et les produits edge spécialisés.
Cette échelle est importante, car l’IA embarquée ne dépend pas seulement de la qualité du modèle. Elle exige des outils, des dérivés, une optimisation communautaire, un ciblage matériel et une adaptation métier. Les familles ouvertes comme Gemma créent précisément ce type d’écosystème, ce qui en fait plus que de simples publications de modèles ; elles deviennent des plateformes pour l’IA sur appareil.
La quantification permet à des modèles plus puissants de tenir sur du matériel grand public
L’une des raisons pour lesquelles les modèles ouverts font progresser l’IA embarquée est qu’ils peuvent être optimisés de manière agressive pour respecter des budgets matériels réalistes. La quantification est devenue particulièrement importante ici. En réduisant la précision numérique tout en préservant des performances utiles, elle permet d’exécuter des modèles performants sur des appareils qui auraient auparavant été trop limités.
Google a fourni un exemple concret en avril 2025, en indiquant que Gemma 3 12B en format int4 peut fonctionner efficacement sur des GPU pour ordinateurs portables comme le NVIDIA RTX 4060 Laptop GPU avec 8 Go de VRAM. C’est une avancée significative, car elle rend une classe de modèles plus performante accessible aux ordinateurs portables grand public ordinaires, plutôt qu’uniquement aux stations de travail ou serveurs coûteux.
À l’extrémité compacte, l’équipe AI Edge de Google a indiqué que Gemma 3 1B ne pèse que 529 Mo et peut atteindre jusqu’à 2 585 jetons par seconde en préremplissage. Google a déclaré que cela suffit pour traiter une page de contenu en moins d’une seconde avec sa pile d’inférence embarquée. Ce sont le type de chiffres de performance et de taille qui rendent l’IA locale pratique plutôt qu’expérimentale.
Les modèles ouverts orientés mobile évoluent du texte vers l’IA multimodale
Google a poussé cette tendance encore plus loin en mai 2025 avec l’aperçu de Gemma 3n, que l’entreprise a décrit comme une « IA puissante, efficace et pensée d’abord pour le mobile » pour les téléphones, tablettes et ordinateurs portables. L’entreprise a indiqué que Gemma 3n commence à répondre environ 1,5 fois plus vite sur mobile que Gemma 3 4B tout en utilisant moins de mémoire. Cela répond directement à deux des plus grands obstacles de l’IA mobile : la latence et la pression sur la mémoire.
Tout aussi important, Gemma 3n a étendu l’IA ouverte embarquée au-delà du texte. Google AI Edge a indiqué qu’il s’agit du premier petit modèle de langage multimodal de Gemma sur appareil, prenant en charge des entrées texte, image, vidéo et audio. Il s’associe également à la génération augmentée par récupération sur appareil et à l’appel de fonctions, permettant des applications edge plus riches qui n’ont pas toujours besoin d’un aller-retour vers le cloud.
Il s’agit d’une évolution majeure pour les créateurs de produits. L’IA embarquée devient bien plus précieuse lorsqu’elle peut voir, entendre, récupérer un contexte local et déclencher des actions directement sur l’appareil. Les modèles multimodaux ouverts rendent cette pile plus personnalisable et plus portable selon les niveaux de matériel, ce qui accélère l’adoption dans des applications réelles.
Apple fait de l’IA embarquée une capacité applicative par défaut
Les mises à jour d’Apple en 2025 ont montré comment l’IA embarquée devient une partie intégrante de la pile développeur du système d’exploitation lui-même. L’entreprise a indiqué que les développeurs peuvent utiliser le framework Foundation Models pour accéder, depuis Swift, au « modèle embarqué de 3 milliards de paramètres » derrière Apple Intelligence, avec une disponibilité dans iOS 26, iPadOS 26 et macOS 26 sur les appareils compatibles. Cela donne aux éditeurs d’applications un accès direct à une intelligence locale intégrée, au lieu de les obliger à tout assembler à partir d’API cloud tierces.
Le cadrage de plateforme d’Apple est particulièrement important. L’entreprise affirme que les applications utilisant ce framework peuvent exploiter des modèles sur appareil et que « les fonctionnalités que vous créez fonctionnent hors ligne ». Elle décrit aussi cet accès comme « puissant, rapide, conçu avec la confidentialité, et disponible même lorsque les utilisateurs sont hors ligne ». Ce message positionne l’IA hors ligne non pas comme un mode de secours, mais comme une capacité logicielle essentielle.
Il existe aussi un avantage économique. Apple a indiqué que les développeurs pourront construire avec le framework Foundation Models en utilisant une inférence IA « sans coût » à l’exécution. La suppression des frais d’inférence par requête change l’économie de la conception applicative et facilite l’intégration profonde de l’IA dans les expériences logicielles du quotidien.
La confidentialité, l’accès hors ligne et la portée des plateformes changent la proposition de valeur
Pendant des années, l’IA dans le cloud a gagné grâce à sa commodité et à son échelle. Mais l’IA embarquée offre un ensemble différent d’avantages qui deviennent de plus en plus convaincants à mesure que les modèles ouverts s’améliorent. La confidentialité est l’un des plus forts. Apple répète que Apple Intelligence « commence par le traitement sur appareil » et que de nombreux modèles s’exécutent entièrement sur l’appareil, en utilisant Private Cloud Compute pour les requêtes plus importantes au lieu d’envoyer par défaut l’ensemble vers le cloud public.
La fiabilité hors ligne est un autre facteur majeur. La stratégie Copilot+ PC de Microsoft a contribué à rendre le matériel d’IA locale grand public dans les ordinateurs personnels, et Microsoft précise que des fonctionnalités comme Recall (aperçu), Windows Studio Effects, les traductions de Live Captions et la super-résolution dans Photos s’exécutent localement sur l’appareil et ne nécessitent pas de connexion internet. Cela normalise l’idée qu’une IA utile doit continuer à fonctionner même lorsque la connectivité est limitée.
À mesure que ces attentes se diffusent, les modèles ouverts deviennent encore plus précieux. Ils donnent aux fournisseurs et aux développeurs davantage de contrôle sur l’endroit où les données sont traitées, sur la manière dont la latence est gérée, et sur les fonctionnalités qui restent disponibles hors ligne. Cette combinaison de confidentialité, de résilience et de personnalisation constitue une raison forte pour laquelle l’IA locale devient une priorité de plateforme.
Les fabricants de puces et les chercheurs valident la prochaine vague d’IA edge
L’écosystème matériel évolue lui aussi dans la même direction. En mars 2026, Qualcomm a annoncé Snapdragon Wear Elite et a indiqué que son NPU Hexagon prend en charge des modèles allant jusqu’à un milliard de paramètres en edge, étendant l’IA embarquée aux objets portables. Qualcomm a également soutenu publiquement que les architectures hétérogènes centrées sur les NPU sont essentielles à l’IA générative embarquée, ce qui reflète la coévolution des fabricants de puces avec les écosystèmes de modèles ouverts afin de réduire la latence et les coûts énergétiques.
Les travaux académiques renforcent l’idée que des modèles ouverts plus petits peuvent être suffisamment utiles pour de véritables agents edge. Une étude arXiv de 2025 sur TinyLLM a montré que des modèles de 1,3B de paramètres surpassaient nettement les modèles de moins de 1B sur les tâches agentiques en edge, atteignant jusqu’à 65,74 % de précision globale et 55,62 % de précision en multi-tour avec une optimisation hybride. Cela suggère une plage de capacités réaliste pour des assistants et agents pratiques fonctionnant localement.
D’autres recherches pointent dans la même direction. L’article SHAKTI a présenté un petit modèle de langage de 2,5 milliards de paramètres optimisé pour les smartphones, les objets portables et les systèmes IoT. Cela renforce la tendance plus large selon laquelle les modèles ouverts compacts sont de plus en plus conçus spécifiquement pour des environnements à faibles ressources, et non simplement compressés après l’entraînement pour un déploiement cloud à grande échelle.
Les modèles ouverts élargissent l’éventail des cas d’usage natifs aux appareils
L’élan ne se limite plus au chat généraliste ou à la génération de texte. En janvier 2026, Google a présenté TranslateGemma, une famille ouverte de traduction construite sur Gemma 3 en tailles 4B, 12B et 27B pour 55 langues, en mettant l’accent sur l’usage « peu importe où se trouvent les utilisateurs ou l’appareil qu’ils possèdent ». Google a également indiqué que le modèle 12B surpasse la référence Gemma 3 27B en traduction tout en utilisant moins de la moitié des paramètres.
Cet exemple est important, car il montre que la spécialisation peut encore améliorer le déploiement sur appareil. Lorsque les modèles ouverts sont adaptés à une tâche spécifique comme la traduction, ils peuvent surpasser des références généralistes plus larges tout en restant dans des budgets matériels plus réalistes. Ce schéma pourrait s’étendre au résumé, à la transcription, à l’assistance au code, à la compréhension visuelle et aux outils d’entreprise spécialisés.
À mesure que davantage de familles ouvertes ciblent des capacités précises, l’IA embarquée devient plus modulaire. Les développeurs n’auront pas toujours besoin d’un unique modèle généraliste géant. À la place, ils pourront combiner des modèles compacts optimisés pour certaines tâches avec de la récupération locale, des entrées multimodales et des appels de fonctions afin d’offrir des expériences plus rapides et plus efficaces sur du matériel grand public.
Les modèles ouverts font progresser l’IA embarquée parce qu’ils alignent la conception des modèles sur le matériel du monde réel, les besoins des développeurs et les contraintes produits. Le gpt-oss-20b d’OpenAI montre que le raisonnement à poids ouverts peut tenir sur des appareils edge de 16 Go. La gamme Gemma de Google démontre que des modèles ouverts légers, quantifiés et orientés mobile peuvent s’étendre dans un vaste écosystème. Apple, Microsoft et Qualcomm élargissent les plateformes logicielles et matérielles qui rendent l’inférence locale normale plutôt qu’exceptionnelle.
L’histoire plus large est que les modèles ouverts changent l’endroit où l’IA peut résider. Au lieu de partir du principe que l’intelligence doit être louée depuis un cloud lointain, l’industrie considère de plus en plus les ordinateurs portables, téléphones, PC, objets portables et systèmes embarqués comme des terminaux IA de premier plan. Ce changement n’éliminera pas l’IA dans le cloud, mais il rendra l’intelligence locale, privée, rapide et personnalisable bien plus courante, et les modèles ouverts sont au cœur de cette transition.
