Perplexity Computer sur Mac ajoute une IA entièrement locale, avec accès au cloud facultatif

Selon l’entreprise, Perplexity Computer sur Mac propose désormais un fonctionnement entièrement local, en exécutant le modèle et l’agent sur l’ordinateur plutôt qu’en exigeant un raisonnement dans le cloud. Cette annonce change le périmètre dans lequel les travaux sensibles peuvent être effectués. Elle introduit aussi une distinction que les utilisateurs doivent comprendre : accéder à des fichiers locaux et les traiter localement sont deux capacités distinctes.

Perplexity indique que le nouveau mode conserve la planification des tâches, le raisonnement et le traitement des fichiers sur les Mac compatibles équipés de puces Apple silicon. Une assistance cloud reste disponible avec l’autorisation de l’utilisateur. Le choix central devient ainsi plus précis que « ordinateur de bureau contre web ». Les utilisateurs peuvent décider si une tâche reste sur leur machine ou sollicite des services distants.

Apple offre un point de comparaison utile, ayant développé des modèles distincts sur l’appareil et sur serveur pour Apple Intelligence. Perplexity transpose ce choix d’emplacement à un agent de bureau, un logiciel qui planifie des actions et utilise des outils. La question immédiate est de savoir quels flux de travail quotidiens peuvent être menés localement sans sacrifier la précision, l’accès aux applications ou la supervision exigés par les utilisateurs.

Ce que Perplexity Computer sur Mac change réellement

L’annonce transfère sur le Mac la partie décisionnelle d’un agent, allant au-delà de l’accès aux fichiers qui y sont stockés.

Dans son annonce sur le fonctionnement entièrement local, Perplexity indique que le modèle, l’environnement d’exécution de l’agent et l’exécution des tâches peuvent fonctionner sur l’appareil. L’entreprise cite Qwen 3.6 et PPLX Pro comme options de modèles locaux. Elle recommande au moins 36 Go de mémoire sur les appareils compatibles équipés de puces Apple silicon.

Cette recommandation mérite attention, car une application de bureau et un système d’IA local n’imposent pas les mêmes exigences matérielles. Installer une interface ne signifie pas que tous les Mac peuvent exécuter confortablement son modèle sous-jacent. Les acheteurs devraient distinguer la compatibilité générale de l’application des exigences de son mode entièrement local.

Perplexity conserve également Hybrid Compute, qui associe le raisonnement dans le cloud au traitement local de données privées. L’option entièrement locale démarre en revanche la planification des tâches sur le Mac. Selon l’entreprise, les utilisateurs peuvent autoriser une extension pour des informations en ligne, des applications connectées ou un raisonnement supplémentaire.

Le changement pratique concerne donc la personne qui contrôle cette extension. Une tâche qui démarre localement devrait avoir une limite clairement compréhensible avant que des informations n’atteignent un autre service. La capacité de l’interface à rendre cette limite évidente comptera autant que l’écran de sélection du modèle.

Prenons l’exemple hypothétique d’une revue de projet impliquant des notes téléchargées, un classeur budgétaire et une mise à jour inachevée. Le résultat utile serait un brouillon précis, fondé sur ces éléments. Un agent local devrait examiner les données d’entrée, résoudre les incohérences et enregistrer un résultat vérifiable sans raisonnement distant.

Cet exemple illustre la capacité promise, plutôt qu’un résultat observé de manière indépendante. Il montre également pourquoi la seule réponse d’un chatbot serait une preuve insuffisante. L’achèvement du flux de travail exige une lecture fiable, une planification pertinente, des modifications correctes et un historique clair des changements.

L’annonce soulève donc une question d’évaluation plus large. Un système local peut-il achever un travail utile dans les applications que les gens utilisent déjà ? Un modèle qui répond avec succès à une invite n’a relevé qu’une partie du défi.

Pour les lecteurs qui rencontrent des descriptions « sans Wi-Fi », la nuance est simple. Le raisonnement hors ligne peut prendre en charge des tâches dont les données d’entrée et les outils sont déjà disponibles localement. Il ne peut pas récupérer une page web nouvellement publiée ni envoyer un e-mail via un réseau déconnecté.

L’installation initiale et les téléchargements de modèles constituent une autre question distincte. Un système peut nécessiter une connexion pendant la configuration tout en exécutant ensuite des tâches hors ligne. Les tests devraient identifier l’étape mesurée plutôt que de traiter l’installation, l’exécution et la livraison comme un seul processus indifférencié.

L’accès aux fichiers locaux existait déjà

La nouvelle affirmation porte sur le lieu où s’effectue le raisonnement, alors que les versions précédentes sur Mac offraient déjà l’accès aux applications et fichiers locaux.

Le lancement de l’agent de bureau de Perplexity documentait en avril l’édition locale, l’utilisation de l’ordinateur, la navigation Comet et l’orchestration vocale. Ses exemples incluaient l’organisation de dossiers, la rédaction d’e-mails et l’utilisation de Notes et Calendar. Ces capacités établissent que l’intégration à Mac est antérieure à cette annonce.

Cet historique importe, car « fonctionne sur votre Mac » peut décrire plusieurs configurations. Une application peut effectuer des clics localement tandis qu’un modèle distant décide de ces clics. Elle peut lire un document du stockage local tout en envoyant son contenu ailleurs pour analyse.

Aucune de ces configurations ne devient entièrement locale simplement parce que l’interface est placée dans la barre de menus. La distinction déterminante est de savoir si le raisonnement de la tâche dépend d’un service distant. Cette distinction détermine ce qu’un test hors ligne doit établir.

Pour les travailleurs du savoir, cela sépare la commodité du contrôle sur le lieu de traitement. Un accès pratique réduit les copies entre applications. Le raisonnement local répond à une autre préoccupation : le contenu doit-il quitter l’ordinateur pour produire une réponse ou une action ?

La pression s’exerce d’abord sur les fournisseurs d’agents de bureau dont le message laisse ces configurations floues. Dès lors que les utilisateurs peuvent sélectionner un lieu d’exécution, les produits concurrents doivent expliquer leurs propres paramètres par défaut. Un langage général sur la confidentialité devient moins informatif qu’une description concrète de ce qui circule, et où.

Les acheteurs en entreprise sont confrontés à un problème de documentation connexe. Une équipe qui évalue un assistant doit comprendre séparément l’accès aux fichiers, le lieu de traitement, les connexions externes et la gestion des résultats. Une seule étiquette « local » ne peut répondre à toutes ces questions.

Cela n’établit pas que les organisations devraient remplacer leurs systèmes existants. Cela modifie les questions qu’elles peuvent poser lors de l’évaluation. Un fournisseur qui revendique un fonctionnement local devrait pouvoir décrire les conditions dans lesquelles cette affirmation est valable.

Les développeurs subissent une pression à la frontière de l’application. Si un agent peut raisonner localement mais ne peut pas examiner ou mettre à jour de manière fiable un document utile, le flux de travail reste bloqué. L’intégration aux applications et les capacités du modèle doivent évoluer ensemble.

Une distinction connexe apparaît dans la gestion des connaissances personnelles : collecter des informations ne les rend pas automatiquement utiles plus tard. Un agent a besoin de données pertinentes et accessibles avant de pouvoir agir sur une demande. Le lieu de traitement ajoute une autre exigence à ce problème d’information existant.

Le calendrier de l’annonce se comprend donc mieux à travers l’évolution du produit. Perplexity avait déjà relié Computer au bureau. Sa nouvelle affirmation place également le processus de raisonnement sur l’ordinateur, permettant aux utilisateurs d’évaluer l’exécution locale comme un flux de travail complet.

Le choix entre contrôle local et portée du cloud

Le fonctionnement local modifie le lieu par défaut du travail, tandis que l’accès au cloud demeure utile pour les tâches exigeant des informations au-delà de la machine.

Une tâche locale possède une frontière informationnelle identifiable. Elle peut s’appuyer sur des documents, messages et autres contenus déjà accessibles sur l’ordinateur. Ses réponses restent limitées par ces éléments, quelle que soit la sophistication de son raisonnement.

Le travail connecté au cloud offre un avantage différent. Il peut intégrer des informations actuelles et atteindre des services indisponibles hors ligne. Le compromis concerne la gestion des informations à travers cette frontière, ainsi que la qualité et la rapidité du travail obtenu.

L’exemple hypothétique d’un analyste examinant un rapport téléchargé illustre cette différence. Résumer le rapport et comparer ses sections internes peuvent rester une tâche fermée. Vérifier si ses hypothèses correspondent toujours aux événements actuels introduit un besoin d’information externe.

La même distinction s’applique aux communications. Préparer une réponse à partir d’une correspondance disponible localement est distinct de l’envoi de cette réponse. Une interface utile devrait rendre cette transition visible, en particulier lorsque le message contient du contenu issu de documents privés.

C’est pourquoi l’interprétation la plus solide de l’IA locale évite de considérer la connectivité comme un échec automatique. La question pertinente est de savoir si l’accès externe est nécessaire, compris et autorisé. Un point de départ local peut coexister avec des étapes en ligne délibérées.

Apple offre une comparaison concrète dans le secteur. Sa recherche sur les modèles fondamentaux décrit des modèles distincts sur l’appareil et sur serveur, dont un modèle local d’environ trois milliards de paramètres. Ces travaux établissent un précédent pour la conception de modèles différents selon les environnements d’exécution.

L’approche d’Apple invite aussi à la prudence face aux comparaisons simplistes. Un modèle conçu pour des fonctionnalités sur l’appareil et un agent de bureau coordonnant des applications sont confrontés à des exigences d’évaluation différentes. Leur intérêt commun pour le traitement local n’établit pas des capacités équivalentes.

La proposition concurrentielle de Perplexity se concentre sur l’achèvement des tâches dans l’environnement de travail d’un utilisateur. Les recherches publiées par Apple apportent un contexte au choix sous-jacent du lieu d’exécution. Aucune de ces sources, prise isolément, n’établit quel système accomplit plus précisément un flux de travail de bureau donné.

La concurrence la plus claire se situe donc entre les approches d’exécution : un raisonnement local avec des données d’entrée limitées et un travail assisté par le cloud avec une portée plus large. Les produits individuels peuvent proposer les deux. La comparaison significative porte sur la manière dont chaque approche répond à une tâche précise.

Pour une organisation, cela suggère d’évaluer séparément les catégories de travail. Examiner des documents téléchargés, rédiger des textes internes et organiser un dossier de projet ont des exigences différentes de la surveillance des évolutions actuelles. Une note globale unique pour un agent masquerait ces différences.

L’IA locale modifie également le rôle de la propriété du matériel. Le traitement s’effectue sur une ressource contrôlée par l’utilisateur, mais cette ressource dispose d’une mémoire limitée et de charges de travail concurrentes. Toute évaluation devrait tenir compte des responsabilités habituelles de l’ordinateur en parallèle de l’agent.

L’assistance cloud peut rester le choix approprié lorsqu’elle produit un résultat plus utile dans des conditions acceptables. L’exécution entièrement locale trouve sa place lorsqu’elle achève le travail dans le périmètre prévu par l’utilisateur. Sa valeur réside dans le fait de rendre ce choix pratique et explicite.

Les autorisations déterminent toujours ce que l’agent peut faire

Conserver le raisonnement sur l’appareil répond à la question du lieu de traitement, mais l’agent a toujours besoin d’autorisations soigneusement limitées pour agir.

Le guide des autorisations Mac de Perplexity décrit l’accès à Accessibility pour cliquer et saisir du texte, l’accès à l’enregistrement d’écran pour observer l’interface, et l’accès au disque pour les fichiers. Il décrit également la connexion de dossiers et l’approbation d’actions sensibles. Ces autorisations sont importantes, même lorsque le traitement reste local.

Chaque autorisation expose une partie différente de l’environnement de travail. Un agent capable de voir une application dispose de capacités différentes de celles d’un agent capable d’en modifier le contenu. L’évaluation doit prendre en compte à la fois la visibilité et l’action.

La distinction devient particulièrement importante lorsqu’une tâche s’étend sur plusieurs applications. Une demande de préparation d’un point d’avancement de projet peut impliquer des notes privées, une feuille de calcul et un brouillon de communication. L’autorisation de lire ces éléments ne devrait pas devenir une instruction ambiguë de publier le résultat.

Un modèle local peut malgré tout mal comprendre une demande. Il peut sélectionner un document obsolète, confondre des fichiers aux noms similaires ou produire un calcul erroné. Déplacer ce modèle sur l’ordinateur ne supprime pas la nécessité d’examiner les résultats importants.

La question de la sécurité dépasse également les instructions intentionnelles. L’injection de prompt se produit lorsqu’un contenu rencontré pendant une tâche tente de rediriger le comportement de l’agent. Des documents stockés localement peuvent contenir ce type de contenu ; un fonctionnement déconnecté n’élimine donc pas cette catégorie de risque.

Il s’agit d’une évaluation générale des risques, et non d’un constat selon lequel cette version présente une vulnérabilité particulière. En pratique, cela signifie que le lieu d’exécution et l’autorité accordée doivent faire l’objet d’un examen distinct. Un environnement d’exécution privé bénéficie toujours de limites claires quant à ce que l’agent peut modifier.

Par exemple, une hypothétique tâche de nettoyage de dossier devrait distinguer le regroupement de fichiers de leur suppression. Une tâche de rédaction devrait distinguer l’enregistrement d’un document de son envoi. Ces limites facilitent la vérification des résultats et le confinement des erreurs.

Les acheteurs devraient également examiner la manière dont le produit explique son activité. Un document finalisé peut à lui seul masquer les éléments qui ont façonné le résultat. Un compte rendu compréhensible du travail aide les utilisateurs à repérer les sources manquantes, les hypothèses erronées et les modifications involontaires.

Il existe ici une tension en matière d’ergonomie. Des demandes d’approbation fréquentes peuvent interrompre une automatisation utile, tandis que de larges autorisations permanentes peuvent masquer des actions importantes. Le produit doit placer les points de contrôle là où ils aident les utilisateurs à prendre des décisions éclairées.

Cela confie une mission concrète aux évaluateurs indépendants. Ils devraient examiner si le modèle d’autorisation correspond à la tâche et si le système s’arrête à la limite attendue. Une démonstration de résultat réussi ne peut à elle seule répondre à ces questions.

Pour les travailleurs du savoir, la leçon est pratique. Le traitement privé est précieux lorsqu’il s’accompagne d’une exécution fiable et d’un contrôle compréhensible. Le produit le plus utile rendra toutes ces propriétés visibles dans le travail quotidien.

Les affirmations matérielles nécessitent des preuves dans les flux de travail

Le fait qu’un modèle s’exécute localement ne prouve pas qu’un agent de bureau accomplit des tâches réelles de manière fiable ou efficace.

Perplexity a publié des travaux techniques qui rendent son effort d’inférence locale plus inspectable. L’inférence consiste à exécuter un modèle entraîné afin de générer des résultats. Son serveur d’inférence locale, Lily, cible un point de contrôle Qwen spécifique sur du matériel Apple pris en charge.

Le dépôt documente une implémentation limitée, avec des exigences et des restrictions explicites. Il s’agit d’une preuve d’ingénierie utile, car elle précise ce que le logiciel accepte et comment il fonctionne. Elle ne doit pas être considérée comme une spécification complète de l’application Mac destinée au grand public.

Un agent de bureau comprend davantage qu’un serveur d’inférence. Il doit interpréter les demandes, sélectionner des outils, gérer l’état des applications et se rétablir lorsque des actions échouent. Les performances d’un composant ne prédisent pas automatiquement l’expérience sur l’ensemble de cette chaîne.

Cela fait de l’achèvement des tâches une meilleure mesure principale que la vitesse de génération du texte. Une réponse rapide suivie de modifications incorrectes fait perdre du temps. Une exécution plus lente qui produit un résultat précis et vérifiable peut être plus utile.

Les évaluateurs devraient définir la réussite avant de commencer un test. Une tâche sur un document peut exiger la préservation de faits nommés et l’enregistrement au bon emplacement. Une tâche sur une feuille de calcul peut exiger des formules correctes et l’absence de modifications involontaires en dehors de la plage demandée.

Ces critères devraient rester les mêmes lors de la comparaison entre une exécution locale et une exécution assistée par le cloud. Dans le cas contraire, la comparaison risque de récompenser le mode ayant reçu la mission la plus facile. Des entrées et résultats attendus identiques rendent le résultat interprétable.

Le compte rendu du matériel exige une discipline similaire. Une évaluation utile identifie la machine, la mémoire disponible, le choix du modèle et les autres applications en cours d’exécution pendant la tâche. Sans ce contexte, les lecteurs ne peuvent pas déterminer si l’expérience s’applique à leur propre configuration.

Le comportement sur ordinateur portable mérite de l’attention au même titre que les démonstrations sur ordinateur de bureau. Les lecteurs doivent savoir si le travail ordinaire reste réactif pendant que l’agent opère. Les tâches prolongées devraient être évaluées comme des sessions de travail, plutôt que comme des instants isolés de génération réussie.

Les tests hors ligne nécessitent également un périmètre défini. Se déconnecter après l’installation peut permettre de tester si une tâche locale requiert un raisonnement distant. Cela ne prouve pas que chaque fonctionnalité du produit fonctionne hors ligne ni que toute l’activité en arrière-plan a été caractérisée.

L’observation du réseau peut apporter des preuves supplémentaires sur les connexions tentées pendant une tâche. L’interprétation de ces éléments exige de la prudence, car les vérifications de compte, les mises à jour et le traitement des tâches ont des finalités différentes. Les évaluateurs devraient décrire ce qu’ils ont observé sans avancer d’explications non étayées.

Les affirmations relatives à la confidentialité exigent la même retenue. L’annonce permet de rapporter ce que Perplexity affirme que son mode local accomplit. Une vérification indépendante nécessiterait d’examiner le comportement sur des tâches représentatives, des réglages et des transitions vers une assistance cloud.

Les preuves les plus solides combineraient des résultats précis, des autorisations compréhensibles et un comportement reproductible dans des conditions déclarées. Tant que de tels tests ne sont pas disponibles, cette version constitue une affirmation documentée du produit assortie d’une voie d’évaluation claire. Elle ne représente pas une garantie universelle pour tous les flux de travail sur Mac.

Trois signaux montreront à quel point Local Computer devient utile

Les prochaines preuves devraient établir l’exécution hors ligne, des transitions cloud visibles et des performances reproductibles sur les Mac pris en charge.

Le premier signal sera constitué de tests indépendants de flux de travail complets hors ligne. Au cours des prochains mois, les évaluateurs devraient publier les éléments d’entrée, les résultats attendus et les fichiers obtenus pour des tâches représentatives. Cela renforcerait davantage la confiance qu’une nouvelle brève démonstration.

Les tâches les plus instructives concerneront le travail ordinaire avec suffisamment de complexité pour révéler les erreurs. Des notes contradictoires, des documents révisés et des instructions incomplètes constituent des défis utiles. Ils montrent si le système reconnaît l’incertitude ou comble silencieusement les lacunes.

Un résultat réussi montrerait que l’exécution locale dépasse la simple réponse de chat autonome. Des échecs répétés aux frontières entre applications limiteraient la valeur pratique du lancement. Dans les deux cas, les utilisateurs pourraient mieux identifier les tâches appropriées.

Le deuxième signal concerne la manière dont le produit gère le passage vers une assistance cloud. Les lecteurs devraient rechercher des explications claires sur la raison pour laquelle une étape externe est nécessaire et les informations qu’elle utilise. L’interface devrait rendre le choix d’exécution compréhensible pendant la tâche.

Cette visibilité renforcerait l’affirmation selon laquelle les utilisateurs contrôlent la frontière de traitement. Des transitions confuses ou des paramètres par défaut peu clairs l’affaibliraient. La question est de savoir si une personne peut prendre une décision éclairée sans devoir reconstituer après coup le comportement du système.

Cela importe particulièrement pour les tâches mixtes. L’examen d’un document privé suivi d’une recherche d’actualité franchit une limite significative. Une bonne conception de produit devrait préserver cette distinction, même lorsque la demande globale semble former une mission continue.

Le troisième signal est la performance reproductible sur l’ensemble de la gamme de matériel prise en charge. Les tests indépendants devraient comparer la qualité d’achèvement et le comportement lors de sessions de travail dans des conditions divulguées. Un résultat obtenu sur un ordinateur de bureau très bien équipé ne devrait pas représenter tous les ordinateurs pris en charge.

Des résultats cohérents faciliteraient l’évaluation et le déploiement de la fonctionnalité par les équipes. De grands écarts entre les configurations rendraient les recommandations matérielles plus importantes. L’un ou l’autre constat serait plus utile qu’une affirmation indifférenciée selon laquelle l’IA locale est arrivée.

L’adoption dépendra de l’intersection de ces signaux. Les utilisateurs ont besoin d’un travail qui aboutit, de limites qu’ils comprennent et de performances adaptées à leur machine. Une force dans un seul domaine laissera des aspects importants de l’expérience sans réponse.

Pour l’instant, Perplexity Computer sur Mac propose un changement concret dans le choix d’exécution. L’entreprise affirme que le raisonnement d’une tâche peut rester à côté de ses entrées locales, avec une assistance distante disponible lorsqu’elle est autorisée. Il s’agit d’une capacité importante à évaluer, notamment pour le travail intensif sur documents.

Choisissez une tâche représentative avant de tirer une conclusion plus large. Utilisez des copies de fichiers de travail ordinaires, précisez le résultat attendu et décidez quelles actions exigent une vérification. Comparez le résultat avec le matériel source, puis répétez la mission dans les mêmes conditions. Si la tâche nécessite des informations actuelles, examinez comment le produit explique cette transition. Gardez séparées les questions du lieu de traitement, de l’exactitude et du contrôle des applications tout au long de l’évaluation. La question utile est de savoir si le mode local de Perplexity accomplit votre travail dans la limite que vous aviez prévue. Commencez par un flux de travail documentaire délimité et évaluez le résultat final, les modifications apportées et les décisions dont l’approbation vous a été demandée.