Contexte et vision

Lors de TechCrunch Disrupt 2026, Andrew Feldman, co‑fondateur et CEO de Cerebras Systems, a déclaré que la généralisation d’un assistant IA personnel à domicile n’était « pas très loin ». Il s’appuie sur l’émergence d’agents consommateurs comme Meta Muse et Instinct, cette dernière startup étant évaluée à 10 milliards de dollars. Ces références illustrent la transition d’une IA purement cloud vers des interactions quotidiennes, un point de bascule que Feldman estime imminent.

Architecture hybride proposée

Feldman décrit le futur appareil comme un hybrid : une partie du traitement s’exécuterait sur le dispositif, l’autre serait déléguée au cloud, à l’image d’un smartphone. Cette approche repose sur les puces spécialisées de Cerebras, conçues pour accélérer les modèles de grande taille tout en conservant une faible latence locale. Aucun chiffre de performance n’est fourni, mais le modèle suggère que la bande passante entre le dispositif et le cloud devra supporter des flux de données en temps réel, condition indispensable pour des réponses conversationnelles fluides.

Enjeux de sécurité et de confidentialité

Feldman insiste sur la mise en place d’un « périmètre de sécurité » autour de l’assistant, incluant l’accès aux cartes de crédit et la capacité d’effectuer des achats. Cette affirmation implique la nécessité de mécanismes d’authentification forte, de chiffrement des données en transit et au repos, ainsi que de contrôles d’accès granulaire. L’absence de détails techniques sur la gestion des clés ou les protocoles d’isolation suggère que la viabilité de ces fonctions dépendra de standards de sécurité encore en cours de définition.

Perspectives d'adoption et limites

Feldman utilise personnellement « une collection d’agents » pour gérer son agenda et récupérer des informations sur ses interlocuteurs, démontrant une utilisation concrète de l’IA dans la productivité. Cependant, il reconnaît que le rôle du fabricant de puces se limite à fournir l’infrastructure, laissant aux développeurs la création d’applications utiles. L’absence de données sur la consommation énergétique, le coût du matériel ou la compatibilité avec les écosystèmes existants constitue une incertitude majeure pour une adoption à grande échelle. Sans ces indicateurs, il reste difficile d’évaluer le seuil de rentabilité pour les ménages.