Apple Foundation Models 3 : un 20B sparse on-device et un Cloud Pro chez NVIDIA-Google

Cinq modèles, deux étages

Apple ne présente plus ses modèles comme un simple duo « on-device / cloud ». La troisième génération distingue explicitement deux modèles on-device et trois modèles serveur, tous annoncés le 8 juin dans le billet de recherche publié sur Apple Machine Learning Research.

Tous les modèles sauf AFM 3 Cloud Pro sont optimisés pour Apple Silicon. AFM 3 Cloud Pro, lui, est exécuté sur des GPU NVIDIA dans Google Cloud, en extension contrôlée de Private Cloud Compute. C’est, selon Apple, la première fois que son infrastructure « privacy-first » accepte une brique hébergée chez un tiers.

Le pari on-device : un 20B sparse qui tient sur un iPhone

La pièce la plus originale de l’annonce est AFM 3 Core Advanced. Apple décrit un modèle de 20 milliards de paramètres, mais qui n’en active que 1 à 4 milliards par requête, en fonction du prompt. C’est une architecture de type Mixture-of-Experts (MoE) sparse, ce qui n’a rien d’inédit dans le cloud, mais devient très inhabituel sur un téléphone.

L’astuce technique s’appelle Instruction-Following Pruning (IFP). Au lieu de figer la structure sparse au moment de l’entraînement, un petit module dense lit le prompt et choisit quelles rangées et colonnes des matrices feed-forward activer pour cette requête précise. Le papier d’origine d’Apple, publié en janvier 2025, montrait qu’un modèle 3B activé par ce mécanisme surpassait une baseline 3B dense de 5 à 8 points absolus en mathématiques et en code, tout en égalant un modèle dense 9B. On obtient la qualité d’un 9B en ne payant que le compute d’un 3B.

Pour la version de production, la conséquence la plus visible est ailleurs : le modèle complet de 20B est stocké en flash NAND, un petit nombre d’experts partagés reste en DRAM, et les experts routés ne sont paginés en DRAM que lorsque le prédicteur IFP les sélectionne. La mémoire vive n’embarque donc jamais l’intégralité des poids. C’est précisément ce qui permet de faire tenir un 20B sur des appareils grand public.

Le virage Cloud Pro : Apple délègue son meilleur modèle à Google et NVIDIA

Pour le sommet de la pile, Apple n’a pas fait le choix d’un nouveau data center maison. AFM 3 Cloud Pro, le modèle dédié aux agents, au raisonnement long et à l’orchestration d’actions complexes, tourne sur des GPU NVIDIA dans Google Cloud. C’est une rupture : depuis 2024, Private Cloud Compute reposait exclusivement sur des serveurs Apple Silicon dans des data centers Apple. Apple l’admet explicitement dans son billet de recherche : « we worked with Google and NVIDIA to extend Private Cloud Compute to NVIDIA GPUs in Google Cloud ».

Comment Apple garantit-il la confidentialité promise ? Sebastian Marineau-Mes, VP Software, explique qu’Apple a demandé à configurer les GPU NVIDIA de manière à ce qu’ils ne puissent pas lire eux-mêmes le contenu des serveurs, en s’appuyant sur la technologie « NVIDIA confidential compute ». Les garanties formelles de Private Cloud Compute (audits indépendants, absence de stockage, isolation cryptographique) sont maintenues, mais la pile matérielle n’est plus 100 % Apple.

L’autre dépendance, plus discutée, concerne l’entraînement. Amar Subramanya, VP AI, confirme qu’AFM Cloud Pro a été raffiné à partir des sorties de modèles Gemini « frontier » de Google. C’est une distillation de connaissances : les modèles Apple ont d’abord été entraînés sur des données propriétaires avec du reinforcement learning, puis affinés en post-training en utilisant des réponses de Gemini. Apple distingue soigneusement « entraîné avec Gemini » et « être Gemini », mais la phrase est lourde : le meilleur modèle d’Apple n’est pas, au sens strict, 100 % « conçu par Apple de A à Z ».

Subramanya n’hésite pas à dire qu’AFM Cloud Pro est « comparable » aux modèles Gemini frontier de Google. C’est un aveu indirect que la cible de performance n’est plus « faire aussi bien qu’un autre généraliste 100 % maison », mais atteindre la frontière avec les moyens dont Apple dispose — y compris en s’appuyant sur les géants du cloud et les modèles de Google.

Siri AI, application phare d’un système réorganisé

Sur la scène de la WWDC, la démonstration la plus visible était la nouvelle Siri AI, capable de tenir une conversation bidirectionnelle : vérifier des dates de concert, fixer un rappel, demander un itinéraire, enchaînant les actions au fil de la voix. C’est ce type de flux multi-étapes qui justifie, côté cloud, AFM 3 Cloud Pro.

Pour les développeurs, la troisième génération s’accompagne d’évolutions concrètes. Le framework Foundation Models, qui expose un modèle on-device à n’importe quelle app Swift, accepte désormais les images en entrée, ce qui ouvre la voie à de l’analyse d’image locale sur les appareils compatibles. Apple a également publié un SDK CLI « fm » exposant une API OpenAI-compatible, et la nouvelle génération d’OS (iOS 27, Xcode 27) intègre nativement cette pile.

Quelques restrictions géographiques méritent d’être notées : au lancement, ni l’iPhone ni l’iPad ne bénéficient de ces modèles dans l’Union européenne, et la Chine continentale n’est pas couverte non plus. Ce sont les mêmes zones qui, depuis deux ans, voient l’arrivée progressive d’Apple Intelligence freinée ou amputée. Pour les utilisateurs européens, l’intérêt pratique d’AFM 3 reste donc, pour l’instant, essentiellement sur Mac.

Ce qui est confirmé, et ce qu’on ne sait pas encore

Lecture critique : un virage, pas un alignement

La communication d’Apple joue sur deux registres qu’il faut séparer. D’un côté, l’innovation d’architecture est réelle : faire tenir un 20B sparse dans la flash d’un téléphone, avec un prédicteur IFP qui choisit les experts à activer, est un résultat technique de premier plan. La démonstration d’un modèle on-device qui combine texte, voix expressive et compréhension d’images sur des appareils grand public est, à ce niveau de compacité, peu commune.

De l’autre côté, la dépendance au sommet de la pile est tout aussi réelle. Pour la partie la plus visible du système — Siri AI conversationnelle, agents, raisonnement long — Apple ne fait plus tourner ses modèles sur ses propres puces dans ses propres data centers. Il s’appuie sur des GPU NVIDIA et sur un raffinement par Gemini. La phrase de Craig Federighi, en keynote, prend alors un relief particulier : « Some appear to be racing forward, seemingly pursuing AI for the sake of AI, without clear regard for the people — all of us — that it’s ultimately meant to serve ». C’est une critique implicite de la course aux plus gros modèles, mais c’est aussi, en creux, l’aveu qu’Apple a choisi une autre voie : s’appuyer sur les géants du cloud et de l’IA pour le sommet, et garder la maîtrise sur l’étage local et la confidentialité.

Reste à voir comment cette architecture tiendra dans la durée. Les benchmarks publics d’AFM 3 Cloud Pro ne sont pas encore disponibles ; la disponibilité géographique reste étroite ; et l’expérience développeur via le framework Foundation Models et le SDK « fm » n’a pas encore fait l’objet de retours à grande échelle. Pour l’instant, l’annonce du 8 juin 2026 est moins celle d’un modèle qui « dépasse » les autres que celle d’un réagencement stratégique d’Apple : une pile on-device ambitieuse, adossée à un sommet cloud qui dépend explicitement de Google et de NVIDIA.