DESERT ANT : un cervelet d’IA dans chaque produit, sans facture cloud
📌 DESERT ANT est un laboratoire européen d’IA embarquée qui publie des modèles spécialisés, gratuits jusqu’à 100 000 appareils actifs mensuels, à intégrer en quelques lignes de code sur iOS, Android et le web. Chaque modèle fait une tâche très bien, entièrement sur l’appareil.
Desert Ant Labs veut mettre son intelligence à l’intérieur de votre app, pas derrière une API. Les modèles s’exécutent sur le téléphone, le Mac ou dans le navigateur via Core ML sur Apple, LiteRT sur Android et WebAssembly sur le web. Résultat : votre texte, votre audio et vos images ne quittent jamais l’appareil, et il n’y a aucun coût par token à absorber. La forme du catalogue est inattendue pour un labo de six personnes : fonctionnalités idiotes comme suggestions d’emoji (Emo), reconnaissance de formes au doigt (Shapes), récupération de mots de remplissage (Uhm), mais aussi des fonctions sérieuses comme le masquage des données personnelles (Redact), le débruitage vocal (Clear, douze enregistrements réels en démo) et la transcription (Voz).
Voz est le modèle qui m’impressionne : dix minutes d’audio transcrites en deux secondes sur un iPhone, dans 25 langues, avec horodatage au mot près. Clips découpe ensuite les temps forts d’un podcast ou d’un entretien, et Align affine les horodatages pour le pipeline de reconnaissance d’Apple. Six autres modèles — modération, extraction structurée en JSON, triage de discours de haine, étiquetage de locuteurs — sont en bêta fermée.
Côté intégration, chaque modèle est un paquet séparé : une dépendance par modèle en Swift Package Manager ou en Gradle, une commande npm i en JavaScript. On n’emporte que ce dont on a besoin, un modèle Emo ne charge rien des autres. Les poids sont publiés sur Hugging Face, chaque version du SDK est épinglée à une révision précise du modèle, et les téléchargements sont vérifiés avant utilisation. Tongue, qui identifie la langue d’un texte parmi 84, pèse 2 Mo et s’exécute en pur JavaScript, sans WebAssembly, jusque dans un navigateur. Un CLI (da redact ...) permet d’avoir les mêmes modèles en terminal.
La licence est source-available : gratuite pour la plupart des apps et projets, une licence commerciale au-delà du seuil. C’est le modèle que je trouve le plus honnête du marché : on ne compte pas les usages d’un utilisateur, on facture l’échelle d’adoption.
Points clés :
- 📱 Voz transcrit 10 minutes d’audio en 2 s sur iPhone, 25 langues
- 🧼 Redact masque les données personnelles sans envoyer quoi que ce soit
- 🪶 Tongue : identification de langue en 2 Mo, pur JavaScript
- 🧩 Un paquet par modèle, à brancher dans votre build existant
- 🕊️ Gratuit jusqu’à 100 000 appareils actifs mensuels, licence commerciale au-delà
Desert Ant prouve qu’on n’a plus besoin d’un GPU cloud pour des fonctionnalités d’IA sérieuses. Les SDK sont matures, les démos tournent dans le navigateur, et le plafond de gratuité laisse de la place pour expérimenter sans regarder la facture. À tester.
Sources
- Site officiel — Desert Ant Labs
- GitHub — Desert-Ant-Labs/desert-ant-core
- Hugging Face — desert-ant-labs
