Tether, la société à l'origine du plus grand stablecoin au monde, a lancé TranscribePsy, un modèle de reconnaissance vocale de 254 millions de paramètres qui transcrit les conversations directement sur les smartphones, les lunettes intelligentes et les robots humanoïdes sans envoyer d'audio aux serveurs cloud. La sortie, annoncée cette semaine dans le cadre du projet d'intelligence artificielle QVAC de la société, est le dernier signe que Tether souhaite sérieusement créer un logiciel d'IA qui fonctionne entièrement sur des appareils personnels.
Cette décision place une société de cryptographie dans une position inattendue : rivaliser avec les fournisseurs d’IA cloud sur l’argument selon lequel les données vocales sont trop sensibles pour quitter l’appareil. "L'avenir de l'IA ne devrait pas signifier donner aux plateformes centralisées une place au premier rang pour nos vies personnelles", a déclaré Paolo Ardoino, PDG de Tether, dans l'annonce. Il a décrit TranscribePsy comme un exemple de reconnaissance vocale pouvant fonctionner entièrement sur du matériel personnel, sans dépendance à l'égard d'une infrastructure centralisée. Pour plus de contexte sur cette histoire, consultez notre tendances IA.
Résultats de référence : plus rapides que les chuchotements sur les processeurs des téléphones
Selon crypto.news, qui a examiné l'évaluation publiée par la société, Tether a testé le modèle sur six smartphones et a constaté qu'il fonctionnait 2,6 fois plus vite que le système le plus rapide suivant évalué, et 5,7 fois plus rapide que le modèle open source Whisper-small d'OpenAI lorsqu'il fonctionnait sur les processeurs de téléphones. Sur l'iPhone, une version optimisée pour Core ML nécessitait moins de la moitié de l'espace disque et 1,7 fois moins de mémoire qu'un modèle Core ML concurrent inclus dans la comparaison.
La précision a été mesurée à l'aide du taux d'erreur sur les mots, la mesure standard qui compte le nombre de mots qu'un système de transcription se trompe par rapport au contenu parlé original. Tether a publié les configurations d'évaluation parallèlement au modèle afin que les chercheurs indépendants puissent reproduire les chiffres rapportés – une pratique de transparence qui reste rare parmi les fournisseurs d'IA grand public.
Quatre versions pour différents matériels
TranscribePsy est livré en quatre versions destinées à différentes classes de matériel :
- Un modèle d'ordinateur portable prenant en charge 25 langues européennes
- Une configuration plus petite axée sur huit langues couramment utilisées
- Une version GGUF qui s'exécute via le moteur parakeet.cpp dans le logiciel qvac-fabric-speech de Tether, pour les appareils mobiles
- Une version Core ML optimisée pour le Neural Engine d'Apple, permettant aux iPhones compatibles de transcrire à l'aide d'un silicium dédié
Les modèles sont conçus pour gérer un son continu, produisant du texte peu de temps après la détection de la parole. Tether affirme que le système pourrait prendre en charge des applications à commande vocale qui répondent sans jamais transmettre les enregistrements à des serveurs externes – une affirmation significative pour les lunettes intelligentes et les appareils portables, où les microphones toujours activés ont soulevé des problèmes persistants en matière de confidentialité.
Fait partie d'une campagne QVAC plus large
TranscribePsy est la dernière version du projet QVAC de Tether, qui s'est développé régulièrement jusqu'en 2026. En avril, la société a présenté le SDK QVAC, une boîte à outils de développement open source pour exécuter des applications d'IA sur iOS, Android, Windows, macOS et Linux, couvrant la génération de texte, le traitement de la parole, la reconnaissance d'images et la traduction. La boîte à outils est construite sur QVAC Fabric, une version personnalisée de llama.cpp, et utilise la technologie Holepunch pour la distribution de modèles peer-to-peer.
Plus tôt dans l'année, Tether a intégré la formation BitNet LoRA dans QVAC Fabric, affirmant avoir affiné des modèles allant jusqu'à 3,8 milliards de paramètres sur des appareils grand public, notamment le Pixel 9, le Galaxy S25 et l'iPhone 16, avec des tests couvrant des modèles allant jusqu'à 13 milliards de paramètres sur l'iPhone 16. En septembre, Ardoino a divulgué des travaux sur un moteur de recherche peer-to-peer qui a stocké l'archive Wikipédia complète sur 100 nœuds distribués. Et en octobre 2025, la société a publié l'ensemble de données QVAC Genesis I, 41 milliards de jetons synthétiques destinés à former des modèles en mathématiques, sciences et raisonnement technique.
Pourquoi c'est important
La course à l'IA sur les appareils s'est intensifiée à mesure que les fabricants d'appareils recherchent des fonctionnalités qui fonctionnent sans connectivité et sans que les données ne quittent le combiné. Whisper reste le modèle de parole ouverte le plus largement déployé, mais il n'a pas été conçu pour l'enveloppe de puissance d'un processeur de téléphone, où les petits modèles spécialement conçus peuvent se différencier. Les affirmations de référence de Tether, si elles résistent à une réplication indépendante, placeraient TranscribePsy en tête de ce peloton.
Pour Tether, la stratégie est aussi une couverture. L'activité principale de la société reste le stablecoin USDT, mais ses dirigeants ont passé 2026 à construire un portefeuille d'infrastructures d'IA locales (modèles, SDK, ensembles de données et distribution peer-to-peer) qui s'aligne sur la philosophie décentralisée de sa base d'utilisateurs tout en réduisant la dépendance à l'égard du petit nombre de fournisseurs de cloud qui contrôlent actuellement la plupart des inférences d'IA.
La question de savoir si un émetteur de stablecoin peut devenir un acteur crédible dans l’IA vocale est une question ouverte. Mais avec un benchmark publié, des configurations reproductibles et un modèle de travail qui fonctionne sur les téléphones que les gens possèdent déjà, TranscribePsy est une version plus concrète que la plupart des annonces d'IA sur appareil - et un signe que le segment du marché de l'IA axé sur la confidentialité attire des entrants improbables.
Le compromis : capacité contre contrôle
Les petits modèles sur appareil sont toujours à la traîne par rapport à leurs homologues cloud en termes de précision brute, en particulier en ce qui concerne la parole accentuée, le bruit de fond et le vocabulaire spécialisé. Ce qu'ils proposent en échange est structurel : pas de dépendance au réseau, pas de coût API par transcription et aucun tiers détenant l'audio. Pour les appareils portables comme les lunettes intelligentes, où un aller-retour dans le cloud ajoute de la latence à chaque interaction et où un microphone à l'écoute permanente est tout l'intérêt du produit, le traitement local est sans doute la seule conception qui évolue sans réaction en matière de confidentialité.
Tether parie que ce compromis penche davantage vers le traitement local à chaque génération de matériel. Les moteurs neuronaux des téléphones phares actuels fournissent déjà une inférence de paramètres à deux chiffres, et les modèles de quelques centaines de millions – comme TranscribePsy – laissent une marge pour un contexte plus long, plus de langues et un fonctionnement permanent sans vider la batterie.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
