Au cours de l’année écoulée, les fabricants de smartphones ont accéléré leurs initiatives en matière d’IA. YOYO de Honor s'est intégré à davantage d'agents tiers, reliant les capacités d'IA entre les couches système et applicatives, tandis que Xiaoyi de Huawei peut naviguer entre les applications pour effectuer des tâches avec une seule commande.

Malgré ces avancées majeures, un examen plus approfondi révèle une réalité fondamentale : ces fonctionnalités d’IA reposent toujours sur une connexion Internet. Essentiellement, l’IA des smartphones en est encore au stade de la collaboration Edge-Cloud, sans encore franchir le prochain pas en avant significatif.

Récemment, une fuite sur X de Semi-retired-ing a révélé que Samsung prépare un grand modèle de langage (LLM) qui pourra s'exécuter localement sur la prochaine série Galaxy S26 pour alimenter la plupart de ses fonctions d'IA. Ce modèle intégré à l'appareil aurait même des privilèges avancés, lui permettant d'effacer la mémoire lorsque cela est nécessaire pour garantir qu'il puisse répondre aux demandes des utilisateurs à tout moment.

En fait, Samsung a présenté un LLM sur l'appareil nommé « Gauss » en 2023, qui selon la rumeur était même préinstallé sur la série Galaxy S25. Cependant, pour des raisons inconnues, Samsung a fait une forte promotion du Gemini de Google et a à peine mentionné Gauss depuis. Ce n'est que maintenant que le modèle intégré de Samsung est de retour dans la conversation. Alors que la plupart des fabricants continuent de se concentrer sur des solutions basées sur le cloud, pourquoi Samsung tente-t-il d'intégrer le modèle directement dans le téléphone ? S'agit-il d'une stratégie visant à devancer la concurrence, ou la plateforme mobile a-t-elle enfin la capacité de déployer des LLM localement ? Quelle que soit la réponse, une nouvelle phase de l’IA sur smartphone est sur le point de commencer.

Les fabricants de smartphones n’abandonneront pas le modèle hybride Edge-Cloud

Si Samsung déploie réellement un LLM localement, cela signifie-t-il que l’IA des smartphones abandonnera la stratégie hybride Edge-Cloud pour une approche purement sur appareil ? En réalité, il est peu probable que cela se produise à court terme. Le modèle hybride Edge-Cloud est actuellement une solution presque parfaite. Le cloud gère l'échelle des modèles, les raisonnements complexes et les itérations rapides, en exploitant les ressources informatiques supérieures des serveurs pour les mises à jour, la gouvernance et la sécurité. Pendant ce temps, l'appareil (le Edge) gère la commande initiale de l'utilisateur, telle que les mots de réveil, la reconnaissance vocale et l'analyse d'intention de base, avant de transmettre les requêtes complexes au cloud.

Cette division du travail fonctionne bien pour les utilisateurs qui utilisent occasionnellement l’IA. Cependant, cette logique repose sur l’hypothèse que la fréquence d’utilisation de l’IA n’est pas trop élevée. À mesure que l'orientation de l'IA des smartphones devient plus claire, les fabricants se concentrent désormais non plus sur "répondre à vos questions", mais plutôt sur "accomplir des tâches à votre place". L'IA évolue d'un chatbot à un système capable de comprendre le contenu à l'écran, de décomposer les objectifs des tâches et de planifier les chemins d'exécution, formant ainsi une chaîne complète d'agents IA. Une fois que l’IA entre dans ce scénario d’interaction continue et à haute fréquence au niveau du système, les lacunes du modèle Edge-Cloud deviennent flagrantes. Par exemple, dans des conditions de réseau faibles, la latence de réponse du cloud peut provoquer des interruptions notables. Dans une séquence de commandes, une interruption du réseau pourrait interrompre l'ensemble du processus. Pour les utilisateurs, une telle inefficacité est inacceptable.

LLM sur appareil : quels sont les obstacles ?

Compte tenu des inconvénients du modèle hybride, pourquoi a-t-il été si difficile de mettre en œuvre des LLM sur appareil sur les smartphones ? Ce n’est pas que les constructeurs soient réticents à essayer, mais que les limites sont très claires. Il y a d’abord les contraintes matérielles. La mémoire, la puissance de calcul et la consommation d’énergie sont les trois conditions essentielles de l’IA sur appareil. Même pour un modèle de taille moyenne, une exécution constante en arrière-plan exerce une pression continue sur les ressources système. Les besoins en mémoire à eux seuls auraient contraint Apple à augmenter la RAM de ses iPhones. Deuxièmement, il y a les coûts de stabilité et de maintenance. Les modèles cloud peuvent être itérés rapidement avec des corrections de bugs instantanées, tandis que les modèles sur appareil ne peuvent être optimisés que via des mises à jour du système. Pour une IA au niveau du système, cela signifie des risques plus élevés et des coûts de test plus élevés.

Cependant, le paysage change en 2025, car Des améliorations significatives dans les capacités des puces font des LLM purement intégrés à l'appareil une quasi-réalité. Prenez le Snapdragon 8 Gen 5, par exemple. Qualcomm a révélé que son NPU Hexagon peut atteindre des vitesses de sortie d'environ 200 jetons/s dans les tâches génératives locales. Cette mesure est importante car elle signifie que les modèles intégrés aux appareils peuvent désormais générer une génération continue et naturelle de langage, une condition préalable à l’exécution de commandes interactives complexes par l’IA. De même, le Dimensity 9500 de MediaTek présente une conception plus agressive et économe en énergie dans son NPU 990. Selon les affirmations officielles, il améliore l'efficacité de la génération sur un modèle intégré de 3 milliards de paramètres tout en réduisant considérablement la consommation d'énergie globale. Cela suggère que les modèles intégrés aux appareils ne sont plus seulement une fonctionnalité « à exécution unique », mais deviennent viables pour un fonctionnement continu.

L'IA sur appareil ne sera pas une révolution, mais une ligne de démarcation pour les produits phares

Au regard des choix des grands constructeurs, le modèle hybride edge-cloud reste la solution la plus prudente. Le Xiaoyi de Huawei, par exemple, reste l'un des assistants d'IA au niveau système les plus complets en Chine, mais son architecture de base reste un hybride classique : l'appareil gère la perception et la compréhension de base, tandis que le cloud prend en charge le raisonnement complexe. Ce n’est pas parce que les fabricants ne peuvent pas intégrer l’IA sur les appareils, mais plutôt à un compromis pratique. Lorsque l’IA est profondément intégrée au système et aux services, la stabilité, l’efficacité et le contrôle des ressources sont toujours plus importants qu’un déploiement agressif.

En fin de compte, les grands modèles linguistiques intégrés aux appareils ne modifieront pas complètement l’orientation générale de l’IA des smartphones à court terme. Qu'il s'agisse de Samsung, Huawei ou d'autres grands acteurs nationaux, le choix actuel se porte sur la solution hybride Edge-Cloud. Après tout, les smartphones n’ont pas été conçus pour les grands modèles, ce qui impose un équilibre entre performances, consommation électrique, stabilité et sécurité. De ce point de vue, les LLM sur appareil ne sont peut-être pas la fonctionnalité « bombe » lors des événements de lancement de téléphones, mais ils élèveront discrètement la barre technique pour les appareils phares. Cela créera un écart d'expérience tangible entre les téléphones IA dotés de capacités sur l'appareil et ceux purement basés sur le cloud. Cette ligne de démarcation pourrait être tracée très prochainement.