Small AI Models Gain Traction In places with unreliable networks
En 2019, Adebayo Alonge a transformé en quelques heures le système RxScanner pour exécuter un modèle d’IA local sur un téléphone après qu’une démonstration a échoué à cause de la latence et du faible débit vers un serveur distant. Cette version allégée permet d’authentifier des médicaments hors-ligne dans des contextes sans électricité fiable ni connexion internet, sauvant des vies dans plusieurs pays africains et asiatiques. Des projets similaires emploient des modèles d’IA petits et spécialisés — obtenus par élagage, distillation ou entraînement local — pour détecter des maladies de plantes, des infestations, des moustiques porteurs de paludisme ou pour réaliser des électrocardiogrammes sur des dispositifs peu coûteux. Les progrès matériels, notamment les puces dédiées et l’augmentation des smartphones capables d’exécuter de l’IA, ainsi que la réduction de l’empreinte des modèles, rendent ces applications possibles sur des appareils à faible consommation. Des institutions comme la Banque mondiale soutiennent le développement de ces solutions, mais les auteurs soulignent que leur pérennité dépend d’infrastructures, de mises à jour régulières et d’investissements politiques.