Publié le 2025-10-12 01:00:00. L’intelligence artificielle s’invite de plus en plus dans nos outils numériques, mais au-delà du battage médiatique, des applications concrètes et originales émergent, notamment grâce à l’exécution locale de modèles d’apprentissage automatique. Des gestionnaires de signets intelligents aux assistants de codage en passant par l’amélioration de logiciels open source, voici quelques exemples de cette tendance.
- Karakeep, anciennement Hoarder, permet de créer une archive numérique enrichie grâce à des résumés et des balises générés par un LLM local.
- L’éditeur de code VS Code peut être considérablement amélioré par des extensions exploitant des LLM locaux pour l’optimisation du code et le débogage.
- Des outils comme GIMP peuvent intégrer des fonctionnalités d’IA, telles que l’inpainting, en se connectant à des modèles de diffusion stables hébergés localement.
- Paperless-ngx et Home Assistant gagnent en puissance grâce à l’intégration de LLM locaux pour l’organisation de documents et la création d’assistants vocaux personnalisés.
Si l’omniprésence de l’intelligence artificielle peut parfois susciter un certain scepticisme, il est indéniable que les outils d’apprentissage automatique offrent des possibilités intéressantes dans des domaines spécifiques. L’exécution locale de ces modèles, en particulier les LLM (Large Language Models) et les générateurs d’images, ouvre la voie à des applications innovantes qui renforcent les capacités d’applications et de services existants.
Prenez l’exemple de Karakeep, une application de gestion de signets qui a évolué à partir de Hoarder. Au-delà de ses fonctionnalités de base, telles que la capture de pages web, la prise en charge des notes et des fichiers PDF, et la compatibilité avec les flux RSS, Karakeep peut désormais exploiter un LLM exécuté sur un serveur local pour automatiser l’ajout de balises pertinentes à vos liens et images. Cela facilite grandement l’organisation de votre collection de signets. De plus, un serveur Karakeep alimenté par un LLM peut générer des résumés concis pour chaque signet, ce qui est particulièrement utile si, comme beaucoup d’utilisateurs, vous avez tendance à accumuler un grand nombre de liens et de documents.
L’éditeur de code VS Code, compatible avec la plupart des systèmes d’exploitation, est un autre exemple de logiciel qui peut bénéficier de l’intégration de l’IA. Son débogueur intégré, son terminal et son intégration Git en font déjà un outil puissant pour les développeurs. Cependant, c’est son “Extension Marketplace” qui permet d’étendre considérablement ses fonctionnalités. Des extensions telles que Continue, Granite et d’autres modules complémentaires basés sur l’IA permettent d’exploiter les LLM locaux pour optimiser le code, suggérer des améliorations et faciliter le débogage. Il est cependant important de noter que l’utilisation de modèles complexes nécessite une carte graphique (GPU) puissante avec une grande quantité de mémoire vive (VRAM), tandis que les modèles plus légers peuvent ne pas offrir des performances satisfaisantes pour les tâches de codage.
Même les logiciels de retouche d’image peuvent tirer parti de l’IA. Si Adobe Photoshop offre une multitude d’outils optimisés par l’IA, il existe des alternatives open source comme GIMP qui peuvent également bénéficier de ces avancées. Le dépôt GitHub gimp-stable-boy permet d’intégrer Stable Diffusion à GIMP, offrant des fonctionnalités telles que l’inpainting assisté par l’IA et l’amélioration de la détection des zones de sélection. Comme pour VS Code, l’utilisation de modèles performants est recommandée pour obtenir des résultats optimaux.
Pour ceux qui cherchent à mieux organiser leurs documents numériques, Paperless-ngx est une solution intéressante. Ce logiciel permet de numériser et d’organiser des documents de différents formats, et peut même extraire automatiquement des fichiers à partir de vos e-mails. L’intégration de LLM locaux via des applications complémentaires telles que Paperless-AI et Paperless-GPT permet d’automatiser l’ajout de balises, d’améliorer la recherche et d’ajouter des fonctionnalités d’OCR (reconnaissance optique de caractères). Paperless-GPT, en particulier, offre des fonctionnalités plus complètes que Paperless-AI, bien que son interface puisse parfois sembler rudimentaire.
Enfin, Home Assistant, une plateforme populaire pour l’automatisation domestique, peut également être enrichie grâce à l’intégration de LLM locaux. En connectant Home Assistant à un LLM auto-hébergé, il est possible de créer un assistant vocal personnalisé capable de répondre à vos requêtes de manière précise et contextuelle. Comme le démontre un récent article, même un modèle de petite taille peut offrir des résultats surprenants, bien que l’utilisation de modèles plus puissants soit recommandée pour une expérience optimale.
Au-delà de ces exemples, il existe de nombreuses autres façons d’exploiter les LLM et les générateurs d’images dans vos flux de travail. Il est possible d’utiliser RSSBox avec un LLM pour traduire automatiquement des articles de blog, ou même d’intégrer des PNJ (personnages non-joueurs) alimentés par l’IA dans des jeux vidéo comme Skyrim grâce au mod Mantella.
À lire aussi
