Contexte et objectif de l'IA sur appareil
Liquid AI vise à placer l'intelligence artificielle directement sur les appareils que l'utilisateur porte ou utilise quotidiennement – smartphones, wearables, ordinateurs et véhicules. L’entreprise part du principe que le bord (edge) offre une vue beaucoup plus riche du comportement de l'utilisateur que le cloud, tout en imposant des limites matérielles strictes. Cette orientation répond à la nécessité de modèles capables de fonctionner avec une capacité de calcul fixe, sans dépendre d'une infrastructure élastique.
Architecture de Liquid Context et des agent harnesses
Le cœur de la solution s’appelle Liquid Context. Optimisée pour les processeurs Snapdragon, cette couche logicielle se situe entre les modèles de machine learning, les agents d’application et le matériel. Elle collecte les signaux provenant du capteur, du réseau et du système d’exploitation pour créer une représentation contextuelle de l'utilisateur. Les agent harnesses, quant à eux, transforment les modèles en agents opérationnels capables d’interpréter ce contexte et d’exécuter des actions en temps réel. Cette séparation permet de mettre à jour indépendamment les modèles et les harnesses, tout en conservant une empreinte mémoire minimale.
Gestion du contexte et compression adaptative
Conserver l’historique des interactions sous forme d’un fichier texte croissant n’est pas viable sur des appareils aux ressources limitées. Liquid AI utilise donc ses propres modèles de compression pour sélectionner les informations les plus pertinentes et réduire la taille des données stockées. Le processus repose sur une évaluation « zero‑sum compute », où chaque cycle de calcul doit être alloué de façon optimale, sans surplus. Cette approche conteste les hypothèses classiques des harnesses cloud‑first, qui supposent une capacité de traitement quasi illimitée.
Perspectives d’évolution et collaboration automobile
Liquid AI travaille avec le groupe Mercedes‑Benz pour intégrer son IA sur‑device dans les véhicules, démontrant la transférabilité de la technologie au-delà des appareils mobiles. L’entreprise ambitionne également de créer des boucles d’observabilité et d’amélioration continue, permettant aux agents de se « self‑heal » et de se personnaliser à partir de l’usage réel. Ces boucles exploitent les retours d’expérience pour affiner à la fois le modèle de base et le mécanisme de compression, garantissant une évolution progressive sans intervention manuelle.
