Live 18/11 · Cohorte 318 nov à 19h00 MSK — atelier pratique gratuit sur les agents IA · La Cohorte 3 démarre le 23/11Atelier 18/11 →Cohorte 3 (23/11)

Les créateurs de Cyanogen lancent KORA, un OS Linux avec agents IA et un modèle local de 26 milliards de paramètres

Les créateurs de Cyanogen ont annoncé KORA, un système Linux où les agents IA sont intégrés à l'OS lui-même, et non cantonnés à des applications séparées. Ils promettent une mémoire partagée entre agents, une recherche de fichiers par le sens et des espaces de travail isolés pour qu'un agent ne puisse pas accéder à ce qu'il ne doit pas. La couche Cortex décide s'il faut exécuter le modèle en local ou basculer dans le cloud. Sur Snapdragon X2 Elite, un modèle local de 26 milliards de paramètres est annoncé.

Traité par IA depuis TG: @addmeto (addmeto (Григорий Бакунов)) ; édité par Hamidun News
Les créateurs de Cyanogen lancent KORA, un OS Linux avec agents IA et un modèle local de 26 milliards de paramètres
Source : TG: @addmeto (addmeto (Григорий Бакунов)). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @addmeto (addmeto (Григорий Бакунов)) ↗
Rédacteur en chef
Chiffre clé #1Mémoire partagée et recherche de fichiers par le sens, au niveau du système
Chiffre clé #2Des espaces de travail isolés limitent ce que l'agent peut toucher
Cortex semble ferméune « ouverture » seulement à moitié

Un problème bien connu : aujourd'hui, un agent IA sur un téléphone ou un ordinateur portable est une application qui ne sait rien des applications voisines, ne voit pas l'ensemble de vos fichiers et réclame pourtant l'accès à tout. Les créateurs de Cyanogen, que beaucoup se rappellent pour leurs ROM Android alternatives, ont décidé d'aborder le problème par un autre angle : faire des agents une partie intégrante du système d'exploitation. Le projet s'appelle KORA, et pour l'instant, c'est plus une déclaration d'intention qu'un produit que l'on peut tester.

Ce qui est promis

L'annonce repose sur trois idées. La première : une mémoire partagée pour les agents. Imaginez que vous demandiez à un premier agent de trier votre messagerie, pendant qu'un second prépare un rapport. Aujourd'hui, il faut réexpliquer le contexte à chacun. Si la mémoire est commune au niveau de l'OS, le second agent sait déjà ce que le premier a trouvé et ce que vous avez demandé.

La deuxième idée est la recherche de fichiers par le sens. Non plus « report_final_v3.docx », mais « ce courriel sur le contrat avec le sous-traitant où l'on discutait des délais ». C'est de la recherche sémantique classique, mais intégrée au système et non à une application distincte.

La troisième : des espaces de travail isolés. L'agent reçoit un espace de travail à part et ne voit que ce qu'on y a placé. C'est la réponse à la principale crainte de tous ceux qui ont donné à des agents l'accès à leur disque : que l'IA n'embarque pas des données superflues. L'idée est raisonnable, mais tout dépend de l'implémentation. Un bac à sable ne vaut que par la rigueur avec laquelle ses frontières sont contrôlées.

Cortex et modèles locaux

Un composant distinct, Cortex, doit décider où exécuter une requête : sur l'appareil ou dans le cloud. La logique est claire. Les tâches simples (recherche, réponses courtes, analyse de document) peuvent être traitées en local, rapidement et de façon privée. Les tâches complexes partent dans le cloud. Pour un développeur, cela signifie que le routage entre modèle local et modèle cloud est pris en charge par le système, et non par chaque application.

Un seul chiffre concret est donné côté matériel : sur Snapdragon X2 Elite, le système pourra exécuter en local un modèle de 26 milliards de paramètres. Il s'agit d'une puce Qualcomm pour ordinateurs portables, il faudrait donc préciser comment KORA se positionne : comme un système mobile au sens strict, ou comme un OS pour appareils ARM plus largement. L'annonce ne le dit pas clairement. On ignore aussi de quel modèle il s'agit, avec quelle quantification et à quelle vitesse de génération. Sans ces données, « 26 milliards en local » reste un chiffre marketing.

Où est le piège : l'ouverture

La principale limite est la licence. Selon toute apparence, Cortex restera fermé. Il fonctionnera avec des modèles ouverts, mais la couche qui prend les décisions est, elle, fermée. On peut facilement y voir du « presque open source », mais en réalité, ce qu'il y a de plus intéressant, à savoir l'orchestration, la mémoire et le routage, reste une boîte noire. Si vous construisez un produit sur une telle plateforme, vous dépendez du fournisseur comme vous dépendriez de n'importe quel SDK propriétaire.

Il y a aussi une question de marché plus générale. Le Linux mobile cherche depuis des années une niche et se heurte à chaque fois à l'écosystème d'applications. Les agents IA pourraient être une nouvelle raison de l'essayer, mais seulement si agents et intégrations sont suffisamment nombreux. Un système seul n'y suffit pas.

Que faire de tout cela

  • Les développeurs d'agents ont intérêt à s'intéresser à l'architecture elle-même : mémoire partagée, recherche sémantique et bacs à sable par défaut, c'est ce que l'on attendra bientôt de toute plateforme, pas seulement de KORA.
  • Les product managers devraient intégrer dès la conception la question « que peut voir et toucher l'agent ? », avant même le choix du modèle. L'isolation des données devient un élément de la confiance des utilisateurs.
  • Les fondateurs qui envisagent de parier sur cette plateforme gagneraient pour l'instant à observer : pas de code public pour Cortex, pas de mesures indépendantes, pas de modèle de distribution clair.

En résumé : l'idée d'intégrer les agents à l'OS est logique et la liste des promesses semble pertinente. Mais pour l'instant, ce n'est qu'un communiqué de presse. Tant qu'il n'y aura ni code, ni appareils, ni benchmarks, KORA doit être considéré comme une déclaration intéressante, et non comme une plateforme prête à l'emploi.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui est promis ?

L'annonce repose sur trois idées. La première : une mémoire partagée pour les agents. Imaginez que vous demandiez à un premier agent de trier votre messagerie, pendant qu'un second prépare un rapport. Aujourd'hui, il faut réexpliquer le contexte à chacun. Si la mémoire est commune au niveau de l'OS, le second agent sait déjà ce que le premier a trouvé et ce que vous avez demandé. La deuxième idée est la recherche de fichiers par le sens.

Que sait-on sur Cortex et modèles locaux ?

Un composant distinct, Cortex, doit décider où exécuter une requête : sur l'appareil ou dans le cloud. La logique est claire. Les tâches simples (recherche, réponses courtes, analyse de document) peuvent être traitées en local, rapidement et de façon privée. Les tâches complexes partent dans le cloud. Pour un développeur, cela signifie que le routage entre modèle local et modèle cloud est pris en charge par le système, et non par chaque application.

Que sait-on sur Où est le piège : l'ouverture ?

La principale limite est la licence. Selon toute apparence, Cortex restera fermé. Il fonctionnera avec des modèles ouverts, mais la couche qui prend les décisions est, elle, fermée. On peut facilement y voir du « presque open source », mais en réalité, ce qu'il y a de plus intéressant, à savoir l'orchestration, la mémoire et le routage, reste une boîte noire. Si vous construisez un produit sur une telle plateforme, vous dépendez du fournisseur comme vous dépendriez de n'importe quel SDK propriétaire.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…