Apple a trouvé comment faire écrire ses IA cinq fois plus vite
La nouvelle technique permet de prédire plusieurs mots à l’avance.
Apple poursuit sa série d’annonces dans la recherche en intelligence artificielle. Après avoir présenté fin juillet un outil pour détecter et corriger les erreurs des modèles, la firme à la pomme met cette fois l’accent sur un autre enjeu majeur : la vitesse.
Dans un nouveau rapport scientifique, ses chercheurs décrivent une technique capable d’accélérer considérablement la génération de texte d’un grand modèle de langage. Cette avancée pourrait vous concerner directement si vous utilisez déjà des IA pour coder, résoudre un calcul ou rédiger un texte. Elle intervient alors qu’Apple multiplie les publications pour améliorer ses modèles, mais aussi dans un contexte où ses meilleurs talents sont courtisés par la concurrence, notamment Meta.
Prédire plusieurs mots en une seule étape
© Pexels / Solen Feyissa
Traditionnellement, lorsque vous demandez quelque chose à une IA générative via un chatbot, le modèle écrit un mot à la fois, en recalculant la suite à chaque étape. Ce fonctionnement garantit la cohérence, mais reste lent. C’est précisément pour contourner cette limite qu’Apple a mis au point une approche baptisée « multi-token prediction », qui consiste à prédire plusieurs mots à l’avance au lieu de se limiter au suivant.
Concrètement, les chercheurs insèrent des « masques » dans une phrase pour que l’IA les remplisse en un seul bloc. Par exemple : « Le chat est » peut être complété directement par « très doux ». Chaque mot proposé est ensuite comparé à ce qu’aurait donné la méthode classique. Si la correspondance est validée, vous obtenez la réponse en un temps record. Sinon, le modèle repasse en écriture mot par mot.
Des gains mesurables sans perte de qualité
Pour valider cette méthode, Apple l’a testée sur le modèle open source Tulu3-8B. Les gains annoncés sont significatifs : 2 à 3 fois plus rapide pour des tâches générales comme la conversation ou la réponse à des questions, et jusqu’à 5 fois pour les domaines plus prévisibles comme le code ou les mathématiques.
© Apple – la colonne jaune représente le gain de vitesse apporté par les deux nouvelles optimisations des chercheurs.
La firme assure que la qualité des réponses reste intacte grâce à un réglage appelé « Gated LoRA ». Il permet d’adapter le modèle à la prédiction multiple sans altérer ses performances classiques, donc la méthode n’implique pas d’avantage d’hallucinations. Une petite couche supplémentaire nommée « sampler head » aide également à maintenir la cohérence entre les mots générés d’un seul coup.
Une pièce d’un puzzle plus large
Cette optimisation technique complète la stratégie globale d’Apple sur l’IA. Outre la vitesse, l’entreprise travaille à réduire les erreurs, à personnaliser les interactions avec PLUM et à sécuriser la véracité des réponses via la recherche web.
Reste à savoir si vous pourrez bientôt profiter de ces innovations dans Apple Intelligence. Pour l’instant, elles servent surtout à montrer que la firme avance, malgré une fuite de ses chercheurs vers des concurrents prêts à dépenser des dizaines de millions de dollars pour les attirer. Apple doit pour le moment se reposer sur des partenaires extérieurs pour fournir des performances à la hauteur des attentes, notamment via GPT-5 dans iOS 26.
