iOS 18 : Siri se transforme grâce à l'intelligence artificielle générative

Quand Apple a présenté en 2024 la refonte de Siri portée par l'intelligence artificielle générative, le sujet a été traité comme une annonce de produit parmi d'autres. Un assistant plus bavard, plus contextuel, mieux intégré aux applications. Vu de plus loin, la nouveauté n'était pas dans la liste de fonctions. Elle était dans le changement de moteur.

Un assistant vocal classique, celui que des millions de gens ont utilisé pendant plus de dix ans, fonctionne par correspondance. Il transforme la parole en texte, cherche dans ce texte des motifs qu'il reconnaît, et déclenche l'action associée. « Règle un minuteur de dix minutes » marche parce que quelqu'un a écrit la règle. « Rappelle-moi d'appeler ma sœur quand j'arrive au bureau » échoue parce que personne n'avait prévu cette combinaison. D'où cette impression durable d'un assistant qui comprend brillamment quinze phrases et rien d'autre.

Un assistant reposant sur un modèle de langage travaille autrement. Il ne cherche pas de motif, il produit une interprétation. La formulation exacte compte beaucoup moins, l'ordre des mots aussi, et la phrase précédente reste dans le contexte. C'est un saut réel. Il apporte aussi des problèmes que l'ancienne méthode n'avait pas.

Ce qu'un modèle de langage change concrètement

Trois différences comptent au quotidien.

La première est la tolérance à l'imprécision. On peut hésiter, se reprendre, employer un mot approximatif. L'ancien système renvoyait une page de résultats de recherche dès qu'il perdait le fil. Le nouveau tente une interprétation, quitte à se tromper.

La deuxième est la mémoire de la conversation. Poser une question, puis dire « et pour demain ? » sans répéter le sujet. Cela paraît anodin, c'est ce qui distingue un dialogue d'une suite de commandes.

La troisième est l'accès au contenu de l'appareil. Un assistant capable de lire un courriel, un message, un document, et de croiser ces informations avec une demande formulée en langage courant, change de nature. Il ne pilote plus des applications, il travaille sur vos données. C'est là que tout devient intéressant, et délicat.

Local ou distant, la question qui structure tout

Faire tourner un modèle de langage demande de la puissance et de la mémoire. Deux options existent, et le choix entre les deux détermine à peu près tout le reste.

Le traitement sur l'appareil garde les données là où elles sont. Rien ne part sur un réseau, la réponse ne dépend pas de la connexion, et les capacités sont bornées par le processeur du téléphone. Les modèles qui tiennent dans un mobile sont beaucoup plus petits que ceux qui tournent en centre de données. Ils suffisent pour classer une demande, reformuler un texte court, décider d'une action. Ils atteignent leur limite sur un raisonnement long ou une question de culture générale.

Le traitement distant offre la puissance, au prix de l'envoi de la requête et de son contexte à un serveur. Ce contexte est le point sensible : ce n'est pas seulement la phrase prononcée, c'est souvent le contenu que l'assistant a besoin de consulter pour répondre.

L'architecture annoncée par Apple répartissait le travail entre les deux : ce qui peut se traiter localement le reste, ce qui demande davantage part vers des serveurs présentés comme cloisonnés et non conservateurs des données. Le principe est sain. Il repose sur une promesse que l'utilisateur ne peut pas vérifier lui-même, ce qui reste la limite de tout dispositif de ce type, quel que soit le fabricant.

Ce qu'un assistant de ce type ne sait toujours pas faire

L'enthousiasme des annonces masque des limites qui tiennent à la nature même des modèles de langage.

Ils produisent des réponses plausibles, pas des réponses vérifiées. Sur une question factuelle, un modèle peut affirmer avec le même aplomb une chose exacte et une chose fausse. Pour un chatbot, l'erreur se corrige en relisant. Pour un assistant qui envoie un message ou modifie un rendez-vous, elle a des conséquences.

Ils ne connaissent pas leur propre ignorance. Un système à base de règles savait dire qu'il n'avait pas compris. Un modèle de langage préfère répondre quelque chose. C'est un défaut de conception qu'on paye en confiance : après deux actions erronées, l'utilisateur cesse de déléguer les tâches qui comptent.

Ils coûtent cher à faire tourner. Chaque requête consomme du calcul, donc de l'énergie et de la batterie. Cette contrainte explique pourquoi les fabricants tiennent tant au traitement local, bien au-delà des arguments de vie privée.

Reste la question de la fiabilité perçue. Un assistant qui réussit neuf demandes sur dix paraît excellent en démonstration et frustrant à l'usage, parce que l'utilisateur ne sait jamais à l'avance dans quel cas il se trouve. La régularité vaut souvent mieux que l'étendue.

Deux générations d'assistants, ce qui les sépare

Aspect	Assistant à base de règles	Assistant à base de modèle de langage
Compréhension	Formulations prévues à l'avance	Interprétation de l'intention
Suite de la conversation	Chaque demande repart de zéro	Le contexte précédent est conservé
Comportement en cas de doute	Signale qu'il n'a pas compris	Propose une réponse plausible
Ressources nécessaires	Faibles	Élevées, d'où le partage local et distant
Prévisibilité	Élevée dans son périmètre	Variable selon la formulation

La vraie question n'est pas technique

Un assistant qui lit vos messages, vos documents et votre agenda pour vous répondre occupe une position qu'aucun logiciel grand public n'avait occupée jusqu'ici. Il voit tout, en permanence, et il décide de ce qui mérite votre attention.

Les protections techniques comptent : traitement sur l'appareil quand c'est possible, chiffrement, absence de conservation côté serveur. Elles ne suffisent pas à répondre aux questions qui viennent ensuite. Qui décide de ce que l'assistant vous propose. Selon quels critères il classe une notification comme urgente. Ce qui se passe quand ses suggestions orientent, même légèrement, vos décisions.

Ces questions ne se règlent pas dans un menu de réglages. Elles se posent au moment où l'on choisit de confier une partie de son attention à un système dont le raisonnement reste opaque. Le progrès d'usage est net, l'échange est réel, et il mérite d'être regardé en face plutôt que présenté comme une simple mise à jour.