Tether, la compagnie derrière le stablecoin USDT de 120 milliards $, a lancé QVAC SDK — un kit de développement open-source qui permet aux développeurs de créer des applications d'IA fonctionnant entièrement sur l'appareil sans dépendances cloud. Construit sur une branche personnalisée de llama.cpp appelée "QVAC Fabric", le framework supporte la génération de texte, le traitement vocal via whisper.cpp et Parakeet, la reconnaissance visuelle, et la traduction sur l'appareil grâce à Bergamot. Le SDK promet une compatibilité multiplateforme sur iOS, Android, Windows, macOS, et Linux à travers un API unifié.
C'est le mouvement le plus agressif de Tether au-delà des stablecoins, se positionnant dans ce qu'elle appelle l'"Ère de l'Intelligence Stable" de l'infrastructure d'IA décentralisée. Le timing fait du sens — les préoccupations de confidentialité autour de l'IA cloud augmentent, et les développeurs sont de plus en plus frustrés par les modèles d'abonnement et les limites d'utilisation de fournisseurs comme OpenAI. En éliminant les allers-retours serveur, QVAC vise une latence quasi-nulle et une confidentialité complète des données, des avantages qui comptent pour les applications réelles où les millisecondes et la confiance des utilisateurs sont importantes.
Ce qui est notable, c'est la stratégie d'infrastructure de Tether ici. La compagnie ne fait pas que créer des outils pour développeurs — elle exploite son protocole Holepunch existant pour le réseau peer-to-peer, suggérant une stratégie plus large pour devenir l'épine dorsale des systèmes d'IA décentralisés. Cela pourrait positionner USDT comme la devise native pour les marchés de calcul d'IA distribués, bien que ce soit de la spéculation à ce point.
Pour les développeurs, QVAC représente une alternative véritable aux workflows d'IA dépendants du cloud, surtout pour les applications où la confidentialité et la capacité hors ligne comptent. La promesse multiplateforme est convaincante si elle livre — la plupart des frameworks d'IA sur appareil nécessitent des implémentations séparées par plateforme. Le vrai test sera la performance et la qualité des modèles comparée aux alternatives cloud, ce qui reste à voir.