Vitalik Buterin fait tourner une IA sur son propre ordinateur : voici pourquoi

Le cofondateur d’Ethereum, Vitalik Buterin, imagine un avenir où de nombreuses tâches d’IA pourront être réalisées directement sur un ordinateur portable. Il a testé le modèle Qwen3.8-Flash-Next d’Alibaba sur sa propre machine, sans recourir à des serveurs externes.

L’expérience peut sembler très technique, mais l’idée est simple : exécuter l’IA en local permet d’éviter d’envoyer ses requêtes et ses données à des entreprises comme OpenAI, Google ou Anthropic.

De plus en plus de tâches d’IA peuvent être exécutées en local

Pour son test, Buterin a utilisé un ordinateur portable puissant, équipé d’une puce AMD Strix Halo et d’une importante quantité de mémoire. Cette configuration lui a permis de faire tourner un grand modèle d’IA qui, jusqu’à récemment, relevait surtout de serveurs très performants.

Selon lui, les performances sont désormais suffisantes pour de nombreuses utilisations courantes. Le système ne ralentit sensiblement que sur des requêtes très longues ou de volumineux documents. Buterin n’a pas caché son enthousiasme face aux progrès réalisés :

« Qwen 3.8 Flash est vraiment impressionnant, et llama.cpp progresse à une vitesse remarquable dans sa capacité à le traiter. »

Cette évolution est importante, car les modèles d’IA deviennent à la fois plus compacts et plus efficaces. Il devient donc de plus en plus réaliste d’imaginer des utilisateurs moins dépendants des grands acteurs du cloud pour les tâches d’IA ordinaires.

Pour Buterin, la confidentialité est le principal avantage

Pour Buterin, l’enjeu ne se limite pas à la vitesse. Il met surtout en avant les gains en matière de confidentialité. Lorsqu’un modèle d’IA fonctionne entièrement sur un ordinateur portable, les questions, documents et données personnelles restent sur l’appareil. Ils n’ont donc pas besoin d’être envoyés au préalable vers un serveur externe.

Pour les tâches plus complexes, Buterin envisage une solution intermédiaire. Un modèle d’IA local pourrait d’abord supprimer les informations sensibles, puis transmettre uniquement la partie nécessaire d’une requête à un modèle externe plus puissant.

« Utilisez votre modèle local pour structurer les requêtes adressées à des modèles plus puissants, afin d’éviter toute fuite d’informations personnelles. »

On peut imaginer, par exemple, la suppression automatique de noms, d’adresses de portefeuille crypto ou de code source confidentiel avant l’envoi d’informations à un service d’IA externe. Cela ne garantit pas totalement qu’aucune donnée sensible ne fuitera jamais, mais peut limiter la quantité d’informations personnelles quittant l’appareil.

Le test de Buterin illustre surtout la rapidité avec laquelle l’IA locale progresse. Remplacer entièrement ChatGPT n’est pas encore d’actualité, mais un nombre croissant de tâches d’IA quotidiennes pourraient bientôt ne plus avoir à passer par le cloud.