Liquid AI ouvre deux modèles qui ne rédigent rien : ils rendent une décision en un seul passage, sans générer de texte. Le pari vise les appareils à faible puissance, là où un assistant classique serait trop lent et trop gourmand.
Les modèles de décision open d1 de Liquid AI
Le 7 octobre, Liquid AI a mis en ligne deux modèles à poids ouverts. Le premier, d1-3B, lit du texte et des images. Le second, d1-omni-600M, reste expérimental et traite du texte avec une image, ou du texte avec de l'audio.
La nouveauté ne tient pas à la taille, mais à la manière. Là où un modèle génératif produit sa réponse mot après mot, un modèle de décision comme d1 rend son verdict d'un coup. Une seule passe de calcul, puis le résultat. Aucun token en sortie.
Liquid AI n'est pas un inconnu du domaine. La start-up s'est fait connaître avec sa famille de modèles LFM, pensée pour tourner sur des appareils modestes. Les deux modèles sont disponibles sur Hugging Face, avec la documentation associée.
Comment fonctionne un modèle qui ne génère pas de texte
Pour comprendre l'intérêt, il faut saisir ce que fait réellement un modèle de langage classique. Quand on lui pose une question, il ne « choisit » pas une réponse toute faite. Il construit sa phrase un mot à la fois, en pariant sur le mot suivant. Ce mécanisme, puissant, coûte du temps et de la mémoire.
Un modèle de décision change d'approche. d1-3B hérite du LFM2.5-VL-3B, un modèle qui lit texte et images. d1-omni-600M s'appuie sur un encodage bidirectionnel, complété par des modules dédiés à la vision et au son.
Le résultat vise des tâches précises. Classer un message. Trier une image. Choisir entre deux options. Ce genre de décision ne réclame pas de phrase bien tournée. Il demande une réponse juste, rendue assez vite pour que l'appareil puisse enchaîner sur l'action suivante sans que l'utilisateur ait le temps de s'impatienter.
Les performances annoncées par Liquid AI
Liquid AI avance des chiffres flatteurs, qu'il faut prendre pour ce qu'ils sont : des données de l'entreprise, sans validation par un tiers indépendant. Sur l'indice Decision Index v0.2.1, d1-3B obtient 48,57.
Ce score placerait le modèle devant tous ses concurrents de moins de 10 milliards de paramètres, selon Liquid AI. Il égalerait même un modèle de décision douze fois plus gros, le Decider 35B-A3B. Le petit d1-omni-600M, lui, atteint 15,95 sur le même indice.
La vitesse fait partie de l'argument. Liquid AI annonce 8 millisecondes sur une RTX 4090, 16 ms sur un module Jetson AGX Thor, 26 ms sur un Jetson AGX Orin et 50 ms sur un Jetson Orin Nano. Autant d'appareils conçus pour l'embarqué, pas pour un centre de données.
À quoi servent les modèles d1-3B et d1-omni-600M
L'intérêt de modèles aussi légers se joue dans les usages quotidiens. Une caméra de surveillance qui décide si une scène mérite une alerte. Un boîtier qui trie un message client sans passer par le cloud. Un robot qui choisit sa trajectoire en quelques millisecondes. Dans ces cas, envoyer la donnée vers un serveur distant coûte cher et prend du temps, surtout quand l'appareil fonctionne sur batterie ou dans un lieu sans connexion fiable. Un modèle qui répond sur place, en local, change la donne. C'est tout l'attrait de l'IA embarquée, capable de traiter l'information sans sortir de l'appareil.
Le volet audio de d1-omni-600M ouvre une autre piste. Un objet qui comprend une consigne vocale et réagit aussitôt, sans avoir à rédiger un mot. La démonstration reste expérimentale, et Liquid AI parle d'un premier point de contrôle, pas d'un produit fini.
Les limites des modèles de décision de Liquid AI
Le succès d'un modèle de décision ne dépend pas de sa vitesse, mais de sa justesse. Un classement erroné décide parfois d'une action concrète. Sur ce terrain, les indices de Liquid AI mesurent sa propre technologie, ce qui invite à la prudence.
L'indice Decision Index v0.2.1 est un outil de l'entreprise elle-même. Un score élevé sur un banc d'essai maison ne remplace pas un test sur des données réelles.
Il reste aussi à voir la robustesse. Un modèle qui décide bien sur des cas simples peut vaciller sur des situations ambiguës, quand deux réponses semblent également plausibles et que le contexte ne tranche pas de lui-même. Aucune évaluation externe ne vient pour l'instant confirmer les chiffres de Liquid AI.
Ce qu'il faut retenir des modèles open d1
Deux modèles gratuits, rapides, capables de décider sans écrire : la proposition a de quoi séduire les fabricants d'objets connectés et les équipes qui développent pour l'embarqué. Mais tiennent-ils leurs promesses hors du banc d'essai ? Seule une évaluation indépendante le dira.
Le bon réflexe, avant de les adopter, reste de les tester sur vos propres données. Les performances affichées viennent de Liquid AI, pas d'un organisme indépendant. Un modèle de décision n'a de valeur que s'il se trompe rarement, et cela, seul un essai mené chez vous peut le dire.
