Les gros titres reviennent aux plus grands modèles, mais une tendance plus discrète compte peut-être davantage pour l'informatique du quotidien : les petits modèles de langage qui tournent directement sur un téléphone, un ordinateur portable ou un appareil embarqué. Ils échangent l'ampleur brute contre la vitesse, le coût et la confidentialité — et pour un nombre surprenant de tâches, l'échange est avantageux.
Pourquoi « plus petit » est souvent « plus malin »
Un modèle de quelques milliards de paramètres peut s'exécuter sur du matériel grand public sans aller-retour réseau. Cela signifie aucune latence d'appel serveur, aucun coût cloud par requête et — surtout — aucune donnée qui quitte l'appareil. Pour une suggestion de clavier, un résumé de réunion ou un classifieur de support client, on n'a pas besoin d'un modèle capable aussi de disserter sur la philosophie. On a besoin d'un modèle rapide, prévisible et économique à exécuter un million de fois par jour.
Le progrès technique qui rend cela possible tient autant à la compression qu'à l'entraînement : la quantification, qui réduit les modèles à une fraction de leur taille avec peu de perte de qualité ; la distillation, qui transfère le comportement d'un grand modèle vers un petit ; et des architectures pensées pour les limites mémoire des appareils réels.
L'avenir hybride
L'aboutissement probable n'est pas « petit contre grand » mais « petit et grand ensemble ». Un modèle local traite le travail routinier, instantané et privé, et n'escalade vers un grand modèle cloud que lorsque la tâche l'exige vraiment. Cette approche par paliers reflète le fonctionnement du reste de l'informatique — mettre en cache en local, calculer à distance quand il le faut — et devient l'architecture par défaut des produits d'IA en 2026.