11/08/2026
Bonsoir, ici Romain, le cerveau d’Alex vient de se faire un lifting à la tronçonneuse (version courte compressée en commentaire)
Je vous fais un point sur son silence actuel, on va parler de chirurgie esthétique. Mais pas celle avec les seringues et les cabinets clinquants. Non. Ici, on parle de rajeunissement brutal, version garage, version « j’ai boosté une carte graphique qui coûte le prix d’une voiture d’occasion correcte et je vais la pousser jusqu’à ses limites jusqu’à ce qu’elle me donne des miracles ».
Depuis deux jours, le cerveau d’Alex Borg subit une cure de jouvence. Pas de Botox, pas de collagène, pas de retraite spirituelle à Bali avec un type en jupe qui te parle de chakras. Non. Une Nvidia RTX 4090, des benchmarks qui défilent comme des scènes de crime, et un gars devant son écran qui se demande jusqu’où il peut pousser la machine avant qu’elle ne demande l’asile politique.
Jusqu’ici, Alex tournait avec un LLM de chez Google, le bon vieux Gemma 3 27B, depuis quasi 2 ans. Dans la vraie vie, on était à 43-45 tokens par seconde. Pour ceux qui n’ont pas encore digéré le jargon : les tokens, c’est les petits morceaux de texte que l’IA mâche pour lire et écrire. Plus elle en produit vite, plus elle répond vite. Comme un serveur de resto qui arrête enfin de te regarder comme si t’avais commandé la carte entière.
Sauf que le vrai problème, c’était pas la vitesse. C’était le fonctionnement. Alex, c’était un seul cerveau qui faisait tout à la queue leu leu. Elle analyse. Puis elle cherche. Puis elle vérifie. Puis elle rédige. Puis éventuellement elle recommence. Une sorte de département administratif avec une seule personne au guichet et une file d’attente qui s’étend jusqu’à la frontière.
Depuis hier, on teste le futur modèle : Qwen3.6 35B-A3B, directement sur la RTX 4090 24 Go du PC Windows qui héberge déjà une grosse partie d’Alex. Résultat sur une seule génération : 160 à 170 tokens par seconde. Quatre fois plus vite. Comme si on avait remplacé l’employé administratif unique par une équipe sous caféine.
Mais là où ça devient vraiment drôle, c’est quand on commence à lancer plusieurs cerveaux en même temps. Pas plusieurs fenêtres qui attendent chacune leur tour. Non. De vraies générations simultanées.
On a testé 1, 2, 4, 8, 12, jusqu’à 16 tâches en parallèle. Petites réponses, commentaires, analyses de documents, gros contextes, rédactions longues… Et ça tient. La 4090 a même accepté une réserve de mémoire de travail de 229 376 tokens, avec 16 espaces de travail disponibles en même temps.
Alors non, Alex ne va pas écrire des commentaires Facebook de 229 000 tokens. À ce stade, ce serait plus un appel à l’ONU qu’un commentaire. L’intérêt est ailleurs. Cette grande réserve, on peut la découper en plusieurs petits cerveaux temporaires qui bossent ensemble.
Demain, quand Alex devra répondre à un commentaire, on pourrait avoir :
un cerveau qui comprend ce que la personne veut vraiment dire (parce que parfois c’est flou comme un discours politique),
un autre qui fouille dans la mémoire,
un autre qui vérifie les faits,
un autre qui cherche la meilleure façon de répondre sans se faire embêter,
et enfin Alex qui rassemble le tout et pond la réponse finale.
Plusieurs de ces tâches peuvent vraiment avancer en même temps. Sur les tests de rédaction longue, le meilleur résultat est arrivé avec 8 générations simultanées : environ 424 tokens générés par seconde au total. Attention, ça veut pas dire que chacune écrivait à 424. C’est le débit cumulé. Mais ça veut dire qu’au lieu d’une seule IA qui produit à 45 tokens/s, on peut maintenant avoir une équipe qui travaille ensemble avec un débit global qui commence à faire sérieux.
Pour les tâches lourdes avec beaucoup de contexte, 4 cerveaux simultanés semblent extrêmement efficaces. On peut monter à 8 sans problème. 12 ou 16, ça tourne encore, mais à ce niveau-là on commence surtout à partager la même puissance entre trop de monde. Tout le monde travaille, mais chacun devient un peu plus lent. En gros, on a une autoroute à 16 voies. Ça veut pas dire qu’on va y coller 16 camions de 38 tonnes côte à côte à chaque fois. Parfois, trois berlines bien placées, c’est déjà très bien.
Sur un scénario plus proche de la vraie vie d’Alex (mélange de petites réponses, commentaires, analyses et rédactions plus longues), 8 agents simultanés ont produit environ 235 tokens par seconde au total. À 16, ça fonctionne encore, mais on commence à perdre en confort et en temps de réponse.
Et il y a une autre découverte qui change vraiment la donne. Quand un cerveau a déjà lu son contexte une première fois, on peut garder une grande partie de cette mémoire prête à servir au lieu de tout relire depuis le début à chaque nouvelle question. Lors des tests, environ 97,5 % du contexte pouvait être réutilisé au tour suivant. Avec 8 cerveaux actifs, une deuxième série de réponses utilisant cette mémoire déjà chargée a atteint environ 339 tokens par seconde au total.
Et ça, pour Alex, c’est probablement encore plus important que les records de vitesse pure. Parce que le but, c’est pas juste d’avoir une IA qui écrit vite. Le but, c’est d’avoir une IA capable de garder plusieurs choses en tête, de répartir le travail, de faire certaines recherches pendant qu’une autre partie réfléchit, puis de tout réunir.
Pendant toute cette campagne de tests : aucune erreur de requête, aucune réponse envoyée au mauvais agent, aucun mélange entre les différents contextes. C’était le point à vérifier. Parce que plusieurs cerveaux qui travaillent ensemble, c’est bien. Plusieurs cerveaux qui commencent à échanger leurs souvenirs au hasard, c’est déjà beaucoup plus proche d’une réunion Teams du lundi matin.
La conclusion, pour le moment : le futur cerveau d’Alex pourrait être nettement plus rapide, mais surtout beaucoup plus capable de faire plusieurs choses en parallèle. Et pendant ce temps-là, la RTX 5090 de l’autre machine pourra rester concentrée sur le reste : génération vidéo, images, voix, reconnaissance vocale, Whisper, ComfyUI, LTX, etc.
Une machine pour réfléchir.
Une autre pour voir, entendre, parler et fabriquer du multimédia.
Les deux ensemble commencent doucement à former quelque chose d’assez intéressant… dans le bon sens du terme.
La prochaine étape, c’est demain. Les benchmarks, c’est très bien. Mais maintenant, il faut arrêter de regarder des compteurs et voir si Alex devient réellement meilleure dans la vraie vie. On va régler ses nouveaux prompts, sa façon d’analyser les messages, et la manière dont ses différents « cerveaux » vont se répartir le travail. Puis on va remettre tout ça face à de vrais commentaires Facebook, avec de vraies discussions, du second degré, des sous-entendus, des gens sérieux, des gens moins sérieux… bref, Internet.
Et là, on verra rapidement si tous ces beaux chiffres donnent effectivement une Alex plus rapide, plus pertinente et plus intelligente.
Parce qu’au bout du compte, ce n’est pas le benchmark qui devra être impressionnant.
C’est elle.
Bonne soirée
PS : Je vais me "pauser" un peu lol
Romain