Linger fait tourner 12 modèles d'IA sur votre PC : jusqu'à 5 fois plus vite et 0 $ de tokens
Un agent d'IA dans le cloud facture chaque token, et plus il lit de fichiers, plus la facture grimpe. Tony Zhang, l'un des premiers développeurs de DeepSeek, a publié le code de Linger, un agent qui exécute 12 modèles (Qwen, DeepSeek, Gemma) directement sur votre ordinateur. Pour le travail en local, les tokens coûtent donc 0 $. L'accélération jusqu'à 5 fois est une affirmation des auteurs eux-mêmes, sans mesures indépendantes. Si votre facture d'API pèse trop lourd, testez localement un seul de vos processus.
Traité par IA depuis X: @GithubProjects ; édité par Hamidun News
Imaginez confier à un agent d'IA le tri d'un dossier de contrats et de six mois de correspondance. Chaque mot lu part dans le cloud, et le fournisseur compte les « tokens », ces fragments de texte facturés. Plus l'agent lit et revérifie, plus la facture augmente.
L'équipe de Linger propose le schéma inverse : un agent personnel open source qui tourne sur votre ordinateur. Il fait fonctionner 12 modèles de premier plan, dont Qwen, DeepSeek et Gemma, n'applique aucun frais par token pour l'inférence locale (0 $) et, selon les auteurs, va jusqu'à 5 fois plus vite. Le projet a été annoncé par Tony Zhang, présenté dans l'annonce comme l'un des premiers contributeurs clés de DeepSeek et ancien chercheur de Microsoft Research Asia.
Ce que sait faire Linger
Selon la description des auteurs, Linger exécute 12 modèles sur le matériel pris en charge. L'utilisateur n'est lié à aucun fournisseur unique : il peut choisir le modèle adapté à sa tâche et à sa carte graphique ou à son ordinateur portable.
Outre l'exécution des modèles, l'agent prend en charge ce que l'on doit habituellement faire à la main :
- il récupère le contexte dans les fichiers et applications auxquels vous avez donné accès, si bien qu'il n'est pas nécessaire de copier les documents dans le chat ;
- il mémorise vos préférences et vos décisions passées, par exemple la mise en forme de vos rapports ou la pile technique choisie dans vos projets précédents ;
- il coordonne plusieurs agents pour mener la tâche à son terme, au lieu de s'arrêter à la première réponse.
Les auteurs décrivent cela comme une expérience à la Grok, mais sur votre propre machine.
Pourquoi cela peut être avantageux
Les chiffres phares de l'annonce sont « jusqu'à 5 fois plus rapide » et 0 $ par token pour l'inférence locale. La logique est simple. Si un agent relit sans cesse des fichiers, résume de longues correspondances et enchaîne des dizaines d'appels, la facture de l'API cloud grimpe vite. Un modèle local transforme des dépenses variables en coûts fixes : vous payez le matériel une fois et ne comptez plus les tokens.
Il y a aussi une raison de fond. Les auteurs rappellent l'histoire : dans les années 1960, le calcul était centralisé, jusqu'à ce que l'ordinateur personnel remette la puissance entre les mains de chacun. Aujourd'hui, l'IA s'entraîne dans des centres de données et se loue au token. Linger tente de jouer le rôle d'un « ordinateur personnel » pour les agents.
Limites à garder en tête
Les chiffres « jusqu'à 5 fois plus rapide » et « 12 modèles » proviennent de l'annonce des auteurs eux-mêmes. L'annonce ne précise pas à quoi la vitesse est comparée : une API cloud ou une autre interface locale comme Ollama. Le résultat dépend fortement du matériel : les gros modèles sur un ordinateur portable peu puissant tourneront lentement, voire ne se lanceront pas.
L'absence de frais par token ne signifie pas un coût nul. Il faut de la mémoire vidéo, de l'électricité et du temps de configuration. La confidentialité est également conditionnelle : les auteurs écrivent explicitement que les données ne restent sur l'appareil qu'en mode local. Si vous branchez des services externes ou des modèles cloud, les informations partent chez eux.
La sécurité constitue une autre question. Un agent qui accède à vos fichiers et applications élargit la surface d'attaque. Avant d'accorder des droits, vérifiez les autorisations demandées, la façon dont la mémoire est stockée et la possibilité de fermer l'accès à certains dossiers.
Que faire, côté développeur et chef de produit
Si vos scénarios agentiques se heurtent au coût de l'API et que vos données ne peuvent pas sortir de l'entreprise, Linger mérite un test. Prenez un processus répétitif, par exemple le traitement de documents ou le travail sur un dépôt local, et comparez qualité, vitesse et coût total avec la version cloud. Vérifiez la licence et la liste du matériel pris en charge dans le dépôt. Si le « jusqu'à 5 fois plus rapide » se confirme au moins sur votre configuration, les agents locaux gagneront un argument de poids supplémentaire.
- 21 nov. 2026Panne Microsoft : près de 83 000 signalements sur Outlook dans Downdetector, Teams et Copilot également hors service
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
- 21 nov. 2026Microsoft fait de Copilot un « système d'exploitation pour le travail » : Word et Excel deviennent des plugins de l'agent
- 21 nov. 2026Google sépare le stockage des conversations et l'entraînement de Gemini : refuser sans perdre l'historique
Questions clés sur cet article
Que sait-on sur Ce que sait faire Linger ?
Selon la description des auteurs, Linger exécute 12 modèles sur le matériel pris en charge. L'utilisateur n'est lié à aucun fournisseur unique : il peut choisir le modèle adapté à sa tâche et à sa carte graphique ou à son ordinateur portable.
Pourquoi cela peut être avantageux?
Les chiffres phares de l'annonce sont « jusqu'à 5 fois plus rapide » et 0 $ par token pour l'inférence locale. La logique est simple. Si un agent relit sans cesse des fichiers, résume de longues correspondances et enchaîne des dizaines d'appels, la facture de l'API cloud grimpe vite. Un modèle local transforme des dépenses variables en coûts fixes : vous payez le matériel une fois et ne comptez plus les tokens. Il y a aussi une raison de fond.
Que sait-on sur Limites à garder en tête ?
Les chiffres « jusqu'à 5 fois plus rapide » et « 12 modèles » proviennent de l'annonce des auteurs eux-mêmes. L'annonce ne précise pas à quoi la vitesse est comparée : une API cloud ou une autre interface locale comme Ollama. Le résultat dépend fortement du matériel : les gros modèles sur un ordinateur portable peu puissant tourneront lentement, voire ne se lanceront pas. L'absence de frais par token ne signifie pas un coût nul. Il faut de la mémoire vidéo, de l'électricité et du temps de configuration.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.