Liquid AI lance un système pour exécuter des agents IA entièrement sur l'appareil

L'idée d'exécuter de puissants modèles de langage directement sur son ordinateur, sans cloud et sans qu'un seul octet de données parte vers des serveurs tiers, est longtemps restée séduisante mais difficile à atteindre. Liquid AI semble avoir franchi une étape sérieuse pour en faire un outil de travail. L'entreprise a dévoilé le modèle LFM2-24B-A2B et l'application de bureau LocalCowork, un système entièrement local pour exécuter des workflows agentiques de niveau entreprise.

Pour mesurer la portée de cette publication, un rappel du contexte s'impose. Liquid AI est une startup fondée par des anciens du MIT, qui a choisi dès le départ une voie non conventionnelle. Plutôt que de faire grossir des architectures Transformer dans le sillage d'OpenAI et de Google, l'équipe s'est concentrée sur les Liquid Foundation Models, des architectures inspirées des systèmes dynamiques et des neurosciences.

Ses modèles sont compacts et efficaces tout en gardant une haute qualité de génération. La mention « 24B-A2B » dans le nom du nouveau modèle indique 24 milliards de paramètres, dont seule une partie est activée. L'approche rappelle le Mixture of Experts et permet d'obtenir les performances d'un grand modèle pour un coût de calcul nettement inférieur.

L'idée d'ingénierie centrale de LocalCowork est que toute la chaîne d'interaction agentique, de la réception de la tâche à l'appel des outils puis au renvoi du résultat, se déroule sur l'appareil de l'utilisateur. La coordination entre le modèle et les outils externes repose sur le Model Context Protocol, un standard ouvert initialement proposé par Anthropic pour l'interaction structurée entre modèles de langage et environnements logiciels. MCP permet au modèle de « comprendre » de quels outils il dispose, de formuler des appels corrects et de traiter les résultats, le tout sans passer par des API cloud. En pratique, c'est un orchestrateur local qui transforme un modèle de langage, simple générateur de texte, en véritable agent numérique.

Sur le plan technique, l'architecture est optimisée pour une latence minimale lors de la répartition des outils. C'est crucial à l'usage : si l'agent passe plusieurs secondes sur chaque appel de fonction, les processus complexes en plusieurs étapes deviennent insupportablement lents. Liquid AI affirme que LFM2-24B-A2B est spécialement réglé pour décider rapidement quel outil appeler et avec quels paramètres, une tâche qui demande moins d'étendue de connaissances que de précision et de vitesse de raisonnement. LocalCowork est disponible en accès libre via le dépôt Liquid4All sur GitHub, ce qui permet aux développeurs d'étudier l'architecture, de l'adapter à leurs besoins et de l'intégrer aux systèmes d'entreprise existants.

Pour qui est-ce vraiment important ? Avant tout pour les organisations qui manipulent des données sensibles : établissements financiers, structures de santé, cabinets d'avocats, administrations. Jusqu'ici, elles faisaient face à un choix désagréable : recourir à de puissants modèles cloud et accepter que des données confidentielles quittent le périmètre de l'organisation, ou se contenter de solutions locales rudimentaires. LocalCowork propose une troisième voie : une fonctionnalité agentique complète sans compromis sur la confidentialité. L'absence d'appels d'API signifie non seulement la protection des données, mais aussi l'indépendance vis-à-vis des services externes : le système fonctionne même sans connexion internet.

Cette publication s'inscrit dans une tendance plus large qui prend de l'ampleur dans l'industrie. Après plusieurs années de domination sans partage du cloud, le balancier commence à repartir en sens inverse. Apple Intelligence fonctionne surtout sur l'appareil. Qualcomm et Intel investissent des milliards dans les NPU pour l'inférence locale. Microsoft promeut le concept de Copilot Plus PC. Mais la plupart de ces solutions se limitent à des tâches simples : résumé, saisie semi-automatique, classification de base. Liquid AI vise plus haut : des workflows agentiques complets avec appel d'outils, planification en plusieurs étapes et gestion du contexte, le tout en local.

Des questions demeurent, bien sûr. Avec quelle aisance un modèle de 24 milliards de paramètres, même à activation parcimonieuse, tournera-t-il sur un ordinateur portable d'entreprise typique ? Quels workflows parvient-on à automatiser avec une qualité acceptable ? Comment le système gère-t-il de longues chaînes de dizaines d'appels d'outils ? La pratique répondra à ces questions, mais le simple fait qu'une telle solution soit disponible en accès libre change les termes du débat. La question n'est plus de savoir si une IA privée de niveau entreprise est possible sur l'appareil, mais à quelle vitesse elle deviendra la norme.