Les petits modèles d'IA progressent dans les zones sans infrastructure
Original : Small AI Models Gain Traction In places with unreliable networks
Pourquoi c'est important
Les SLM ouvrent l'accès à l'IA dans les marchés émergents sans infrastructure cloud.
Dans les régions sans réseau fiable ni data center, les Small Language Models (SLM) et TinyML gagnent du terrain. Des chercheurs au Brésil et des startups en Afrique utilisent ces modèles compacts pour des applications médicales critiques, comme la détection de médicaments contrefaits.
Dans les zones à connectivité limitée ou inexistante, les grands modèles d'IA hébergés dans le cloud sont inutilisables. Des alternatives plus légères — Small Language Models (SLM) et TinyML — s'imposent comme solutions viables. En 2019, Adebayo Alonge, fondateur d'une startup, présentait à Cape Town le RxScanner, un spectromètre portable fonctionnant avec une IA embarquée capable de détecter les médicaments contrefaits en Afrique, un problème responsable de milliers de décès chaque année sur le continent. De son côté, le chercheur Jose Alberto Ferreira, du Patient Simulator Lab de l'Université d'Itajubá au Brésil, expérimente des modèles TinyML pour générer des électrocardiogrammes. Ces cas illustrent une tendance mondiale : là où l'infrastructure numérique fait défaut, des modèles d'IA réduits, exécutés localement sur des appareils à faibles ressources, permettent des applications à fort impact social et médical, sans dépendre d'une connexion Internet stable.