Apple AFM 3 : le triomphe de l’IA embarquée… et ses renoncements

Apple vient de présenter, le 8 juin 2026, la troisième génération de ses Apple Foundation Models. La firme y déploie l’une des architectures embarquées les plus astucieuses du marché. Le même jour, elle annonce que les Européens n’y auront pas droit sur l’appareil où ils l’utiliseraient le plus, et qu’elle co-construit l’ensemble avec Google. Trois nouvelles, une seule histoire : celle d’une entreprise qui maîtrise encore brillamment la mémoire de vos appareils, mais qui a renoncé à maîtriser autre chose.

Prenons-les dans l’ordre, en commençant par ce qui mérite vraiment l’admiration.

Le mur que personne ne montre en keynote

Un grand modèle de langage, c’est d’abord un problème de mémoire avant d’être un problème de calcul. Un modèle de 7 milliards de paramètres en demi-précision réclame déjà plus de 14 Go rien que pour charger ses poids, soit davantage que la RAM de la plupart des téléphones. La méthode standard consiste à tout charger en DRAM, la mémoire vive rapide, ce qui plafonne mécaniquement la taille du modèle qu’on peut faire tourner localement.

Or un smartphone dispose de deux mémoires aux propriétés opposées. La DRAM est rapide mais rare et chère. La mémoire flash (NAND) est abondante et bon marché, mais sa bande passante vers la DRAM est lente. Tout l’art de l’IA embarquée se joue dans cette asymétrie, et c’est précisément là qu’Apple a planté son drapeau.

Le coup de génie : router par prompt, pas par token

Le modèle phare embarqué, AFM 3 Core Advanced, affiche 20 milliards de paramètres mais n’en active que 1 à 4 milliards à la fois. Jusqu’ici, rien d’inédit : c’est le principe d’une architecture parcimonieuse (sparse), un Mixture-of-Experts où seul un sous-ensemble du modèle travaille pour une requête donnée. La vraie trouvaille est ailleurs.

Plutôt que de forcer la totalité du modèle en DRAM, Apple le stocke en flash et n’y charge que les experts nécessaires. Le problème, c’est qu’un MoE classique sélectionne ses experts token par token. Sur un téléphone, c’est impossible : la bande passante NAND vers DRAM ne suit pas le rythme, on passerait son temps à attendre les transferts. La solution d’Apple consiste donc à décider du routage par prompt, et non en continu. Un bloc dense léger choisit un jeu fixe d’experts au début du traitement, puis les réactualise périodiquement pendant la génération. Pour limiter encore les mouvements de données, le modèle s’appuie sur une forte proportion d’experts partagés, toujours actifs, complétés par des experts routés, chargés en DRAM uniquement quand on en a besoin.

Le bénéfice annexe est subtil : une élasticité à l’inférence. Au lieu d’un modèle unique pour toutes les tâches ou d’une nuée de petits modèles, AFM 3 Core Advanced ajuste son nombre de paramètres actifs selon la difficulté de la requête. On charge les poids de façon incrémentale, on dépasse les limites de la DRAM, on contient la latence. C’est élégant, et c’est utile pour la batterie comme pour la chauffe.

Je le dis sans réserve : c’est de la très belle ingénierie. Mais ce n’est pas un repas gratuit, et ce n’est surtout pas une rupture spontanée.

« Novel » ? La filiation que la communication efface

Apple qualifie cette architecture de nouvelle. Le mot mérite un astérisque. En décembre 2023, huit chercheurs d’Apple publiaient « LLM in a flash: Efficient Large Language Model Inference with Limited Memory » (arXiv 2312.11514, repris ensuite à l’ICLR). Le papier posait déjà toute la mécanique : stocker les poids en flash, ne ramener en DRAM que ce qui sert, via deux techniques (le windowing, qui réutilise les neurones déjà activés pour réduire les transferts, et le row-column bundling, qui lit la flash par gros blocs contigus pour épouser ses forces séquentielles). Résultat annoncé à l’époque : faire tourner des modèles jusqu’à deux fois la taille de la DRAM disponible.

Greffez par-dessus l’Instruction-Following Pruning, une autre technique maison qui sélectionne dynamiquement les sous-réseaux pertinents, et vous obtenez très exactement ce qu’Apple présente aujourd’hui comme une innovation de rupture. Ce n’est pas un mensonge, c’est un récit. AFM 3 Core Advanced est l’aboutissement industriel d’une ligne de recherche de deux ans et demi, pas un lapin sorti d’un chapeau. La nuance compte, parce qu’elle distingue ceux qui suivent vraiment la R&D de ceux qui gobent le storytelling de keynote. Sur la même logique de compression mémoire, on retrouve d’ailleurs des approches concurrentes que j’ai déjà décortiquées, comme TurboQuant, par lequel Google divise par six la mémoire des LLM.

L’arbitrage qu’on ne vous facture pas

Router par prompt plutôt que par token n’est pas une supériorité, c’est un compromis. Un MoE qui route à chaque token maximise l’adaptativité : il peut convoquer l’expert idéal pour chaque mot généré. En figeant le jeu d’experts pour toute la durée d’un prompt (avec quelques réactualisations), Apple renonce à cette finesse. Pour un assistant conversationnel, l’impact qualité est probablement marginal. Sur du raisonnement très hétérogène à l’intérieur d’une même réponse, on laisse vraisemblablement de la performance sur la table. Autrement dit, c’est un arbitrage latence contre qualité, habillé en prouesse de gestion mémoire. Cela dit, soyons justes : sur un téléphone, cet arbitrage est probablement le bon. Apple n’optimise pas pour le sommet d’un benchmark synthétique, mais pour l’expérience perçue par l’utilisateur final, c’est-à-dire pour l’autonomie de la batterie, la dissipation thermique et la latence ressentie. Sacrifier quelques points de qualité marginale pour un assistant qui répond vite, ne fait pas fondre l’appareil et ne le vide pas en une heure, c’est une décision d’ingénieur lucide, pas une paresse. Et c’est précisément là que se révèle l’élégance du système : lorsqu’un prompt dépasse ce que le modèle embarqué traite confortablement, l’orchestration bascule sans bruit vers les modèles serveur, AFM 3 Cloud puis AFM 3 Cloud Pro, sur Private Cloud Compute. L’utilisateur ne voit rien, le téléphone reste frais, et la requête lourde part se faire traiter ailleurs. Fluide, oui. Mais retenez bien cet « ailleurs » : c’est exactement le point où la maîtrise locale cède la main à une infrastructure qu’Apple ne possède plus tout à fait, comme nous allons le voir.

Même logique pour la compression. Apple a recouru à la Quantization Aware Training pour réduire fortement la taille des modèles en préservant la précision. C’est l’état de l’art, c’est efficace, et c’est aussi un aveu : sans ces béquilles, le modèle ne tiendrait pas dans l’enveloppe thermique et mémoire d’un iPhone. La virtuosité technique mesure ici l’ampleur de la contrainte, elle ne l’abolit pas.

Le côté serveur, ou la souveraineté à géométrie variable

Voilà où l’histoire bascule. La famille AFM 3 compte cinq modèles. Deux tournent sur l’appareil. Trois tournent sur les serveurs Private Cloud Compute : AFM 3 Cloud (le cheval de trait), ADM 3 Cloud pour la génération et l’édition d’images, et AFM 3 Cloud Pro, le plus capable, dédié à l’usage agentique et au raisonnement complexe. Apple a longtemps vendu sa différence sur deux promesses : la confidentialité, et l’intégration verticale du silicium au logiciel. La première tient encore, sur le papier. La seconde vient d’être enterrée en une phrase.

Car les cinq modèles sont, selon les mots d’Apple, conçus en collaboration avec Google. Le pré-entraînement s’est fait sur les accélérateurs TPU de Google. Et surtout, AFM 3 Cloud Pro, le sommet de la gamme, tourne sur des GPU NVIDIA hébergés dans Google Cloud, Apple ayant étendu son Private Cloud Compute à cette infrastructure tierce. Relisez : le modèle le plus puissant de l’entreprise qui a fait de l’autonomie son dogme s’exécute sur le silicium d’un fournisseur (NVIDIA) et dans le cloud d’un concurrent direct (Google).

Soyons précis sur ce qui est nouveau, car le mot dépendance mérite d’être pesé. Apple s’appuie depuis toujours sur des composants tiers, et personne ne s’en émeut : les écrans viennent en partie de Samsung, les modems ont longtemps été signés Qualcomm, la mémoire et le stockage proviennent d’une poignée de fournisseurs asiatiques. La firme a bâti son génie industriel sur l’assemblage et l’orchestration autant que sur la conception pure. La rupture de 2026 n’est donc pas la sous-traitance en soi, c’est l’endroit où elle se loge. Jusqu’ici, le tiers fournissait la dalle ou la puce radio ; le cerveau, lui, le système, le silicium maison, l’intelligence, restait estampillé maison. Cette fois, c’est le cœur même du produit phare, l’IA, là précisément où Apple avait promis le plus d’indépendance et adossé tout son récit « designed by Apple in California », qui se met à dépendre d’un concurrent. Le slogan ne disait pas « assemblé », il disait « conçu ». Or sur ce qui compte le plus pour la décennie qui vient, la conception se fait désormais à deux, et l’exécution de pointe se loue ailleurs.

On reconnaît là un oxymore que j’ai déjà disséqué ailleurs : celui d’une souveraineté proclamée qui repose sur l’infrastructure d’un autre. C’était exactement la contradiction de Wero, ce système de paiement vendu comme souverain mais hébergé chez Amazon. C’est aussi le dilemme de Mistral, qui s’endette pour des datacenters tout en restant captif de NVIDIA. Apple n’échappe pas à la règle, il la confirme à une échelle spectaculaire. La parcimonie flash sur l’appareil, aussi brillante soit-elle, finit par ressembler à une feuille de vigne : on vous démontre une maîtrise totale sur les quelques milliards de paramètres actifs de votre poche, pour mieux détourner le regard des centaines de milliards qui tournent chez le voisin.

Le détail technique mérite d’être noté pour qui suit la trajectoire de l’agentique : c’est précisément le modèle confié à l’infrastructure Google qui porte les usages d’outillage autonome, ceux dont j’expliquais qu’ils font passer l’IA du RAG à l’agent. La frontière, c’est-à-dire la partie qui compte le plus pour l’avenir, est celle qu’Apple maîtrise le moins. L’innovation est dans la contrainte embarquée. La dépendance est dans la puissance.

L’Europe, ce marché qu’on regarde de loin

Reste la nouvelle qui, vue de Saint-Marcellin, pique le plus. Le jour même, Apple a dévoilé Siri AI, une refonte complète de l’assistant adossée à cette nouvelle génération de modèles. Et dans la foulée, l’entreprise a annoncé que les utilisateurs de l’Union européenne n’y auraient pas accès sur iOS 27 et iPadOS 27 lors de leur sortie, sans calendrier de rattrapage. La raison invoquée : le Digital Markets Act, dont les exigences d’interopérabilité contraindraient Apple, selon ses dires, à ouvrir son assistant à des concurrents au prix de la confidentialité et de la sécurité.

Savourez l’ironie. Apple dit en substance aux Européens : « Nous avons construit l’IA la plus respectueuse de votre vie privée jamais embarquée, mais votre loi sur la concurrence nous empêche de vous la donner. » Et pour bien enfoncer le clou, la fonction restera disponible dans l’UE sur macOS 27, visionOS 27 et watchOS 27, mais pas sur iPhone ni iPad, parce que seul iOS est désigné comme plateforme contrôleur d’accès soumise aux obligations d’interopérabilité du DMA. Pire pour notre écosystème : les développeurs établis dans l’UE ne pourront même pas tester ces fonctions Siri AI pour leurs propres applications sur iPhone et iPad.

On légifère pour l’ouverture, on récolte l’exclusion. Et on prive au passage nos propres créateurs d’outils des moyens de construire.

Faut-il pour autant absoudre Apple ? Non. Cette mise à l’écart est aussi une arme de négociation, une façon de faire payer aux utilisateurs le prix d’un bras de fer réglementaire, en espérant qu’ils se retournent contre Bruxelles plutôt que contre Cupertino. Les deux camps jouent leur partie sur le dos du consommateur européen. Mais le résultat net, lui, est sans ambiguïté : un continent où une part croissante de ce qui est montré sur scène n’arrive jamais, ou arrive amputé, ou arrive en retard. C’est la même mécanique que celle que je décrivais à propos de notre souveraineté technologique en peau de chagrin, entre SCAF et IRIS² : nous excellons à réguler un terrain de jeu sur lequel nous ne jouons plus. Et tant que l’Europe ne dispose pas de ses propres champions, c’est-à-dire tant qu’elle n’embrasse pas une IA souveraine fondée sur l’open source local, elle restera une spectatrice qui édicte les règles d’un match auquel elle n’est pas conviée.

La question mérite tout de même d’être posée, sans catastrophisme : quand une part aussi large de ce qui se montre sur scène ne franchit pas nos frontières, que reste-t-il, pour l’utilisateur européen, du sens d’une keynote mondiale ? Le risque n’est pas qu’on cesse de nous inviter, c’est qu’on cesse, peu à peu, de penser à nous en concevant les produits. L’écart ne se creuse pas par hostilité, il se creuse par habitude. Et c’est précisément contre cette habitude qu’il nous appartient, à nous, de construire une alternative plutôt que de seulement déplorer la vitrine.

Ce que l’on retient

Apple a remporté la bataille de la mémoire. AFM 3 Core Advanced est un bijou d’ingénierie embarquée, héritier assumé d’une recherche entamée en 2023, qui repousse pour de bon les limites de ce qu’un téléphone peut faire tourner localement. Saluons-le franchement, sans naïveté pour autant : c’est un compromis de physicien autant qu’un trait de génie.

Mais la firme a, dans le même mouvement, acté deux renoncements. Le renoncement à l’intégration verticale, en confiant sa frontière à Google et à NVIDIA. Et, sur notre continent, un renoncement subi, celui d’une Europe à qui l’on présente l’avenir comme on présente une vitrine : derrière une glace, sans la lui vendre. L’Apple qui sculptait le chanfrein d’un iPhone 5s comme une pièce d’orfèvrerie faisait tout, maîtrisait tout, montrait tout. Celle de 2026 fait encore des merveilles dans votre poche, mais la puissance, désormais, se loue ailleurs. Le spectacle, de plus en plus, se conçoit sans nous. Reste à savoir si nous voulons demeurer dans la salle, ou monter notre propre scène.