Faire tenir une IA de 54 Go dans votre poche : l’incroyable exploit de PrismML sur iPhone qui intéresse Apple

Le point de départ, c’est un chiffre. Qwen 3.6 27B, un modèle d’intelligence artificielle du géant chinois Alibaba, pèse 54 gigaoctets en pleine précision. La startup américaine PrismML affirme l’avoir compressé sous la barre des 4 gigaoctets, et l’avoir fait tourner directement sur un iPhone 17 Pro, sans passer par un serveur distant.

C’est l’information qu’a sortie The Information le 9 juillet 2026, en ajoutant qu’Apple serait en discussions avec la société.

Précisons d’emblée le statut de tout ça. La prouesse de compression, PrismML l’a documentée et revendiquée publiquement. Les discussions avec Apple, en revanche, ne sont pas confirmées publiquement. Le conditionnel s’impose sur cette partie.

Pour aller plus loin
Les meilleurs smartphones en juillet 2026 : notre comparatif pour ne pas vous tromper

27 milliards de paramètres dans un téléphone, comment ?

Un rappel utile avant les détails. Un modèle d’IA, c’est un empilement de paramètres, ces valeurs numériques que le modèle a apprises pendant son entraînement. Un nombre élevé de paramètres augmente les capacités supposées du modèle et sa consommation de mémoire.

Qwen 3.6 27B en compte 27 milliards, et c’est un modèle dense, ce qui veut dire que la totalité de ces paramètres est active à chaque requête. Rien à voir avec les architectures dites sparse ou MoE, qui n’activent qu’une fraction du modèle pour économiser des ressources.

C’est justement là que PrismML met en avant sa singularité. La startup garde les 27 milliards de paramètres actifs en même temps, tout en tenant dans 4 gigaoctets, et revendique des performances préservées sur les tests de référence.

Sa méthode : des architectures dites 1-bit et ternaires, où chaque poids ne prend plus qu’une valeur très simple, du type +1/-1, ou -1/0/+1. Au lieu de stocker des nombres à virgule gourmands en mémoire, on se contente de valeurs minimalistes. PrismML annonce une réduction de mémoire jusqu’à 14 fois et une inférence jusqu’à 8 fois plus rapide.

À retenir : ce n’est pas PrismML qui a inventé le 1-bit. Microsoft Research avait ouvert la voie avec BitNet, dont la première version open source est sortie en avril 2025. L’apport revendiqué par la startup, c’est la théorie mathématique, développée à Caltech, qui permettrait de passer à l’échelle sur de gros modèles sans effondrement du raisonnement.

Un modèle de 27 milliards de paramètres qui reste cohérent une fois écrasé à ce point, ce serait effectivement une première utilisable, même si on a récemment vu que des progrès étaient encore possibles, notamment avec la méthode TurboQuant de Google pour compresser les modèles.

D’où sort PrismML, et peut-on lui faire confiance ?

La société est une spin-off de Caltech basée à Pasadena, en Californie, sortie de l’ombre le 31 mars 2026. Elle est dirigée par Babak Hassibi, professeur d’ingénierie électrique et de mathématiques computationnelles à Caltech, entouré de plusieurs docteurs issus du même institut. Côté financement, elle a levé 16,25 millions de dollars, soit environ 14 millions d’euros, auprès de Khosla Ventures et de Cerberus Ventures, avec des crédits de calcul fournis par Google. C’est d’ailleurs sur les puces TPU de Google que ses modèles ont été entraînés.

PrismML n’est pas une inconnue qui débarque avec une promesse en l’air. Dès son lancement, elle a publié Bonsai, présenté comme les premiers modèles 1-bit commercialement viables. Bonsai 8B, un modèle de 8,2 milliards de paramètres, tient dans 1,15 gigaoctet et tourne autour de 44 tokens par seconde sur un iPhone 17 Pro Max.

Le tout est disponible sous licence Apache 2.0 sur Hugging Face, donc vérifiable par n’importe qui. En mai 2026, la société a enchaîné avec Bonsai Image, un modèle de génération d’images compressé de la même façon.

Un historique qui donne du crédit à l’annonce du jour. Reste que le sujet mérite d’être pris avec des pincettes sur deux points précis.

Pour aller plus loin
Quel est le meilleur moment pour acheter un nouvel iPhone ?

Premier point à nuancer : le fameux « sans perte de performance ». Sur Bonsai 8B, les propres tests de PrismML donnaient un score moyen de 70,5 sur six benchmarks, contre 79,3 pour la version pleine précision de Qwen 3 8B. Compétitif avec des modèles comme Llama 3.1 8B, oui. Identique à la pleine précision, non.

Pour le Qwen 27B compressé, aucun test indépendant n’a été publié à ce stade, et la vitesse d’inférence sur iPhone reste inconnue. Les fameux 44 tokens par seconde concernent le petit modèle 8B, qui compte bien moins que 27 milliards de paramètres.

Pourquoi Apple regarderait dans cette direction

Là, on touche au cœur de l’intérêt. Apple mise gros sur l’IA embarquée, celle qui tourne dans l’appareil plutôt que dans le cloud, pour des raisons de confidentialité et de réactivité. À la WWDC du 8 juin 2026, la firme a présenté AFM 3 Core Advanced, son plus gros modèle jamais mis sur iPhone, avec 20 milliards de paramètres. Mais ce modèle est sparse : il n’active que 1 à 4 milliards de paramètres à la fois, contrairement au Qwen 27B dense de PrismML qui les garde tous actifs.

Pour y arriver, Apple a sorti une astuce d’ingénierie consistant à loger le modèle dans la mémoire flash. Mais ce modèle reste réservé aux appareils dotés de 12 Go de RAM, comme l’iPhone 17 Pro, et laisse de côté l’iPhone 17 standard et ses 8 Go.

Un Qwen 27B dense casé dans 4 gigaoctets changerait l’équation : un modèle plus gros que celui d’Apple, mais bien plus léger, donc potentiellement accessible à des appareils moins bien dotés.

Cet AFM 3 n’est d’ailleurs que l’une des cinq briques qui composent Apple Intelligence, entre modèles locaux et modèles hébergés dans le cloud. Ironie de la situation, le modèle le plus puissant d’Apple tourne aujourd’hui sur du matériel Nvidia hébergé chez Google, ce qui montre bien à quel point l’efficience sur l’appareil reste un chantier ouvert.

Une IA tierce pour iOS 27 ?

Deuxième pièce du puzzle : iOS 27. Apple prévoit d’ouvrir Apple Intelligence à des modèles tiers, via un système baptisé « Extensions », ce qui accompagne le passage de Siri à une version enfin dopée à l’IA. Un modèle compressé façon PrismML y aurait toute sa place.

Et comme Apple conçoit ses propres puces, elle pourrait aller plus loin en dessinant du silicium taillé pour l’inférence 1-bit. Le matériel actuel n’est pas fait pour ça, les gains viennent surtout de la réduction de mémoire, mais une puce dédiée pourrait ajouter un ordre de grandeur. C’est sans doute ce qui motive l’intérêt d’Apple.

Cette approche s’inscrit dans un courant plus large. Pendant que Meta, Microsoft et Amazon engloutissent des centaines de milliards dans les datacenters, la thèse de PrismML et de son investisseur Khosla Ventures est que l’avenir se jouera sur l’intelligence par unité d’énergie et de coût.

Vinod Khosla l’a résumé lors du lancement : « L‘avenir de l’IA ne se jouera pas sur la capacité à construire les plus grands datacenters. Il se définira par qui peut fournir le plus d’intelligence par unité d’énergie et de coût ». DeepSeek avait déjà montré en 2025 qu’on pouvait faire mieux avec moins. Le 1-bit serait l’étape suivante de cette logique.

Prudence, donc. La compression de PrismML est réelle et documentée, son historique inspire confiance, mais les performances exactes du modèle 27B compressé et sa vitesse sur iPhone restent à démontrer par des tests indépendants.

Quant à l’intérêt d’Apple, il tient pour l’instant à un seul média, sans confirmation officielle. Pour tester la bête vous-même en attendant, sachez que LM Studio permet déjà de faire tourner de gros modèles localement sur votre matériel.