Qu'est-ce qu'il faut réellement pour faire tourner un modèle d'IA en local ?

Cela dépend du modèle. Un modèle de 3,8 milliards de paramètres comme Phi-4-mini tourne sur un CPU d'ordinateur portable sans GPU. Les modèles de taille intermédiaire, dans la gamme 20-30 milliards de paramètres avec des architectures mixture-of-experts, fonctionnent confortablement sur une machine dotée d'un NPU moderne ou de 32 Go de RAM. Les modèles open-weight de classe frontier plus imposants nécessitent encore un GPU de station de travail ou un serveur, ce qui fait que la solution locale est bien réelle, mais limitée par ce que vous êtes prêt à faire tourner.

L'IA sur l'appareil est-elle vraiment aussi performante que les modèles cloud ?

Pas tout à fait au sommet des benchmarks. Les plus grands modèles hébergés dominent encore sur les tâches de raisonnement complexe, de code et de contexte long. Mais l'écart qui compte pour le travail quotidien s'est considérablement réduit au cours de 2025 et 2026, et un modèle local performant, fonctionnant en toute confidentialité et gratuitement, est souvent le meilleur outil, même lorsqu'il n'est pas le plus intelligent disponible.

Pourquoi ce retour vers l'informatique personnelle pourrait-il ne pas se produire ?

Plusieurs forces tirent dans le sens contraire : des centaines de milliards en investissements de datacenter qui cherchent à être monétisés par abonnement, la gravité des données qui maintient votre historique sur les serveurs d'autrui, des tailles de modèles en constante augmentation, et le verrouillage de plateforme qui fait de la voie hébergée le choix par défaut. Le matériel pour posséder votre IA existe. Que la plupart des gens l'utilisent ainsi relève du choix, non de la garantie.

Artificial Intelligence

Le balancier repart : l'IA et le retour de l'ordinateur personnel

By Anurag Verma•June 18, 2026

Le pendule revient en arrière : l'IA et le retour de l'ordinateur personnel

En janvier 1975, Popular Electronics plaça le MITS Altair 8800 en couverture et le présenta comme le premier kit capable de rivaliser avec les machines commerciales. Il coûtait 395 dollars. MITS reçut quatre cents commandes en une après-midi et un quart de million de dollars en trois semaines. Avant cela, utiliser un ordinateur signifiait réserver du temps sur un mainframe et attendre son tour pour accéder à une machine appartenant à quelqu'un d'autre. L'Altair accomplit quelque chose de petit et d'immense à la fois : il posa l'ordinateur sur votre bureau, et vous n'aviez plus à le partager avec personne.

J'ai passé la majeure partie de ma carrière du côté des infrastructures dans la finance réglementée, où la question n'est jamais de savoir à quel point un système est impressionnant, mais où se situe réellement le pouvoir et qui le contrôle. De cette position, l'histoire de l'informatique se lit comme un long débat sur la localisation. La puissance de calcul ne cesse de se déplacer entre le centre et la périphérie, et elle est en train de bouger à nouveau.

Le cycle jusqu'ici

L'ère des mainframes était centralisée par nécessité. La puissance de calcul était rare et coûteuse, elle vivait donc dans une salle climatisée et on en louait l'accès. La révolution de l'ordinateur personnel a brisé cela. L'Altair alluma la mèche, l'Apple II en fit un marché (VisiCalc, le premier tableur, fut l'application qui vendit la machine aux entreprises), et l'IBM PC en août 1981 en fit une industrie. IBM utilisa des composants standard et une architecture ouverte, accorda une licence pour un système d'exploitation à une petite entreprise appelée Microsoft, et ce faisant confia une véritable puissance de calcul aux individus. Pendant environ deux décennies, la machine la plus performante que la plupart des gens utilisaient était celle posée sur leur propre bureau.

Puis le pendule revint en arrière, silencieusement, et nous l'avons globalement accepté. Le cloud signifiait qu'on ne gérait plus son propre serveur. Le SaaS signifiait qu'on ne possédait plus son logiciel, on s'y abonnait. Le smartphone, l'appareil le plus personnel jamais conçu, s'avéra être un client léger : un bel écran donnant accès à du calcul et à des données hébergées ailleurs. Rien de tout cela ne semblait être une perte. C'était pratique, ça se synchronisait, ça se sauvegardait automatiquement. Mais le résultat net fut que la plupart d'entre nous redevinrent locataires de l'ordinateur de quelqu'un d'autre, et le compteur tournait toujours.

La récente vague d'IA a poussé le centre plus fort que quoi que ce soit auparavant. L'entraînement et l'exploitation de grands modèles sont intensifs en capital d'une manière qui concentre le pouvoir entre quelques mains. Les chiffres ne sont pas subtils. Les dépenses d'investissement des hyperscalers devraient dépasser 600 milliards de dollars en 2026, en hausse d'environ 36 pour cent par rapport à 2025, certaines estimations pour les quatre grands seuls atteignant 725 milliards de dollars. Environ les trois quarts de cela, autour de 450 milliards de dollars, sont directement liés à l'infrastructure IA : GPU, centres de données, l'équipement physique de l'intelligence. C'est la salle climatisée du mainframe reconstruite à l'échelle planétaire. Quand la chose la plus intelligente à laquelle vous pouvez parler vit dans un centre de données que vous ne verrez jamais, vous êtes de retour à réserver du temps sur la machine de quelqu'un d'autre.

Pourquoi le retour du pendule est plausible

Voici ce que je trouve vraiment intéressant. La même vague d'IA produit également les conditions pour que le pendule revienne dans l'autre sens.

Les modèles à poids ouverts ont comblé l'écart plus vite que presque personne ne le prévoyait. Tout au long de 2025 et jusque dans 2026, des familles comme Qwen, DeepSeek, Llama et Gemma sont passées d'intéressantes à véritablement utiles, et beaucoup égalent désormais les modèles propriétaires sur des benchmarks réels. Plus important encore, ils tournent sur du matériel que vous possédez. Le Phi-4-mini de Microsoft, avec ses 3,8 milliards de paramètres, fonctionne sur le processeur d'un ordinateur portable sans aucun GPU. Les nouvelles architectures mixture-of-experts font tourner un grand modèle sur un ordinateur portable à haute capacité mémoire en n'activant qu'une fraction de leurs paramètres par token. Le consensus pratique parmi ceux qui font cela au quotidien est que les petits modèles sur appareil sont désormais en tête pour le travail sur appareil, ce qui est une affirmation qui aurait semblé absurde en 2022.

Le silicium arrive pour suivre le mouvement. Les PC Copilot+ se définissent par un NPU intégré capable d'effectuer 40 billions d'opérations par seconde ou plus, et les PC IA devraient représenter près de 40 pour cent du marché en 2025 et plus de la moitié en 2026. Le moteur neuronal devient une partie standard de la machine, à l'image de l'unité à virgule flottante et du GPU avant lui. Discrètement, un processeur associé à un NPU capable de faire tourner un vrai modèle arrive sur de nombreux bureaux.

Assemblez tout cela et vous obtenez quelque chose qui rappelle 1981 : une puissance de calcul capable, possédée entièrement, posée devant une seule personne. Les poids ouverts signifient que vous pouvez détenir le modèle, l'affiner sur vos propres données, et le faire tourner sans demander permission ni payer par token. Un agent personnel peut travailler pour vous plutôt que pour la plateforme qui l'héberge.

Le véritable enjeu est la croissance personnelle

La tentation est de réduire cela à une histoire de matériel avec des puces plus rapides. Ce n'est pas le cas. Le premier PC a compté à cause de ce qu'une personne motivée pouvait soudainement faire seule : modéliser une entreprise dans un tableur, mettre en page un document, écrire et publier un logiciel depuis une chambre. La machine comprimait l'écart entre une idée et quelque chose de fonctionnel.

Une IA personnelle fait de même pour l'écart entre ne pas savoir quelque chose et y être compétent. Une seule personne dotée d'un modèle local capable peut désormais apprendre un nouveau domaine, déboguer du code dans un langage qu'elle n'a jamais utilisé, rédiger un contrat ou prototyper un produit à un rythme qui nécessitait autrefois une équipe ou une institution. Cet effet cumulatif est le véritable levier. Il est privé, ne facture pas à la question, et vous appartient. Pour quiconque cherche à développer ses compétences plutôt qu'à louer des réponses, cela change les calculs de ce qu'un individu déterminé peut devenir.

Les mises en garde honnêtes

Je ne vends pas l'inévitabilité. Les forces qui tirent vers le centre sont réelles et bien financées. Ces 600 milliards de dollars de dépenses d'investissement cherchent à être monétisés, et la manière la plus simple de le faire est un abonnement que vous n'annulez jamais. La gravité des données est tenace : votre historique, vos fichiers, votre contexte vivent déjà sur les serveurs de quelqu'un, et ils sont persistants. Les modèles frontière continuent de croître, donc la meilleure capacité restera probablement hébergée pendant des années. Et le verrouillage de plateforme est conçu, pas accidentel. Le chemin par défaut sera toujours celui hébergé, parce que les options par défaut sont là où se trouve l'argent.

Donc le retour du pendule est possible, pas garanti. Le premier PC n'a pas démocratisé l'informatique parce que la technologie existait. Il l'a fait parce qu'assez de gens ont choisi de posséder la machine plutôt que de louer le mainframe. Le matériel pour posséder votre IA arrive maintenant sur le marché. Que nous l'utilisions ainsi est, comme en 1981, un choix. Je sais sur lequel je parierais pour construire davantage.