Un vétéran de DeepSeek publie le code de Linger : un agent IA local dont les modèles répondent jusqu'à 5 fois plus vite
Linger est un agent IA open source qui fonctionne sur votre ordinateur, et non dans le cloud facturé à chaque token. Son équipe est celle d'un des premiers contributeurs clés de DeepSeek, selon l'auteur de la critique. Il suffit de demander au assistant principal « appelle un développeur front-end et un QA indépendant » : le résultat n'arrive qu'après vérification et corrections. Le moteur PolyStrata fait tourner localement 12 modèles ouverts et, dans des configurations particulières, accélère les réponses jusqu'à 5 fois. Vérifiez ce chiffre sur votre propre matériel.
Traité par IA depuis X: @gkxspace ; édité par Hamidun News
Linger est un agent IA open source qui vit sur votre propre ordinateur, et non dans le centre de données de quelqu'un d'autre. Habituellement, c'est l'inverse : le modèle tourne sur des serveurs, vous payez chaque token (un morceau de texte que le modèle lit ou écrit), et vos fichiers partent dans le cloud. L'équipe SimplexAI Labs propose avec Linger un autre schéma : un espace de travail à plusieurs agents, lancé localement.
Selon l'auteur de la critique sur X, le projet est mené par l'un des tout premiers contributeurs clés de DeepSeek. Avec l'agent, l'équipe a aussi publié le moteur PolyStrata, qui fait tourner les modèles sur votre machine. Dans le titre, « jusqu'à 5 fois » désigne uniquement la vitesse de réponse des modèles locaux dans des configurations choisies avec soin, et non un gain global de qualité.
Une précision sur la source. Il ne s'agit pas d'un communiqué officiel mais d'une critique enthousiaste d'un utilisateur qui dit avoir testé Linger pendant plusieurs jours. Nous n'avons pas vérifié de manière indépendante la biographie du responsable du projet. Les chiffres de vitesse sont attribués par les auteurs à des « configurations particulières » : il s'agit donc d'un maximum, et non d'une moyenne.
Les développeurs expliquent leur idée par une comparaison historique : dans les années 1960, le calcul était centralisé, jusqu'à ce que l'ordinateur personnel rende la puissance à chacun. Aujourd'hui, l'IA s'entraîne dans des centres de données et se « loue » au token. Linger tente de reproduire ce mouvement avec le PC.
Une équipe d'agents plutôt qu'un seul chat
La partie la plus pratique tient aux plusieurs agents réunis dans une même « pièce ». Vous écrivez à l'assistant principal une phrase ordinaire : ajoute un développeur front-end et un QA indépendant, rédige un fichier team.md, et ne me rends le résultat qu'après que le QA a trouvé les faiblesses et que le développeur les a corrigées.
Le fichier team.md fonctionne comme le règlement d'une petite équipe : il précise qui est responsable de quoi et à qui le travail est transmis. C'est proche d'une revue de code classique. L'auteur ne vérifie pas son propre travail, un second participant cherche précisément ce qui casse. Pour un développeur, le schéma est familier, à ceci près que les exécutants sont des modèles. L'enjeu est que l'agent qui vérifie n'approuve pas la première réponse par politesse.
Tâches en arrière-plan et choix du modèle
Le deuxième scénario concerne les « jumeaux » en arrière-plan. Les tâches longues, par exemple un découpage plan par plan pour une vidéo ou l'analyse d'un large lot de documents, peuvent être envoyées dans un Task séparé. Pendant son exécution, vous pouvez demander dans la fenêtre principale à quelle étape on en est et qui relancer ensuite. Une fois la tâche terminée, le document prêt apparaît dans le chat avec un aperçu. Les opérations longues ne bloquent pas la conversation.
Troisième point : la souplesse sur les modèles. Linger sait connecter des abonnements Codex et Claude, c'est-à-dire utiliser des modèles cloud déjà payés comme « cerveau » des agents. Il prend également en charge l'exécution locale des modèles, assurée par PolyStrata. Le support annoncé concerne 12 modèles ouverts, parmi lesquels Qwen, DeepSeek et Gemma. Dans les meilleures configurations, les réponses arrivent jusqu'à 5 fois plus vite. Quels modèles exacts, quel matériel et quels modes se cachent derrière ce chiffre, le message ne le dit pas. Il faudra comparer avec llama.cpp et d'autres moteurs sur votre propre ordinateur.
Que faire concrètement
Pour les développeurs et les product managers, Linger présente trois intérêts. D'abord, c'est un espace de travail prêt à l'emploi et non un ensemble de bibliothèques : le travail multi-rôle, les tâches en arrière-plan et l'aperçu des résultats sont déjà assemblés. Ensuite, le schéma hybride permet de garder les tâches sensibles sur un modèle local et de confier les plus complexes aux abonnements cloud. Enfin, le code étant ouvert, on peut le lire, le vérifier et l'adapter à son équipe.
Les limites existent aussi. Sur un ordinateur portable ordinaire, les modèles locaux restent pour l'instant moins bons que les modèles cloud haut de gamme. Plusieurs agents dans une même pièce consomment plus de ressources qu'un seul. Les « jusqu'à 5 fois » annoncés doivent être reproduits sur votre matériel avant de bâtir des plans dessus. Le projet étant récent, il est trop tôt pour juger de sa stabilité, de la sécurité de l'accès des agents aux fichiers et de la qualité de la documentation.
Si vous vouliez depuis longtemps monter une équipe d'agents personnelle sans louer les serveurs de quelqu'un d'autre, installez Linger sur un projet de test. Commencez par un binôme simple « exécutant et QA indépendant » et voyez concrètement si le résultat s'améliore. Ne transférez les tâches de production qu'une fois l'effet constaté et la vitesse mesurée sur votre propre ordinateur.
- 22 nov. 2026Linger lance un agent IA sur Mac avec 16 Go sans frais de tokens et promet un gain de vitesse ×5
- 22 nov. 2026Une subvention de Yandex finance un moteur LLM : un modèle de 35B sur RTX 2080 Ti est trois fois plus rapide que llama.cpp
- 22 nov. 2026Test juridique de 15 LLM : deux IA-juges favorisent leurs propres modèles, avec un écart de 0,04 point sur 1
- 22 nov. 2026Les agents écrivent du code fonctionnel dans 95 % des tâches, mais laissent une faille dans la plupart d'entre elles
Questions clés sur cet article
Que sait-on sur Une équipe d'agents plutôt qu'un seul chat ?
La partie la plus pratique tient aux plusieurs agents réunis dans une même « pièce ». Vous écrivez à l'assistant principal une phrase ordinaire : ajoute un développeur front-end et un QA indépendant, rédige un fichier team.md, et ne me rends le résultat qu'après que le QA a trouvé les faiblesses et que le développeur les a corrigées. Le fichier team.md fonctionne comme le règlement d'une petite équipe : il précise qui est responsable de quoi et à qui le travail est transmis.
Que sait-on sur Tâches en arrière-plan et choix du modèle ?
Le deuxième scénario concerne les « jumeaux » en arrière-plan. Les tâches longues, par exemple un découpage plan par plan pour une vidéo ou l'analyse d'un large lot de documents, peuvent être envoyées dans un Task séparé. Pendant son exécution, vous pouvez demander dans la fenêtre principale à quelle étape on en est et qui relancer ensuite. Une fois la tâche terminée, le document prêt apparaît dans le chat avec un aperçu. Les opérations longues ne bloquent pas la conversation.
Que sait-on sur Que faire concrètement ?
Pour les développeurs et les product managers, Linger présente trois intérêts. D'abord, c'est un espace de travail prêt à l'emploi et non un ensemble de bibliothèques : le travail multi-rôle, les tâches en arrière-plan et l'aperçu des résultats sont déjà assemblés. Ensuite, le schéma hybride permet de garder les tâches sensibles sur un modèle local et de confier les plus complexes aux abonnements cloud. Enfin, le code étant ouvert, on peut le lire, le vérifier et l'adapter à son équipe. Les limites existent aussi.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
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.