2026 marque un tournant pour l’IA mobile. Liquid AI dévoile LFM2.5-230M, un modèle de 230 millions de paramètres optimisé pour les appareils. Avec 213 tokens/seconde sur un Galaxy S25 Ultra, il surpasse des modèles bien plus lourds. Une avancée majeure pour l’IA embarquée, privée et accessible.
Liquid AI : la startup qui mise sur l’IA légère
Fondée par des chercheurs du MIT, Liquid AI se spécialise dans les modèles d’IA compacts et efficaces. Leur approche repose sur des architectures neuronales liquides, inspirées des systèmes biologiques. L’objectif : rendre l’IA accessible sur des appareils grand public.
LFM2.5-230M est leur dernier né. Ce modèle open-weight permet une inférence locale, sans dépendre du cloud. Une solution idéale pour les applications mobiles et embarquées, où la confidentialité et la latence sont critiques.
LFM2.5-230M : performances et compatibilité
Ce modèle se distingue par ses performances et sa polyvalence. Voici ses caractéristiques clés :
- 230 millions de paramètres, le plus petit modèle de Liquid AI à ce jour
- 213 tokens/seconde sur un Samsung Galaxy S25 Ultra (benchmark interne)
- 42 tokens/seconde sur un MacBook Pro M3, sans optimisation matérielle spécifique
- Compatibilité avec llama.cpp, MLX, vLLM, SGLang et ONNX pour un déploiement simplifié
- Architecture LFM2 optimisée pour l’extraction de données et l’utilisation d’outils
- Open-weight : accès aux poids du modèle pour une personnalisation avancée
Ces performances ouvrent la voie à des applications mobiles plus intelligentes et réactives, sans sacrifier la vie privée des utilisateurs.
Comparaison : LFM2.5-230M face à ses concurrents
LFM2.5-230M se positionne comme une alternative crédible aux modèles plus lourds. Voici une comparaison avec d’autres modèles légers :
| Modèle | Paramètres (M) | Tokens/seconde (Galaxy S25 Ultra) | Précision (benchmark interne) |
|---|---|---|---|
| LFM2.5-230M | 230 | 213 | 89,2% |
| Qwen3.5-0.8B | 800 | 187 | 87,5% |
| Gemma 3 1B | 1000 | 156 | 88,1% |
| Phi-3-mini | 3800 | 98 | 90,3% |
Quels impacts pour les entreprises et utilisateurs français ?
Réduction des coûts et dépendance au cloud
L’inférence locale élimine les coûts liés aux API cloud et réduit la latence. Pour les entreprises françaises, cela signifie des applications plus réactives et des économies substantielles. Un atout pour les PME et startups.
Confidentialité et conformité RGPD
Le traitement des données sur appareil renforce la confidentialité. Un argument clé pour les secteurs sensibles comme la santé ou la finance. LFM2.5-230M facilite la conformité RGPD sans sacrifier les performances.
Ce qu’il faut retenir
- LFM2.5-230M est le modèle le plus compact de Liquid AI, avec 230 millions de paramètres
- Performances élevées : jusqu’à 213 tokens/seconde sur mobile, sans cloud
- Compatibilité étendue avec les frameworks populaires pour un déploiement simplifié
- Solution idéale pour les applications embarquées, privées et conformes RGPD
- Un pas de plus vers la démocratisation de l’IA locale en France et en Europe
❓ Questions fréquentes
Qu’est-ce qu’un modèle open-weight ?
Un modèle open-weight donne accès à ses paramètres (poids) pour une personnalisation avancée. Contrairement aux modèles fermés, il permet aux développeurs de l’adapter à leurs besoins spécifiques.
Pourquoi l’inférence sur appareil est-elle importante ?
Elle réduit la latence, améliore la confidentialité et élimine la dépendance au cloud. Idéal pour les applications mobiles et les secteurs sensibles comme la santé ou la finance.
Quels appareils supportent LFM2.5-230M ?
Le modèle est compatible avec les smartphones haut de gamme (Galaxy S25 Ultra), les ordinateurs portables (MacBook Pro M3) et les appareils embarqués. Sa légèreté permet une intégration large.
En résumé
LFM2.5-230M de Liquid AI redéfinit les standards de l’IA embarquée. Avec des performances élevées sur mobile et une compatibilité étendue, il répond aux enjeux de confidentialité et d’accessibilité. Une avancée technologique qui pourrait accélérer l’adoption de l’IA locale en France, notamment dans les secteurs réglementés.
📚 À lire aussi
- 2026 : NASA teste un ravitailleur spatial IA pour l’exploration lointaine
- 2026 : NASA teste un ravitailleur spatial IA pour missions lointaines
- 2026 : Polestar interdit de vendre ses voitures aux USA, l’IA en cause
- Onsemi rachète Synaptics pour 7Md$ : l’IA physique en jeu 2026
📷 Image : Richard REVEL via Pexels
Anis Flazi est le fondateur et rédacteur en chef d'IA Codex. Diplômé de la Sorbonne en systèmes d'information et de connaissances, il évolue depuis plus de 10 ans dans le marketing digital (publicité Meta, Google et TikTok, en agence, chez l'annonceur et en freelance). Cette double culture, technique et terrain, l'a conduit à adopter l'intelligence artificielle dès ses débuts : d'abord appliquée à ses campagnes, puis étendue à l'ensemble de ses projets. Il teste aujourd'hui les outils et modèles d'IA au quotidien pour décrypter, sans hype ni jargon, ce qui change vraiment pour les professionnels francophones.
Tous les articles de Anis →