iaLocale
iaLocale — Semaine 1 : actus, articles et nouveaux termes
|
|
Voici la semaine d’iaLocale : les nouvelles sélectionnées, les articles publiés et les nouveaux termes du glossaire.
|
Articles de la semaine |
En vedette
Modèles d'images en local : de SDXL à Qwen-Image
Modelli di immagini in locale: da SDXL a Qwen Image Generare immagini senza passare da una nube è ormai alla portata di una scheda video da casa. In tre anni si è passati da SD 1.5, che girava anche su 6GB di VRAM, a Qwen Image 2.1, che produce e modifica immagini fino a 2048x2048 in locale. In questo articolo capiamo come funzionano questi modelli, quanti GB di VRAM servono davvero e quale scegliere in base al tuo hardware. Perché generare immagini in locale I motivi pratici sono quattro. Primo, i costi: una volta installato, un modello di immagini non richiede abbonamenti né crediti, e puoi generare quante immagini vuoi senza contatori. Secondo, la disponibilità: la generazione funziona…
|
En vedette
Ollama vs llama.cpp : sous le capot
Se ti sei mai chiesto come fa un modello linguistico a girare davvero sul tuo computer, la risposta passa quasi sempre da un unico motore: llama.cpp. E la maggior parte di chi usa Ollama non lo sa nemmeno, perché Ollama usa proprio llama.cpp sotto il cofano. Ma i due strumenti non sono la stessa cosa. Uno è il motore, l'altro è l'auto: motore potente da montare, ma l'auto ti mette pure le ruote, il cruscotto e il cambio automatico. In questo articolo apriamo il cofano. Vediamo cosa c'è sotto, quando la differenza conta davvero e come scegliere con la testa, senza slogan. Cos'è llama.cpp llama.cpp è un motore di inferenza scritto in C/C++: esegue i modelli linguistici sul tuo hardware — CPU,…
| |
Coûts : local vs API, avec les vrais chiffres
Combien coûte vraiment le local par rapport à une API cloud ? Tarifs par token vérifiés, amortissement de la carte graphique, électricité et point de rentabilité, calculé avec les vrais chiffres.
| |
La voix locale : de Whisper au text-to-speech
Comment construire un pipeline de voix entièrement local : transcription avec Whisper, synthèse avec Piper ou Kokoro-82M, exigences matérielles et cas d'usage concrets.
| |
L'italien dans les modèles locaux : à quoi s'attendre
Combien de modèles locaux tiennent vraiment l'italien ? Les chiffres des éditeurs, où ils se trompent, et la méthode en une demi-heure pour les mesurer vous-même.
| |
Confidentialité : ce qui circule vraiment sur le réseau quand l'IA est locale
Vos données ne quittent pas la machine — presque. Voici ce qui part vraiment sur le réseau avec Ollama et LM Studio, et comment le vérifier en une demi-heure avec tcpdump, Wireshark et mitmproxy.
|
Les 5 nouvelles les plus importantes |
|
1.
Recherche Hugging Face : les agents utilisent rarement leurs propres jugements sur l'évidence pour décider d'arrêter
Une étude sur des agents équipés d'outils, dans un environnement de récupération avec des pannes de sources contrôlées : quand l'outil renvoie des résultats inutiles, l'agent le juge comme tel, mais transforme rarement ce jugement en décision d'arrêt. Le contraste entre s'arrêter après de longues et courtes séries de résultats jugés inutiles est nul pour un arrêt piloté par l'horloge — il mesure l'écart qui sépare les modèles actuels.
| |
2.
GUI-HARVEST : des agents GUI qui s'améliorent seuls en faisant évoluer leur propre harness
Le harnais exécutable autour d'un modèle GUI — comment les observations sont assemblées, les actions exécutées, la vérification, la récupération et la terminaison contrôlées — détermine une grande partie du comportement de l'agent. GUI-HARVEST l'optimise automatiquement à partir des preuves des exécutions, en gérant la réconciliation entre l'intention du modèle et l'effet observé et le diagnostic des pannes sous exécution variable.
| |
3.
Attacca : pilotage orienté objectif pour agents incarnés sur long horizon
Les politiques visuelles pour agents incarnés sont presque toujours évaluées sur des interactions isolées, avec la cible déjà visible. Attacca aborde le cas réel : des séquences de tâches interdépendantes en exécution continue, où chaque tâche démarre de l'état laissé par la précédente et la cible n'est pas nécessairement en scène. Un pas vers des agents qui accomplissent des objectifs complexes en une seule session ininterrompue.
| |
4.
LTX-2.5 : vidéo et audio synchronisés en local, 22B de paramètres et multishot natif
Lightricks publie LTX-2.5, en poids ouverts : génération vidéo avec audio synchronisé à partir de texte, d'image ou de vidéo, avec multishot natif qui préserve l'identité et le style entre les scènes, un nouveau décodeur vidéo par diffusion à la place de l'étape VAE et un encodeur de texte Gemma 4 12B. Les poids sont pensés pour l'exécution et l'ajustement fin sur votre propre infrastructure.
| |
5.
Moose : l'app GNOME pour l'IA locale tourne sur Ollama
Moose est une nouvelle app native GTK4/libadwaita pour GNOME, écrite en Rust et sous licence GPLv3, qui permet de discuter avec des modèles locaux via Ollama : elle gère l'installation d'Ollama, la gestion des modèles et le chargement de documents et d'images locaux. Elle est sur Flathub, le code est sur GitHub, et elle a été annoncée sur This Week in GNOME.
|
|
Il y en a eu 14 cette semaine : lire toutes les nouvelles. Lire toutes les nouvelles
|
|
iaLocale — le site suisse sur l’IA locale
L’intelligence artificielle locale, en français.
ialocale.ch
Gérer mon abonnement · Se désabonner de la newsletter
Vous recevez cet e-mail parce que vous êtes abonné à la newsletter d’iaLocale. Vous pouvez modifier vos préférences depuis le panneau de gestion de votre abonnement.
|
|
