# IA embarquée : LLM et reconnaissance vocale fonctionnent hors ligne

_Publié le 11 novembre 2026 — https://ip73.fr/2026/11/11/ia-embarquee-llm-et-reconnaissance-vocale-fonctionnent-hors-ligne/_

L'exécution de grands modèles de langage (LLM) et de systèmes de reconnaissance vocale directement sur un appareil mobile, sans connexion internet, est désormais possible grâce à Google AI Edge Gallery. Selon github.com, cette galerie sert de vitrine pour tester les cas d'usage de l'IA générative embarquée. L'avantage majeur est la confidentialité : toutes les inférences se déroulent sur le matériel de l'utilisateur, sans passer par le cloud.

Cette infrastructure permet de transformer un modèle conversationnel basique en assistant proactif. Avec les « Agent Skills », par exemple, un LLM peut être doté d'outils externes comme Wikipédia ou des cartes interactives, ce qui lui permet de fournir des réponses ancrées dans des faits précis.

Le volet multimodal est également développé. Des fonctionnalités comme « Instant Media Search » permettent de rechercher dans sa propre bibliothèque de photos en utilisant des requêtes en langage naturel, sans aucun aller-retour vers Internet. De même, le « Video Moment Finder » permet de localiser des instants précis dans des vidéos grâce à des descriptions textuelles.

## L'interaction vocale débloquée

La dimension vocale, souvent perçue comme la plus naturelle pour l'interaction homme-machine, est renforcée par les dernières avancées. Google Developers Blog signale l'introduction de capacités de reconnaissance automatique de la parole (ASR) et de synthèse vocale (TTS) fonctionnant localement dans Google AI Edge Gallery. Ces systèmes sont conçus pour être légers en mémoire et à faible latence, fonctionnant entièrement sans réseau.

Ce couplage entre les petits modèles de langage (SLM), tels que Gemma 4 ou Gemini Nano, et ces moteurs vocaux compacts permet de construire des interfaces où l'utilisateur peut dicter ses messages et écouter les réponses prononcées localement. Cela répond à un besoin concret, comme le souligne le blog des développeurs, pour des scénarios où la connectivité est absente, par exemple lors d'un voyage dans un marché animé.

## Des cas d'usage concrets pour le terrain

L'un des exemples phares de cette intégration est le « XR Language Teacher ». En pointant l'appareil photo sur un objet, l'utilisateur peut poser une question – par voix, image ou texte – et recevoir une explication dans la langue qu'il apprend. Cette expérience, qui peut se poursuivre sans fil sur des lunettes Android compatibles, mobilise la vision, le langage et la parole en une seule boucle locale.

Au-delà de ce démonstrateur, la plateforme offre un « Prompt Lab » pour tester finement les paramètres des modèles, et la possibilité de gérer une bibliothèque de modèles open-source, y compris le téléchargement de modèles personnalisés. Pour les développeurs, tout est disponible, des runtimes comme LiteRT aux modèles spécifiques comme Parakeet-TDT-0.6B-v3 pour l'ASR. Pour les développeurs Android, les APIs de ML Kit offrent une voie standardisée pour intégrer ces fonctions, tout en bénéficiant de l'accélération matérielle des NPU et TPU disponibles sur l'appareil. Il faudra surveiller comment cette intégration redéfinit la frontière entre le service en ligne et la puissance de calcul personnelle.

## Sources

- [GitHub - google-ai-edge/gallery: A gallery that showcases on-device ML/GenAI use cases and allows people to try and use models locally.](https://github.com/google-ai-edge/gallery), github.com
- [On-Device Speech Recognition and Text-to-Speech in Google AI Edge Gallery](https://developers.googleblog.com/on-device-speech-recognition-and-text-to-speech-in-google-ai-edge-gallery/), Google Developers Blog, 10 novembre 2026