Présentation d'Underdog
Underdog, développé par le jeune fondateur Sigil Wen sous l’égide de Conway Research, est proposé en version bêta sur invitation uniquement. L’application se distingue par son exécution entièrement locale : les données de l’utilisateur restent sur les machines qu’il possède déjà, aujourd’hui les ordinateurs Mac et Windows, avec des versions Linux, iPhone et Android prévues prochainement.
Architecture et moteur Husky
Le cœur d’Underdog repose sur Husky, un moteur d’inférence conçu par Wen pour exploiter au maximum le matériel de l’appareil. Selon le créateur, Husky minimise les transferts de données entre le processeur central (CPU) et le processeur graphique (GPU) par rapport aux moteurs concurrents, ce qui réduit la latence et la consommation d’énergie liée aux accès mémoire. Cette optimisation repose sur une planification fine des opérations de tenseur, où les poids du modèle sont chargés en blocs contigus afin d’éviter les copies répétées entre les mémoires système et vidéo.
Modèle de langage et performances
Underdog utilise un modèle de raisonnement de 27 milliards de paramètres, dérivé de Qwen3.8‑27B et affiné spécifiquement pour les tâches d’assistant personnel. Bien que ce nombre soit inférieur aux modèles de pointe hébergés dans les data‑centers (qui dépassent souvent les 100 milliards de paramètres), le développeur affirme que les performances de ce modèle se rapprochent de celles de Claude Opus 4.6 sur certains benchmarks publiés il y a six mois. Le compromis principal réside dans la capacité du modèle à gérer des requêtes courantes – recherches d’achat, résolutions de problèmes mathématiques – tout en restant exécutable sur le GPU d’un ordinateur grand public.
Modèle économique et implications de la confidentialité
Underdog adopte un modèle économique atypique : l’application est gratuite et ne comporte aucune publicité. Au lieu d’un abonnement, la startup prélève une petite fraction des transactions financières initiées par l’assistant via les rails de paiement sécurisés de Stripe, à la manière d’une commission d’interchange. Cette approche élimine le besoin de monétiser les données utilisateur, ce qui contraste fortement avec les pratiques des grands acteurs d’assistants IA qui collectent et vendent des informations personnelles. En outre, Underdog chiffre les clés d’accès aux comptes e‑mail et autres services que l’utilisateur autorise, renforçant la barrière contre les fuites de données. Le modèle repose sur des coûts d’inférence très faibles, car le calcul s’effectue localement, ce qui justifie l’absence de frais récurrents pour l’utilisateur.
