Cap sur le POSAIS : Luciole-1B se glisse dans votre poche

Le compte à rebours est lancé. Dans 13 jours, le vendredi 10 juillet 2026, se tiendra la deuxième édition du Paris Open Source AI Summit, le POSAIS, au Studio 104 de la Maison de la Radio et de la Musique. Une journée pour celles et ceux qui pensent, à voix haute, qu’une troisième voie numérique est possible, à condition qu’elle soit universelle, transparente, souveraine et responsable.

C’est aussi l’occasion d’un point d’étape sur les travaux d’OpenLLM France, parce que la question revient souvent ces dernières semaines : où en êtes-vous, avec vos modèles ? J’en profiterai au POSAIS pour le détail, mais je peux déjà poser le décor, et lever le voile sur un premier livrable expérimental, dispo dès aujourd’hui.

La famille Luciole en trois tailles

Soyons précis tout de suite, parce que je vois passer le raccourci « vos modèles tournent sur téléphone » : oui, certains de nos modèles peuvent tourner sur téléphone, mais pas tous, et c’est heureux.

Luciole est en réalité une famille déclinée en trois tailles :

• Luciole-1B, le plus petit, conçu pour les cas d’usage edge (sur l’appareil de l’utilisateur).
• Luciole-8B, taille intermédiaire, qui inaugure chez nous une architecture hybride Transformer / Mamba.
• Luciole-23B, le plus capable, pensé pour des déploiements serveur souverains.

À l’heure où j’écris, les trois sont en phase de pré-entraînement. Les équipes de LINAGORA travaillent en parallèle sur le post-entraînement des plus gros : la phase instruction (SFT) puis l’alignement par DPO. C’est ce travail-là, lent et peu spectaculaire, qui transforme un modèle brut en quelque chose d’utile.

Le 1B, lui, est suffisamment avancé pour servir de terrain d’expérimentation publique. C’est ce que je veux partager aujourd’hui.

Le pari des petits modèles, jusqu’au téléphone

L’industrie court derrière des modèles toujours plus gros : 70B, 405B, demain plus encore. C’est très bien pour les benchmarks. C’est moins bien pour la souveraineté concrète d’un État, d’une école, d’un hôpital, d’un citoyen, qui n’auront ni les GPUs ni les budgets pour faire tourner ces monstres.

C’est pour cela que la famille Luciole va jusqu’au plus petit utilisable. Luciole-1B, quantifié en Q4_K_M, occupe à peu près 969 Mo sur disque. Pour vous donner une idée concrète : ça tient dans la mémoire d’un téléphone Android moyen, et ça tourne sans envoyer une seule requête vers un serveur.

À tester dès maintenant : Luciole-Mobile

Pour que ce ne soit pas une promesse de plus, j’ai publié hier une application Android de démonstration sur mon GitHub personnel : mmaudet/luciole-mobile.

Le principe est simple, presque trop. Vous dites :

• « mets un minuteur de 5 minutes »
• « appelle Paul Maudet »
• « itinéraire vers la gare de Lyon »

Luciole-1B, qui tourne sur le téléphone lui-même via llama.cpp, transforme votre phrase en une action structurée, et l’app déclenche l’intent Android natif correspondant : composer le numéro, ouvrir Maps, créer l’alarme. Aucun cloud, aucune donnée qui sort.

Un compromis assumé, et c’est précisément le sujet

Soyons honnêtes : à 1B paramètres, sans phase complète d’instruction et d’alignement, Luciole n’est pas un assistant généraliste. Elle ne tient pas une conversation ouverte. Elle se trompe sur des demandes hors de son périmètre. C’est volontaire.

L’application ne demande pas au modèle d’improviser. Elle le contraint, via une grammaire formelle, à router la phrase vers une des 11 actions prévues. Le modèle ne peut pas inventer une action qui n’existe pas, ni produire un format invalide. Il fait une seule chose, bien.

C’est tout l’intérêt pédagogique de cette démo : montrer qu’avec un cadrage rigoureux, un petit modèle souverain peut être réellement utile, sur un cas d’usage précis, et tourner là où sont les gens.

Les très gros modèles sont fascinants. Les petits modèles bien cadrés sont déployables. Pour qui veut construire une souveraineté numérique qui passe à l’échelle, c’est la seconde propriété qui compte.

Comment tester en deux minutes

L’app est en AGPL v3, le modèle est sur Hugging Face. Pour celles et ceux qui ont un Android récent sous la main :

1. Cloner le repo : github.com/mmaudet/luciole-mobile
2. Récupérer le GGUF : huggingface.co/mmaudet/Luciole-1B-Instruct-GGUF
3. Suivre le README. Tout est documenté, en français.

Le modèle de base, lui, vit ici : huggingface.co/OpenLLM-France/Luciole-1B-Instruct-1.0. Architecture Nemotron, entraînement et alignement documentés, licence ouverte. Tout est inspectable, tout est rejouable.

D’ici-là, prenez Luciole-1B en main et expérimentez-la : testez son périmètre, poussez-la dans ses retranchements, écrivez-moi ce qui fonctionne et ce qui ne fonctionne pas. C’est exactement ce qu’on attend d’un modèle ouvert : qu’il soit mis à l’épreuve, pas admiré derrière une vitrine.