Vitalik Buterin teste l’IA locale sur un ordinateur portable équipé d’une puce AMD
Buterin considère l’IA locale comme une option pratique pour les tâches sensibles liées aux wallets et au code, notamment grâce à Strix Halo d’AMD et à sa grande mémoire partagée.
À retenir
- Vitalik Buterin a testé Qwen3.8-Flash-Next d’Alibaba sur son ordinateur portable équipé d’AMD Strix Halo et a jugé l’IA locale déjà utilisable pour des tâches quotidiennes.
- La puce Strix Halo rend davantage de mémoire disponible pour les modèles d’IA, ce qui permet à des modèles plus lourds de fonctionner sur un seul ordinateur portable sans serveur cloud.
- Buterin souligne l’avantage de confidentialité de l’IA locale, en particulier pour des informations sensibles comme les adresses de wallet, le code privé et les noms.
Le cofondateur d’Ethereum Vitalik Buterin affirme que l’IA locale peut désormais prendre en charge une grande partie des tâches quotidiennes. Il a fait tourner Qwen3.8-Flash-Next d’Alibaba sur son propre ordinateur portable et a partagé des résultats de vitesse qui, selon lui, montrent que ce type de modèles devient de plus en plus utile sans serveur cloud.
L’IA locale devient plus pratique
Le test de Buterin a été réalisé sur un ordinateur portable équipé de la puce Strix Halo d’AMD. Cette puce combine le processeur et la puissance de calcul graphique sur une seule puce de silicium et permet aux deux parties d’utiliser une même mémoire partagée. C’est important, car un modèle d’IA doit d’abord tenir en mémoire avant de pouvoir fonctionner.
Selon la description du test, c’est précisément là que de nombreux ordinateurs portables classiques montrent encore leurs limites. Une carte graphique séparée dispose souvent de 8 à 24 gigaoctets de mémoire, tandis que les machines Strix Halo peuvent offrir jusqu’à 128 gigaoctets utilisables par les deux parties de la puce. Un modèle qui nécessitait auparavant du matériel serveur peut ainsi désormais fonctionner sur un seul ordinateur portable.
La demande croissante en puissance de calcul montre pourquoi de tels systèmes locaux deviennent particulièrement intéressants : les entreprises cherchent toujours massivement des moyens de financer et d’étendre l’infrastructure d’IA. Le test de Buterin montre au contraire qu’une partie de cette charge de calcul pourrait se rapprocher de l’utilisateur.
La vitesse semblait, selon Buterin, suffisante pour un usage normal. Les requêtes courtes obtenaient des réponses rapides, tandis que les documents très longs étaient sensiblement plus lents. Cela montre que l’IA locale a déjà beaucoup progressé, mais qu’elle ne fonctionne pas encore aussi fluidement partout.
La confidentialité prend plus d’importance
Buterin voit surtout un avantage en matière de confidentialité, en plus de la vitesse. Un modèle local traite la requête directement sur l’appareil, ce qui évite à un fournisseur de recevoir le prompt. Pour les utilisateurs qui partagent des informations sensibles, cela peut faire une grande différence.
Il décrit aussi une approche hybride. Un modèle local peut d’abord extraire les détails sensibles d’une requête, comme des noms, des adresses de wallet ou du code privé, puis transmettre uniquement la question restante à un plus grand modèle hébergé. Cela permettrait de limiter la quantité de données qui quittent l’appareil, même si cela n’offre aucune garantie absolue qu’aucune information sensible ne s’échappe.
Cette insistance sur la confidentialité s’inscrit dans une tendance plus large de l’IA. Les modèles locaux gagnent du terrain parce qu’ils traitent les données entièrement sur l’appareil, sans transfert vers des serveurs externes. Dans le même temps, des entreprises comme Nvidia et Palantir montrent que la confidentialité et la gestion des données pèsent de plus en plus dans l’utilisation des modèles d’IA avancés.
Pourquoi cela concerne la crypto
Pour les utilisateurs de crypto, c’est pertinent parce que de nombreuses tâches quotidiennes liées aux wallets, au code et aux données personnelles sont justement sensibles. Une configuration d’IA locale peut être attrayante dans ce type de cas, car moins d’informations doivent sortir de l’appareil. Buterin relie aussi cela à ses préoccupations antérieures concernant la surveillance et la collecte de données, un thème qui existe depuis longtemps dans le monde de la crypto.
La question plus large n’est pas seulement de savoir à quel point l’IA devient intelligente, mais aussi où cette puissance de calcul s’exécute. Si de plus en plus de tâches standard peuvent être traitées localement, une partie du contrôle se déplace des plateformes cloud vers l’utilisateur lui-même.
