Apple poursuit discrètement sa quête d’une intelligence artificielle plus performante et plus respectueuse de la vie privée. Selon plusieurs informations concordantes, la firme de Cupertino étudie actuellement la technologie développée par PrismML, une jeune pousse spécialisée dans la compression des grands modèles de langage. Une avancée qui pourrait permettre aux futurs iPhone d’exécuter des modèles d’IA beaucoup plus puissants directement sur l’appareil.
Le PDG de PrismML, Babak Hassibi, a confirmé auprès de CNBC que des discussions étaient en cours avec Apple ainsi qu’avec d’autres acteurs du secteur. Si les échanges n’en sont encore qu’à leurs débuts, le dirigeant estime que « les choses avancent dans la bonne direction ». Apple, de son côté, n’a fait aucun commentaire.
Une startup issue de Caltech qui veut révolutionner l’IA embarquée
Fondée à partir de recherches menées au California Institute of Technology (Caltech), PrismML bénéficie du soutien du fonds Khosla Ventures et dispose d’une licence exclusive sur les brevets développés par l’université. En mars dernier, l’entreprise a levé 16,25 millions de dollars lors d’un premier tour de financement afin d’accélérer le développement de sa technologie.
Son objectif est clair : rendre les modèles d’intelligence artificielle suffisamment compacts pour fonctionner localement sur des appareils aux ressources limitées, comme un smartphone ou un ordinateur portable.
Bonsai 27B : un modèle d’IA réduit de 54 Go à moins de 4 Go
À l’origine de cet intérêt se trouve Bonsai 27B, le dernier modèle présenté par PrismML. Contrairement à un nouveau modèle entraîné de zéro, Bonsai 27B repose sur Qwen, le modèle open source développé par Alibaba. L’innovation réside dans sa compression extrême.
Grâce à sa technologie, PrismML est parvenu à réduire la taille du modèle d’environ 54 Go à seulement 3,9 Go dans sa version la plus compacte.
Deux déclinaisons sont proposées :
- une version ternaire, capable de fonctionner sur un ordinateur portable
- une version 1-bit, suffisamment légère pour tenir dans la mémoire d’un smartphone comme un futur iPhone 17 Pro
Selon PrismML, il s’agirait du premier modèle de cette catégorie à pouvoir fonctionner directement sur un téléphone sans dépendre d’une infrastructure cloud.
Une approche radicale pour économiser mémoire et énergie
Le gain provient de la manière dont le modèle stocke ses paramètres internes. Là où les modèles classiques utilisent des valeurs codées sur 16 bits, PrismML réduit ces informations à seulement une ou trois valeurs possibles, selon la version utilisée.
Cette compression aurait plusieurs effets immédiats :
- une réduction de la mémoire nécessaire de 10 à 15 fois
- des réponses jusqu’à six à huit fois plus rapides
- une consommation énergétique divisée par trois à six
Cette efficacité s’accompagne toutefois d’un compromis. Babak Hassibi reconnaît que les modèles perdent quelques points de précision, notamment sur les tâches nécessitant une mémoire factuelle importante. Les capacités de raisonnement, de programmation ou de calcul résistent en revanche beaucoup mieux à cette compression.
PrismML affirme conserver environ 95 % des performances du modèle d’origine avec la version ternaire, et près de 90 % avec la variante 1-bit.
Pourquoi cette technologie intéresse Apple ?
Le calendrier n’a rien d’anodin. PrismML a dévoilé Bonsai 27B quelques heures seulement après l’ouverture de la bêta publique d’iOS 27, qui inaugure la profonde refonte de Siri et l’arrivée de nouvelles fonctionnalités Apple Intelligence.
L’un des principaux défis auxquels Apple fait face consiste à exécuter davantage de traitements directement sur l’appareil. Aujourd’hui, les requêtes les plus complexes sont encore transférées vers des serveurs distants. Réussir à faire fonctionner des modèles plus performants localement offrirait plusieurs avantages stratégiques :
- une meilleure protection des données personnelles
- des temps de réponse plus courts
- des fonctionnalités accessibles même hors connexion
- une réduction des coûts liés aux infrastructures cloud
Cette approche correspond parfaitement à la philosophie d’Apple, qui mise depuis plusieurs années sur une IA hybride combinant traitement local et cloud sécurisé.
Une réponse aux coûts croissants de la mémoire
L’intérêt d’Apple est également économique. Selon une récente analyse de Morgan Stanley, les coûts liés aux composants mémoire devraient fortement augmenter au cours des prochaines années, notamment avec l’arrivée de modèles d’IA toujours plus exigeants.
Des modèles fortement compressés permettraient d’intégrer des capacités avancées sans multiplier la quantité de mémoire embarquée dans les futurs iPhone, limitant ainsi l’impact sur les coûts de production et, potentiellement, sur les prix de vente.
Une technologie encore à valider
Malgré ces promesses, plusieurs analystes invitent à la prudence. Tarun Pathak, de Counterpoint Research, estime que la véritable épreuve commencera lorsque ces modèles devront traiter des millions de requêtes sur des milliers d’appareils différents.
De son côté, Phil Solis (IDC) souligne que la consommation énergétique devra être observée en conditions réelles. Même un modèle très compact pourrait affecter sensiblement l’autonomie s’il est sollicité en permanence.
L’edge AI devient le nouveau terrain de bataille
Au-delà du seul cas Apple, PrismML illustre une évolution majeure de l’industrie. Plutôt que d’augmenter indéfiniment la puissance des centres de données, les acteurs de l’IA cherchent désormais à déplacer une partie de l’intelligence directement vers les appareils des utilisateurs.
Cette approche, connue sous le nom d’Edge AI, pourrait profondément transformer les usages en combinant rapidité, confidentialité et réduction des coûts d’exploitation.
PrismML ne compte d’ailleurs pas s’arrêter à Qwen. L’entreprise travaille déjà sur des versions optimisées de Gemma, le modèle open source de Google, avant de s’attaquer à des modèles de nouvelle génération encore plus ambitieux.
Si Apple décide finalement d’intégrer cette technologie à ses futurs produits, elle pourrait franchir une étape importante dans son ambition de faire de l’intelligence artificielle embarquée l’un des principaux atouts de son écosystème.