Modèles Open Source

LFM3 : petit mais costaud — le modèle d'IA qui tourne sur un Raspberry Pi

2026-11-02 • 5 min de lecture

Il y a une croyance répandue en IA : plus le modèle est gros, mieux c'est. Plus de paramètres, plus de capacité, plus d'intelligence. GPT-4 a plus de mille milliards. Llama 3 pèse 405 milliards. La logique semble simple : taille = puissance.

Puis arrive Liquid AI avec LFM3 et brise cette logique.

Qu'est-ce que LFM3 ?

LFM3 est la troisième génération de Liquid Foundation Models, créés par Liquid AI, une startup fondée par des chercheurs du MIT. Leur prémisse est radicale : construire des modèles qui ne sont pas les plus gros, mais les plus efficaces par paramètre.

LFM3 a 1.7 milliard de paramètres. Pour contextualiser, c'est environ 5 fois plus petit que Qwen 3.5-9B et 6 fois plus petit que Gemma 4-8B. Des modèles considérés comme "petits" dans le monde actuel.

Mais voilà : sur beaucoup de tâches, LFM3 les bat.

David contre Goliath

Les chiffres sont surprenants. Sur les tâches agentic —c'est-à-dire quand le modèle doit utiliser des outils, naviguer le web, gérer des calendriers, prendre des décisions— LFM3-1.7B rivalise avec des modèles plusieurs fois plus gros :

WebArena (navigation web réelle) : LFM3 a obtenu 38.42, Qwen 3.5-9B a obtenu 28.94. Un modèle 5 fois plus petit gagne.
AutomationBench (automatisation de tâches) : LFM3 a obtenu 41.29, Qwen 3.5-9B a obtenu 15.10. Presque le triple.
IFEval (suivi d'instructions) : LFM3 a obtenu 96.66, battant tous les modèles de sa catégorie.
BFCL V4 (utilisation d'outils/function calling) : LFM3 a obtenu 71.39, devant des modèles de 8B et 9B.

Il ne gagne pas partout —les gros modèles dominent encore en connaissances générales et coding agentic— mais sur les tâches qui comptent le plus pour les applications réelles (agents, automation, tool use), un modèle de 1.7B tient tête aux géants.

1.7B paramètres. Tourne sur un Raspberry Pi 5. Et bat des modèles de 9B en navigation web et automatisation. La taille, ce n'est pas tout.

Vraiment multimodal

La plupart des petits modèles font une seule chose : du texte. LFM3 non. La famille inclut six modèles, tous dérivés du même backbone de 1.7B :

Texte — pour les agents et applications spécialisées
Vision — comprend les images
Audio — traite le son
Omni — texte + vision + audio ensemble
Decision (vision) — optimisé pour les décisions à partir d'images
Decision (omni) — décisions à partir de multiples modalités

Tout ça dans des modèles d'environ 2B paramètres. L'idée est simple : au lieu d'utiliser un modèle géant qui fait tout médiocrement, tu choisis le modèle spécialisé pour ton cas d'usage, tu l'affines, et tu le fais tourner sur ton appareil.

Ça tourne où ?

C'est là que LFM3 devient vraiment intéressant. Liquid AI a testé le modèle sur 14 combinaisons de hardware :

Téléphones : Samsung Galaxy S26 Ultra, OnePlus 15
Raspberry Pi 5
Laptops : Apple M4 Max, AMD Ryzen AI
Cloud CPUs : Arm et x86
GPUs et Qualcomm Hexagon NPU

Sur tous, LFM3 est le modèle le plus rapide de sa catégorie. Il décode 1.8 à 2.8 fois plus vite que le modèle suivant. Et son empreinte mémoire est minuscule : un contexte complet de 128K tokens nécessite seulement 1.6 Go de KV cache, contre 4.3 Go pour Qwen 3.5-4B ou 5.6 Go pour MiniCPM5-2B.

Ça veut dire que tu peux avoir un assistant IA agentic qui tourne sur un Raspberry Pi 5. Pas besoin de data center. Pas besoin d'abonnement cloud. Pas besoin de demander la permission à Sam Altman.

Pourquoi ça compte

LFM3 n'est pas qu'un exploit technique. C'est une démonstration que le paradigme est en train de changer.

Pendant des années, la narrative a été : "les petits modèles ne servent à rien pour les tâches sérieuses, il te faut le cloud." LFM3 prouve le contraire. Un modèle de 1.7B peut trier ta boîte mail, gérer ton calendrier, rechercher sur le web, envoyer des résumés par WhatsApp —tout localement, sans envoyer tes données nulle part.

Et comme les tokens sont gratuits quand tu tournes en local, tu peux avoir des dizaines d'agents qui tournent en parallèle sur ta propre machine. Sans facture. Sans limites. Sans dépendance.

Pour les PME, ça change complètement l'équation :

Coût d'inférence zéro : tu paies le hardware une fois, pas un abonnement éternel
Confidentialité totale : tes données ne quittent jamais ton réseau
Personnalisation : tu affines le modèle pour ton domaine spécifique
Résilience : ça continue de fonctionner sans internet

Le futur n'est pas forcément géant

L'industrie passe des années à courir après le modèle le plus gros. Plus de paramètres, plus de GPUs, plus d'argent, plus de data centers. Mais il y a un chemin alternatif : des petits modèles, spécialisés et efficaces qui tournent où tu veux.

LFM3 ne va pas remplacer GPT-5 en raisonnement complexe. Ce n'est pas ce qu'il prétend. Il prétend démontrer que pour 90% des tâches réelles —agents, automatisation, tool use— tu n'as pas besoin d'un modèle de mille milliards de paramètres. Tu as besoin du bon modèle, bien entraîné, sur le bon appareil.

Le futur de l'IA, ce n'est pas juste "plus gros". C'est plus intelligent, plus petit et plus proche de toi.

Les poids de LFM3 sont open-weight et disponibles sur Hugging Face. Tu peux les télécharger aujourd'hui, les affiner pour ton cas d'usage, et les faire tourner sur ton hardware. Sans demander la permission.