Apple Intelligence et le Projet Ajax (2020-2026)

L’histoire de l’intelligence artificielle au sein d’Apple, couvrant la période charnière de 2020 à 2026, constitue une anomalie fascinante dans l’industrie technologique contemporaine.

Alors que la première moitié de cette décennie fut marquée par une accélération frénétique de la concurrence (déclenchée par la démocratisation des grands modèles de langage et incarnée par l’ascension fulgurante d’OpenAI), Apple a semblé, aux yeux des observateurs extérieurs, figée dans une inertie incompréhensible.

Cette “lenteur apparente”, souvent critiquée par les marchés financiers entre 2023 et début 2024, dissimulait en réalité une opération d’ingénierie systémique d’une ampleur rare. La synchronisation totale d’une architecture silicium propriétaire, d’une refonte infrastructurelle logicielle via le Projet Ajax, et l’établissement d’un nouveau paradigme de confidentialité avec le Private Cloud Compute.

Loin d’être une simple réaction tardive à ChatGPT, l’initiative Apple Intelligence est l’aboutissement d’une intégration verticale absolue. Le contrôle du transistor, du compilateur, du modèle de fondation et de l’interface utilisateur permet de résoudre les deux talons d’Achille de l’IA générative : la latence et la confidentialité.

En examinant les acquisitions silencieuses, l’évolution microscopique des cœurs neuronaux de la série A et M, et les percées de la recherche fondamentale avec OpenELM et Ferret, nous démontrerons que la stratégie d’Apple visait moins à créer l’IA la plus savante qu’à tisser l’IA la plus profondément intégrée au tissu numérique personnel.

L’histoire a toutefois pris en 2026 un tournant que peu d’observateurs avaient anticipé : pour donner enfin un cerveau à son nouveau Siri, Apple a choisi de louer celui de Google. Accord Gemini à un milliard de dollars par an, extension du Private Cloud Compute vers des GPU Nvidia, succession de Tim Cook — la dernière partie de cette analyse examine ce « grand pivot », qui nuance la thèse de l’intégration verticale sans la détruire : Apple garde la main sur le silicium et sur l’architecture de confidentialité, mais plus sur le modèle de frontière.

La préparation silencieuse (2020-2023) : l’architecture de l’invisible

La période de 2020 à 2023 peut être qualifiée de “phase souterraine”. Tandis que Google et Microsoft s’affrontaient publiquement à coups de démos de chatbots, Apple consolidait les fondations nécessaires pour exécuter ces modèles localement, à l’abri des regards et des serveurs tiers.

Cette préparation s’est articulée autour de trois axes : une guerre des talents par acquisition, une refonte de l’outillage interne (Ajax), et la prévoyance matérielle du silicium.

La guerre des talents et la stratégie d’acquisition ciblée

Contrairement à ses concurrents qui misaient sur des partenariats publics massifs et coûteux, Apple a opté pour une stratégie d’internalisation agressive mais opaque.

L’année 2023 marque un pic d’activité qui contredit formellement la thèse de l’inactivité. Selon les rapports de Stocklytics, Apple a acquis pas moins de 32 startups spécialisées dans l’IA au cours de cette seule année, sécurisant une avance quantitative sur Google, Meta et Microsoft dans le domaine des fusions-acquisitions.

Cette fièvre acheteuse ne visait pas seulement à acquérir des produits, mais à absorber des compétences critiques (“acqui-hiring”) pour combler les lacunes structurelles de Siri.

L’acquisition de Voysis en 2020 fut un précurseur essentiel, ciblant spécifiquement l’amélioration de la compréhension du langage naturel (NLU) pour les assistants vocaux via des modèles Wavenets optimisés. Cette technologie était destinée à corriger la “surdité contextuelle” de Siri, un défaut majeur face à la fluidité de Google Assistant.

Les acquisitions ultérieures révèlent une feuille de route technique encore plus précise :

• WaveOne (mars 2023), compression et efficacité : Spécialisé dans la compression vidéo par IA, WaveOne semblait initialement lié au streaming. Avec le recul, cette technologie s’avère cruciale pour le traitement des flux de données massifs sur les casques de réalité mixte (Apple Vision Pro) et pour l’entraînement efficace de modèles multimodaux.

• DarwinAI (début 2024), optimisation Edge : Cette startup canadienne excellait dans la “distillation” de modèles et la “sparsification” (réduction de la densité des réseaux de neurones), permettant de réduire drastiquement la taille des modèles sans sacrifier leur performance. Pour une entreprise obsédée par l’exécution “on-device”, cette brique technologique était le chaînon manquant pour faire tourner des LLM sur des iPhones.

• Datakalab et Emotient, multimodalité et analyse comportementale : Ces acquisitions ont renforcé la capacité des appareils à comprendre non seulement le texte, mais aussi l’état émotionnel et le contexte visuel de l’utilisateur, préfigurant les capacités de “conscience d’écran”.

Le Projet Ajax : l’unification douloureuse de l’infrastructure

En coulisses, une restructuration majeure du développement logiciel était en cours sous le nom de code “Project Ajax”. Révélé par des fuites à l’été 2023, Ajax n’était pas un produit grand public, mais un framework interne vital destiné à unifier les efforts de machine learning dispersés et cloisonnés à travers l’entreprise.

Jusqu’alors, les équipes travaillant sur la photographie computationnelle, Siri ou la recherche Spotlight utilisaient des outils disparates, freinant l’innovation transverse.

Ajax, construit sur la base de la technologie open-source JAX de Google (réputée pour sa flexibilité dans la recherche sur les réseaux de neurones), visait à standardiser ces flux de travail. L’objectif était double :

• Accélérer l’itération des LLM en permettant aux ingénieurs de tester rapidement des modèles de langage de grande taille sur une infrastructure commune, compatible avec le cloud Google (utilisé pour l’entraînement) et les puces Apple.

• Créer un socle pour “Apple GPT”, un chatbot interne utilisé par les employés pour le prototypage, la synthèse de documents et la validation des capacités du modèle.

Ce projet témoigne de la reconnaissance tardive mais lucide par la direction d’Apple (notamment John Giannandrea, chef de l’IA, et Craig Federighi, chef du logiciel) que l’architecture technique de Siri, héritée des années 2010 et basée sur des bases de données de commandes rigides, était obsolète face aux modèles transformateurs.

Ajax a servi de creuset pour le développement des modèles de fondation qui alimenteraient plus tard Apple Intelligence. Cependant, cette transition ne s’est pas faite sans douleur : la culture du secret d’Apple, compartimentant strictement les équipes, s’est heurtée à la nécessité de données partagées et de collaboration transverse inhérente au développement des LLM modernes.

L’avantage silencieux : l’architecture mémoire unifiée (M1 à M3)

L’aspect le plus sous-estimé de la préparation d’Apple réside dans sa maîtrise du matériel. Le pivot vers Apple Silicon, initié avec la puce M1 en novembre 2020, a créé la plateforme idéale pour l’IA locale.

L’architecture de mémoire unifiée (UMA), où le CPU, le GPU et le Neural Engine partagent un pool unique de mémoire à haute bande passante, s’est révélée être un avantage décisif contre l’architecture traditionnelle PC (CPU + GPU discret avec VRAM séparée).

Alors que les GPU Nvidia (séries RTX 30 et 40) dominent l’entraînement dans les datacenters grâce à leur puissance brute (FLOPS) et leur écosystème CUDA, ils sont limités par la quantité de VRAM pour l’inférence locale de très grands modèles.

Un Mac Studio équipé d’une puce M2 Ultra (lancé en juin 2023) pouvait disposer de jusqu’à 192 Go de mémoire unifiée. Cela permettait aux chercheurs et développeurs de charger des modèles massifs (comme Llama-65B ou Falcon-180B) entièrement en mémoire vive, une prouesse impossible sur une station de travail PC grand public sans recourir à des configurations multi-GPU coûteuses et énergivores.

Cette architecture élimine le goulet d’étranglement du bus PCIe, car les données n’ont pas besoin d’être copiées entre la RAM système et la mémoire vidéo. Pour l’inférence de LLM, qui est souvent limitée par la bande passante mémoire plutôt que par la puissance de calcul pure, l’architecture Apple Silicon offrait un rapport performance/watt inégalé.

Évolution du Neural Engine

L’évolution du Neural Engine illustre cette montée en puissance graduelle mais constante, préparant le terrain pour 2024.

C’est cette infrastructure matérielle, déployée à l’échelle de millions d’appareils bien avant l’annonce d’Apple Intelligence, qui a rendu possible la stratégie “hybride” d’Apple. Là où Google et Microsoft dépendaient massivement du cloud, Apple avait subrepticement distribué des millions de supercalculateurs IA latents dans les poches de ses utilisateurs.

MLX : l’offensive open source pour les développeurs

En décembre 2023, Apple a surpris la communauté open source en publiant MLX, un framework de machine learning optimisé spécifiquement pour Apple Silicon. Conçu par l’équipe de recherche en ML d’Apple (dont Awni Hannun), MLX n’était pas un simple portage de PyTorch.

Il offrait une mémoire partagée (unified memory), une évaluation paresseuse (lazy computation) et une construction de graphes dynamique, mimant la facilité d’utilisation de NumPy tout en exploitant la puissance brute des puces M1/M2/M3.

Le lancement de MLX était un signal stratégique fort : Apple savait qu’elle ne pouvait pas construire seule toutes les applications d’IA. En donnant aux développeurs les outils pour exécuter des modèles comme Llama, Mistral ou Whisper efficacement sur Mac, Apple a transformé le MacBook Pro en la machine de développement IA par excellence, coupant l’herbe sous le pied des PC Windows pour l’inférence locale.

C’était la première brique visible de l’écosystème “Apple Intelligence”, posée six mois avant l’annonce officielle, signalant aux chercheurs que le matériel Apple était prêt pour l’ère générative.

Le pivot WWDC 2024 : l’architecture de la confiance

Le 10 juin 2024, lors de la Worldwide Developers Conference (WWDC), Apple a rompu son silence. L’annonce d‘“Apple Intelligence” ne fut pas une simple présentation de fonctionnalités, mais la révélation d’une architecture système complète conçue pour résoudre les deux problèmes majeurs de l’IA générative : l’hallucination et la confidentialité.

Apple Intelligence : une redéfinition technique

Apple a redéfini l’acronyme “AI” pour signifier “Apple Intelligence”, s’appropriant le concept même. Loin des chatbots généralistes, Apple a présenté son système comme une couche d’intelligence personnelle, profondément intégrée à iOS 18, iPadOS 18 et macOS Sequoia.

La distinction fondamentale résidait dans l’approche hybride et orchestrée. Le système décide dynamiquement où exécuter la requête via un routeur intelligent :

• On-Device (sur appareil) : pour les tâches nécessitant une latence faible et une confidentialité maximale (résumés de notifications, tri de mails, réponses suggérées). Ces tâches sont gérées par un petit modèle de langage (SLM) d’environ 3 milliards de paramètres, hautement optimisé.

• Private Cloud Compute (PCC) : pour les requêtes complexes nécessitant plus de puissance de calcul et une base de connaissances plus large. C’est ici qu’Apple a déployé son innovation la plus audacieuse.

Private Cloud Compute : le “coffre-fort” numérique

Le Private Cloud Compute représente peut-être l’avancée la plus significative d’Apple, non pas en termes d’IA, mais en termes de sécurité informatique appliquée au cloud computing.

Pour contrer la méfiance inhérente au traitement des données personnelles sur des serveurs distants, Apple a conçu une architecture serveur radicalement nouvelle, basée sur ses propres puces Apple Silicon.

Cette architecture, analysée par des experts en cryptographie comme Matthew Green, transforme le problème de confiance (“Croyez-nous, nous ne regardons pas vos données”) en un problème de vérification technologique (“Voici la preuve mathématique et logicielle que nous ne pouvons pas regarder vos données”).

Le matériel au service du cloud : du M2 Ultra au M4

L’infrastructure physique du PCC est une démonstration de force de l’intégration verticale. Apple a réutilisé ses propres designs de puces pour équiper ses datacenters, une stratégie qui lui permet de s’affranchir de la dépendance envers Nvidia et ses coûteux GPU H100.

Initialement, les serveurs PCC ont été construits autour de modules M2 Ultra, offrant une bande passante mémoire de 800 Go/s et une capacité de mémoire unifiée de 192 Go, idéal pour l’inférence de grands modèles avec une latence minimale.

La transition rapide vers des serveurs basés sur la puce M4 fin 2025 montre qu’Apple traite désormais ses datacenters comme une extension de ses appareils grand public : un cycle de mise à jour matériel rapide et propriétaire.

Cette trajectoire connaîtra toutefois deux inflexions majeures en 2026 : l’extension du PCC à des infrastructures tierces (Google Cloud, sur GPU Nvidia Blackwell en Confidential Computing) et l’accord Broadcom pour les serveurs IA « Baltra » attendus en 2027 — nous y reviendrons dans la dernière partie.

L’alliance pragmatique avec OpenAI

Malgré cette infrastructure propriétaire, Apple a reconnu pragmatiquement que ses modèles (Project Ajax) n’avaient pas encore la “connaissance du monde” encyclopédique de GPT-4o. L’intégration de ChatGPT à Siri fut présentée non comme une fonctionnalité centrale, mais comme un “plugin” optionnel.

L’implémentation reflète la prudence d’Apple : Siri agit comme un gardien (gatekeeper), demandant explicitement la permission à l’utilisateur avant d’envoyer toute donnée à ChatGPT. Les termes négociés imposent à OpenAI de ne pas stocker les requêtes et de masquer les adresses IP.

Ce modèle permet à Apple de combler temporairement son retard sur la culture générale et la créativité textuelle, tout en déchargeant la responsabilité des hallucinations potentielles sur un tiers.

Le mot « temporairement » s’est révélé prophétique : en 2026, cette alliance s’est inversée. C’est désormais Google Gemini qui fournit le socle du nouveau Siri, ChatGPT étant relégué au rang d’option facultative — au point qu’OpenAI a envisagé publiquement des poursuites (voir « Le grand pivot de 2026 » plus bas).

Siri 2.0 et l’orchestration (2024-2026) : la promesse de l’action

Si le PCC est le coffre-fort, Siri 2.0 est le maître d’hôtel. La promesse centrale d’Apple Intelligence n’est pas de générer du texte, mais d’agir pour l’utilisateur. C’est ici que la stratégie d’Apple diverge radicalement de ses concurrents : l’IA n’est pas un chatbot, c’est une interface système.

App Intents : l’API de l’intention

La véritable révolution technique sous-jacente à Siri 2.0 n’est pas le LLM lui-même, mais l’extension massive du framework App Intents. Introduit discrètement en 2022 et étendu à la WWDC 2024, App Intents permet aux développeurs d’exposer les fonctionnalités internes de leurs applications au système sous forme d’actions atomiques structurées.

Au lieu de tenter de “lire” l’écran visuellement (une approche fragile et lente utilisée par certains agents IA concurrents), Siri 2.0 utilise App Intents comme un catalogue déterministe d’actions possibles.

Par exemple, une application de photographie comme Darkroom définit des “Intentions” (ex: “Appliquer le filtre Noir & Blanc”). Le LLM de Siri agit alors comme un orchestrateur sémantique : il traduit la demande vague de l’utilisateur (“Rends cette photo un peu nostalgique”) en un appel de fonction précis.

Cette approche est infiniment plus fiable, mais elle exige une mobilisation massive de l’écosystème. C’est la force unique d’Apple : la capacité à inciter des millions de développeurs à adopter un nouveau standard API, créant ainsi une bibliothèque d’actions mondiales que Siri peut invoquer.

Le contexte personnel et l’Index Sémantique

Pour être utile, Siri doit connaître l’utilisateur intimement. Apple a développé un Index Sémantique résidant exclusivement sur l’appareil. Ce système utilise la technique de RAG (Retrieval-Augmented Generation) pour indexer et vectoriser les emails, messages, notes, photos, rendez-vous et métadonnées de l’utilisateur.

Lorsqu’un utilisateur pose une question complexe comme “À quelle heure atterrit maman?”, Siri ne se contente pas de chercher le mot-clé “maman”. Le système exécute une chaîne cognitive complexe :

Les retards de déploiement : la complexité de la “conscience d’écran”

Malgré les annonces de juin 2024, le déploiement réel a été marqué par une lenteur frustrante, illustrant la difficulté technique de cette vision.

Ce retard s’explique par la complexité de la “conscience d’écran”. Analyser en temps réel le contenu visuel de l’application active pour comprendre le contexte nécessite des modèles multimodaux très performants tournant en permanence. Cela pose un défi thermique et énergétique majeur, même pour les puces A18 Pro.

Les risques de sécurité (hallucination d’une action bancaire, envoi de données au mauvais contact) ont poussé Apple à une prudence extrême, préférant retarder plutôt que de risquer la confiance de l’utilisateur.

Ces promesses non tenues ont fini par avoir un coût judiciaire : en mai 2026, Apple a accepté de verser 250 millions de dollars pour clore une action collective l’accusant d’avoir promu, afin de vendre les iPhone 15 et 16, des fonctions Siri jamais livrées dans les délais annoncés (jusqu’à 95 $ de dédommagement par appareil pour les clients américains, sans reconnaissance de faute).

Les modèles open source et la recherche fondamentale

Pour comprendre ce qui se passe “sous le capot” de Siri 2.0, il est impératif d’examiner les publications de recherche d’Apple. Souvent ignorées du grand public, elles contiennent les plans architecturaux des produits futurs.

OpenELM : l’efficacité avant la taille

En avril 2024, Apple a publié OpenELM (Open Efficient Language Models), une famille de modèles de langage open source disponible sur Hugging Face. Ce qui distingue OpenELM, ce n’est pas sa taille massive, mais son efficacité radicale.

Les modèles varient de 270 millions à 3 milliards de paramètres, des tailles “microscopiques” comparées aux modèles de frontière. OpenELM utilise une stratégie de mise à l’échelle par couche (layer-wise scaling), allouant les paramètres de manière non uniforme pour maximiser la précision par paramètre.

Ces modèles sont conçus pour tourner en arrière-plan sur un téléphone pour des tâches spécifiques (autocorrection intelligente, suggestion de réponse, résumé rapide) avec une empreinte mémoire minime, libérant le PCC pour les tâches lourdes.

Ferret et Ferret-UI : les yeux de l’agent

Le projet Ferret, dévoilé fin 2023 et mis à jour en 2024, est la pièce maîtresse technologique de la future “conscience d’écran” de Siri. Il s’agit d’un modèle multimodal (MLLM) spécialisé dans la “référence et l’ancrage” (referring and grounding).

Contrairement aux modèles de vision classiques qui décrivent une image globale, Ferret est capable de comprendre des désignations spatiales précises. Il utilise un échantillonneur visuel spatialement conscient (spatial-aware visual sampler) pour gérer des formes libres (points, boîtes, gribouillis) et les associer à des concepts textuels.

L’évolution Ferret-UI (2024) applique cette capacité aux interfaces mobiles. Ferret-UI peut “voir” un écran d’iPhone, identifier une icône spécifique, lire un petit texte, et comprendre la hiérarchie fonctionnelle de l’interface.

Ferret-v2 introduit la capacité de gérer “toute résolution” (any resolution), permettant au modèle de s’adapter à la densité de pixels élevée des écrans Retina sans perte de détails. C’est cette technologie qui permettra à Siri de “voir” que vous regardez une paire de chaussures sur Safari et de comprendre la commande “Quelle est ma taille?” sans contexte explicite.

Le grand pivot de 2026 : Gemini, Broadcom et la fin d’un dogme

La séquence qui s’est jouée entre l’automne 2025 et l’été 2026 constitue le chapitre le plus mouvementé de l’histoire de l’IA chez Apple. Elle valide certaines intuitions de la stratégie décrite plus haut — et en pulvérise d’autres.

L’hémorragie des talents et la fin de l’ère Giannandrea

Le premier signal fut humain. Après le départ de Ruoming Pang (chef des modèles de fondation, débauché par Meta mi-2025), c’est Ke Yang — à peine nommé à la tête de l’équipe AKI, le moteur de recherche « façon ChatGPT » destiné à Siri — qui a rejoint Meta en octobre 2025, suivant une douzaine de chercheurs de la division AIML. Le 1er décembre 2025, Apple a officialisé la retraite de John Giannandrea, l’architecte de la stratégie IA depuis 2018, dont le rôle avait déjà été réduit en mars 2025 lorsque Siri lui avait été retiré au profit de Mike Rockwell et Craig Federighi. Son successeur, Amar Subramanya (passé par Microsoft et Google Gemini), est devenu VP of AI sous l’autorité directe de Federighi. Giannandrea a quitté définitivement l’entreprise en avril 2026.

L’accord Gemini : louer le cerveau, garder le coffre-fort

Le 12 janvier 2026, Apple et Google ont officialisé ce que Bloomberg avait révélé deux mois plus tôt : les modèles Gemini deviennent le socle du Siri reconstruit et de la prochaine génération d’Apple Intelligence. L’accord pluriannuel — environ un milliard de dollars par an selon la presse — porte sur un modèle Gemini « custom » de 1 200 milliards de paramètres (architecture MoE), soit près de dix fois le modèle cloud maison qu’il remplace (~150 milliards). Point crucial pour la doctrine Apple : le modèle tourne sur les serveurs Private Cloud Compute, et les requêtes des utilisateurs ne sont jamais partagées avec Google.

Ce pivot a fait une victime collatérale : OpenAI. ChatGPT, partenaire vedette de 2024, est relégué au rang d’option facultative — au point que la presse financière rapportait en mai 2026 qu’OpenAI envisageait une action en justice, estimant que l’intégration promise n’avait jamais reçu la visibilité contractuellement attendue. Apple explorerait en parallèle une ouverture multi-fournisseurs (Anthropic est cité), tout en continuant de développer son propre modèle de ~1 000 milliards de paramètres.

En janvier 2026 également, Apple a signé la deuxième plus grosse acquisition de son histoire : la startup israélienne Q.ai (~2 milliards de dollars, imagerie et interprétation de la parole chuchotée) — rupture nette avec la stratégie historique des micro-acquisitions. En juillet, la presse rapportait des discussions exploratoires pour racheter des startups de puces IA, le CFO Kevan Parekh ayant abandonné l’objectif de trésorerie nette neutre : le chéquier est ouvert.

WWDC26 : « Siri AI », enfin

Après un iOS 26.4 arrivé en février 2026 sans la moindre nouveauté Siri, Apple a dévoilé le 8 juin 2026, à la WWDC26, le Siri tant promis — rebaptisé « Siri AI » et livré avec iOS 27 : conscience de l’écran en temps réel, recherche dans les messages, mails et photos, actions inter-apps via App Intents, application dédiée avec historique des conversations synchronisé via iCloud privé. Beta publique en juillet, sortie gratuite à l’automne 2026.

Deux restrictions notables au lancement : pas de Siri AI sur iPhone et iPad dans l’Union européenne (Mac et Vision Pro seulement, DMA oblige), et rien en Chine — du moins jusqu’à la mi-juillet, lorsque le régulateur chinois a approuvé un Apple Intelligence adossé au modèle Qwen d’Alibaba (avec Baidu en soutien), attendu à l’automne avec les nouveaux iPhone.

Le PCC sort de la maison Apple

Le même 8 juin, Apple a annoncé une hérésie apparente : l’extension du Private Cloud Compute à Google Cloud, sur GPU Nvidia Blackwell. Les charges lourdes (raisonnement complexe, usage d’outils agentiques, nouveaux Apple Foundation Models co-construits avec la technologie Gemini) tournent désormais dans des enclaves Nvidia Confidential Computing, en conservant les garanties du PCC : pas de stockage, pas d’accès possible, ni pour Apple ni pour Google. L’architecture de confidentialité vérifiable a survécu ; l’exclusivité Apple Silicon, non.

La riposte matérielle est déjà engagée : le 8 juillet 2026, Apple a annoncé un accord de plus de 30 milliards de dollars avec Broadcom (plus de 15 milliards de puces fabriquées aux États-Unis), dont la pièce maîtresse est le silicium des serveurs IA « Baltra », attendus dès 2027 pour reprendre le flambeau des serveurs M4 du PCC.

Résultats records et nouveau capitaine

Pendant ce temps, la thèse commerciale du « retard rentable » s’est vérifiée : trimestre des fêtes record (143,8 milliards de dollars, iPhone à 85,3 milliards, +23 %), puis un trimestre de mars à 111,2 milliards (+17 %) avec une R&D en hausse de 33 % — « tirée par l’IA », selon Tim Cook. 2,5 milliards d’appareils actifs, et selon Cook « la majorité des utilisateurs d’iPhone compatibles utilisent activement Apple Intelligence ».

C’est sur ce bilan que s’est jouée la transition la plus symbolique : le 20 avril 2026, Apple a annoncé que Tim Cook céderait la direction générale à John Ternus — le patron du hardware — le 1er septembre 2026, Cook devenant Executive Chairman. La première succession depuis 2011 place un ingénieur du silicium aux commandes, en pleine transition IA. Tout un symbole pour la thèse de cet article.

Vers l’horizon 2027

Le contraste initial entre “lenteur” et “profondeur” se résout en une stratégie cohérente de long terme. Apple n’a pas été lente par manque de vision, mais par nécessité architecturale. Lancer un chatbot est trivial. Lancer un système d’exploitation conscient du contexte, totalement privé, et profondément intégré à un milliard d’appareils est un défi d’ingénierie d’une autre magnitude.

Le M5 : la prédiction devenue silicium

La prédiction matérielle de cette analyse s’est réalisée mot pour mot. Lancé le 15 octobre 2025 (MacBook Pro, iPad Pro, Vision Pro), le M5 intègre des Accélérateurs Neuraux directement au sein de chaque cœur GPU, fusionnant calcul graphique et calcul IA — plus de quatre fois le calcul GPU IA de la génération M4. En mars 2026, les M5 Pro et M5 Max ont poussé la logique plus loin avec l’architecture « Fusion » reliant deux dies (jusqu’à 40 cœurs GPU, traitement des prompts LLM jusqu’à quatre fois plus rapide).

Cette architecture est la réponse matérielle directe aux besoins de modèles multimodaux comme Ferret-UI : analyser des pixels (GPU) et générer du sens (NPU) simultanément et sans latence.

La vision « au-delà du téléphone » : bilan à mi-2026

Sur les trois paris formulés pour 2026, le bilan est contrasté :

• Smart Home Hub : toujours pas sorti — les rumeurs de la chaîne d’approvisionnement évoquent désormais un « HomePad » (~350 $, puce A18) glissé vers l’automne 2026.

• Foldable iPhone : non annoncé officiellement, mais donné « en piste » par la chaîne d’approvisionnement pour un lancement en septembre 2026 aux côtés des iPhone 18 Pro (écran interne ~7,8”, environ 2 000 $), propulsé par les puces A20 gravées en 2 nm chez TSMC — dont Apple aurait réservé plus de la moitié de la capacité initiale.

• Agentivité complète : c’est la promesse de Siri AI, annoncé à la WWDC26 et attendu à l’automne 2026 avec iOS 27 — soit environ deux ans après la démonstration originale de la WWDC 2024, et au prix d’un règlement de 250 millions de dollars pour publicité mensongère.

La période 2020-2026 restera dans l’histoire technologique comme celle où Apple a refusé de jouer selon les règles de la “hype” imposées par la Silicon Valley. Au lieu de livrer un oracle omniscient mais halluciné dans le cloud, Apple a patiemment construit un système nerveux numérique : privé, local, et orienté vers l’action.

Mais l’année 2026 impose une lecture plus nuancée de la thèse initiale. L’intégration verticale « absolue » n’a pas survécu à l’épreuve des modèles de frontière : le cerveau du nouveau Siri est loué à Google, les nouveaux Apple Foundation Models sont co-construits avec la technologie Gemini, et l’inférence lourde tourne en partie sur des GPU Nvidia — chez Google Cloud. Ce qui a survécu, et qui reste unique au monde, c’est la verticale du silicium grand public (M5, A20 en 2 nm) et l’architecture de confiance : le Private Cloud Compute a prouvé qu’il pouvait s’étendre à des datacenters tiers sans sacrifier ses garanties de confidentialité vérifiable.

Au moment où John Ternus — un ingénieur du hardware — s’apprête à prendre les commandes, la conclusion s’impose d’elle-même : Apple n’a pas bâti le modèle le plus intelligent, et a cessé de prétendre le faire. Elle a bâti l’ordinateur le plus intelligent — et le coffre-fort dans lequel les modèles des autres viennent travailler.