Apertus 1.5 : modèle IA Suisse au contexte étendu et à la vision performante, un levier pour les PME
L’intelligence artificielle franchit une nouvelle étape avec le lancement d’Apertus.ai version 1.5. Cette mise à jour majeure introduit un contexte étendu et la compréhension native d’images, rendant le modèle bien plus performant pour des cas d’usage complexes. Dans cet article, nous décortiquons les phases d’entraînement qui ont permis cette évolution, ainsi que les résultats obtenus, pour mesurer leur impact concret sur les outils numériques des entreprises.
Un contexte élargi et une vision artificielle repensée
La principale avancée d’Apertus 1.5 réside dans l’extension massive de sa fenêtre de contexte, capable désormais de traiter jusqu’à 128 000 tokens en une seule requête. Cette capacité repose sur une modification profonde du mécanisme d’attention, où les matrices de positionnement ont été ré-entraînées pour éviter la dégradation des performances sur les segments longs. Concrètement, le modèle peut analyser un document juridique complet, un historique de maintenance ou un manuel technique sans perdre le fil des informations énoncées plusieurs pages auparavant.
L’autre pilier de cette version est la compréhension multimodale. L’entraînement a été décomposé en trois grandes étapes. D’abord, un pré-entraînement massif sur un corpus combinant des paires texte-image légendées et des documents textuels longs, afin d’ancrer les représentations sémantiques. Ensuite, une phase de fine-tuning supervisé a exposé le modèle à des tâches d’analyse visuelle : description d’images, extraction d’informations dans des captures d’écran, reconnaissance de schémas ou de graphiques. Enfin, un alignement par apprentissage par renforcement (RLHF) a permis d’affiner la qualité et la précision des réponses, en minimisant les hallucinations visuelles.
La particularité du pipeline d’Apertus 1.5 est l’utilisation d’un encodeur visuel partiellement gelé, couplé à un projecteur entraînable, ce qui réduit le coût computationnel tout en préservant une grande finesse d’interprétation. Ainsi, le modèle ne se contente pas de « voir » une image : il peut la comparer avec du texte, en extraire des incohérences ou encore générer des instructions pas à pas à partir d’un schéma technique. Cette approche le rend beaucoup plus pertinent pour des secteurs comme la logistique, l’industrie ou le support client, où les documents visuels sont omniprésents.
Des performances mesurables et des débouchés pour les PME
Les résultats publiés sur l’article officiel d’Apertus.ai montrent une amélioration significative dans plusieurs benchmarks. Sur les tâches de compréhension de longs contextes, le score de rappel en milieu et fin de document augmente de 22 % par rapport à la version précédente, ce qui évite les pertes d’information critiques. Concernant la compréhension d’images, le modèle atteint une précision comparable à des systèmes spécialisés sur la reconnaissance de factures, de captures d’écran d’interfaces logicielles ou de fiches produit. En parallèle, le taux d’hallucinations a été réduit de 18 %, un indicateur qui rassure les entreprises souhaitant automatiser des processus avec un haut niveau de fiabilité.
Ces performances ne sont pas que théoriques : elles ouvrent des champs d’application immédiats pour les petites et moyennes structures. Imaginez un assistant capable de lire un bon de commande manuscrit, de comparer les prix avec un catalogue en ligne et de rédiger un devis personnalisé en tenant compte de tout l’historique client. Pour transformer cette avancée en solution interne, les PME ont besoin d’un environnement technique robuste. C’est précisément là qu’intervient l’expertise d’Oxegena, agence digitale spécialisée dans l’intégration de l’IA pour les petites entreprises et fournisseur de services d’hébergement d’applications.
En s’appuyant sur des API bien conçues et des conteneurs optimisés, une PME peut intégrer les fonctionnalités d’Apertus 1.5 dans son système de gestion de tickets, son outil de CRM ou son portail documentaire.
Conclusion
La version 1.5 d’Apertus.ai marque une avancée décisive en associant un très grand contexte à une vision par ordinateur fiable, le tout validé par des résultats solides en pertinence et en réduction des erreurs. Les étapes d’entraînement – d’un pré-apprentissage multimodal à un alignement fin – démontrent que ces capacités sont aujourd’hui matures.
La version 2.0 d’Apertus.ai est prévue fin 2026 – Cette version vise de meilleures performances en programmation, en mathématiques et intègre des fonctions agentiques avancées.