IA Traitement du son · 13 October 2026

LALAL.AI fait tourner sa séparation de stems en local : autopsie d’une bascule qui pourrait détrôner le cloud

À l’IBC 2026, LALAL.AI n’a pas seulement ajouté des stems à son séparateur : elle a montré une séparation de stems tournant entièrement en local, sans upload ni décompte de minutes. Derrière la démo, c’est toute l’économie du traitement audio qui vacille. Voici ce que l’on sait vraiment — et ce qui reste à prouver.

IBC 2026 : la démo qui a fait taire le bruit du cloud

L’IBC est, depuis des décennies, le temple de l’infrastructure. On y vient pour voir des caméras, des régies, des serveurs de diffusion, des fermes de rendu. C’est un salon où le mot « cloud » s’affiche en lettres capitales sur les stands, où l’on parle bande passante, redondance et coût au téraoctet. C’est précisément pour cela que la démonstration de LALAL.AI à l’IBC 2026 a de quoi surprendre.

Selon le communiqué relayé par Yahoo Finance, l’entreprise « revient à l’IBC 2026 avec des démos live de post-production audio, plus un premier aperçu de l’IA on-device ». La formulation est sobre, presque pudique. Mais elle contient un basculement : l’IA on-device, c’est-à-dire exécutée sur la machine de l’utilisateur, sans passer par un serveur distant. Pour un acteur dont toute l’identité reposait jusqu’ici sur un service en ligne — upload, traitement, téléchargement — c’est un virage architectural.

Le contexte du salon n’est pas anodin. L’IBC 2026 s’est tenu dans un moment où l’industrie audio professionnelle commence à regarder le cloud avec une méfiance nouvelle : coûts de calcul qui explosent, dépendance à la bande passante des studios, exigences de confidentialité pour les projets sous NDA, et une pression énergétique de plus en plus documentée sur les data centers. La démo de LALAL.AI s’inscrit dans cette humeur. Elle ne dit pas « le cloud est mort » — elle dit « voici une alternative qui tourne sur votre machine ».

Ce qu’il faut retenir de la démo elle-même : une séparation de stems exécutée en local, sans upload, sans abonnement au calcul. Autrement dit, pas de facturation à la minute de traitement, pas de fichier audio qui quitte le disque dur. Pour un ingénieur du son travaillant sur des sessions confidentielles, l’argument est loin d’être cosmétique.

De la suppression vocale à la sixième génération : la trajectoire d’un pur cloud

Pour comprendre l’ampleur du virage, il faut revenir à ce que LALAL.AI était. Le site officiel se présente comme un outil initialement mono-fonction de suppression vocale, devenu « n°1 » puis suite complète de traitement audio : séparation voix/instrumental, séparation de stems (batterie, basse, guitare, piano, synthé, cordes, vents), nettoyage vocal, changement et clonage de voix, suppression d’écho et de réverbération, séparation lead/back. L’entreprise revendique « six ans d’innovations » et un « moteur de sixième génération ». Ces chiffres sont des auto-déclarations marketing, non corroborées par une source tierce indépendante dans les éléments dont nous disposons — il faut les prendre pour ce qu’ils sont : des repères de positionnement, pas des faits vérifiés.

Ce qui est en revanche documenté, c’est l’architecture technique revendiquée : LALAL.AI décrit un service en ligne, avec upload de fichier, analyse, séparation, téléchargement, et mentionne l’usage de « technologie des transformeurs » et de « réseaux neuronaux ». Les modèles cloud de l’entreprise portent des noms de code : Andromeda, Perseus et Orion. Ils tournent, selon la communication officielle, sur des serveurs haute performance, optimisés pour la qualité, sans contrainte de coût computationnel. C’est la promesse classique du cloud : on ne se soucie pas de la machine de l’utilisateur, on empile des GPU et on fait tourner des modèles lourds.

Cette approche a un prix, au sens propre. Chaque minute d’audio traitée consomme du calcul facturé, ce qui pousse mécaniquement vers des abonnements, des crédits, des quotas. Elle a aussi un coût en latence : il faut uploader, attendre, télécharger. Et un coût en confidentialité : le fichier quitte la machine. Ces trois frictions — coût, latence, confidentialité — sont exactement les arguments que l’on retrouve dans toute bascule vers l’embarqué. LALAL.AI ne les a pas inventées, mais elle vient de démontrer qu’elle sait les adresser.

Anatomie d’une séparation de stems qui tourne en local : modèles compressés, NPU et runtimes

Comment une séparation de stems peut-elle tenir sur une machine personnelle ? La réponse tient en trois mots : compression, accélération matérielle, runtime.

Un modèle cloud de séparation de stems est typiquement un gros réseau de neurones — souvent à base de transformeurs ou d’architectures hybrides convolution/attention — entraîné sur des centaines d’heures de musique multitrace. Pour le faire tenir sur un laptop, il faut le comprimer. Trois techniques dominent : la quantification, qui réduit la précision des poids (de 32 bits flottants vers 8 ou 4 bits entiers) au prix d’une légère perte de fidélité ; le pruning, qui supprime les connexions les moins utiles ; et la distillation, où un petit modèle « élève » apprend à imiter un grand modèle « professeur ». Ces trois leviers se cumulent, et c’est ce qui rend possible l’exécution locale.

Reste à faire tourner le modèle compressé sur du matériel grand public. C’est là qu’intervient le NPU — Neural Processing Unit —, ce bloc de calcul dédié à l’inférence IA que l’on trouve désormais dans les puces récentes d’Intel, AMD, Apple, Qualcomm et consorts. Les formats de modèles mobilisés dans ce genre de scénario sont bien connus : ONNX pour la portabilité, Core ML sur Mac et iOS, NNAPI sur Android, DirectML sur Windows. Les runtimes correspondants — ONNX Runtime, Core ML, DirectML — savent déléguer les opérations au NPU quand il est disponible, et retomber sur le CPU ou le GPU sinon.

Ce qu’il faut clarifier, c’est la frontière entre ce qui est réellement embarqué et ce qui reste dépendant du cloud. Dans le cas de LALAL.AI, la communication officielle parle de « Lyra », un modèle de séparation de stems qui tourne « 100 % en local » via une application desktop et un plugin VST, sans upload, sans internet, sans décompter les minutes de traitement. Lyra supporte sept stems : Vocals, Instrumental, Drums, Bass, Piano, Acoustic Guitar, Electric Guitar. C’est une source unique — le blog officiel — et aucune confirmation tierce n’est disponible à ce stade. Mais l’architecture décrite est cohérente avec ce que l’on sait faire aujourd’hui : un modèle compressé, un runtime qui parle au NPU, une application qui ne fait aucun appel réseau pendant l’inférence.

Ce que disent les chiffres (et ce qu’ils cachent) : latence, qualité, et benchmarks

C’est ici que la prudence s’impose. Aucun chiffre vérifiable de latence, de temps de traitement par minute d’audio, de consommation RAM ou VRAM, ni de métrique de précision SDR/SIR sur MUSDB18 ou MoisesDB n’apparaît dans les éléments dont nous disposons. Aucun benchmark comparatif avec Demucs, Spleeter, MVSEP ou Moises n’est fourni. Aucun NPU précis — avec son nombre de TOPS et le modèle de laptop ou de PC utilisé — n’est mentionné. Il faut le dire clairement : sur le terrain des chiffres, la démo de LALAL.AI reste, à ce jour, une boîte noire.

Ce silence n’est pas nécessairement suspect — les entreprises annoncent souvent une démo avant de publier des benchmarks — mais il empêche toute évaluation sérieuse de la promesse. On ne sait pas si Lyra tourne en temps réel sur un laptop récent ou s’il faut une station de travail équipée d’un NPU haut de gamme. On ne sait pas si la qualité des stems embarqués égale celle des modèles cloud, ou si elle se situe un cran en dessous. On ne sait pas si le modèle s’exécute sur le NPU ou retombe sur le CPU faute d’optimisation.

Pour situer les ordres de grandeur, on peut rappeler que la part des laptops « AI PC » — c’est-à-dire équipés d’un NPU — atteignait 43 % du marché mondial des ordinateurs portables en mars 2026. Autrement dit, près d’un laptop sur deux vendu cette année embarque le matériel nécessaire pour faire tourner ce genre de modèle. C’est un socle installé considérable, et c’est précisément ce qui rend crédible une stratégie embarquée en 2026-2027. Mais la présence du matériel ne dit rien de la qualité du logiciel qui l’exploite.

Ce qu’il faudra vérifier en conditions réelles : le temps de traitement par minute d’audio sur une machine de milieu de gamme, la consommation mémoire en pointe, la qualité perçue sur des mixages denses (un morceau de metal avec guitares saturées, un orchestre symphonique, une production électronique à couches multiples), et la stabilité du plugin VST dans un projet de DAW chargé. Tant que ces chiffres ne sont pas publiés, la démo reste une démonstration — au sens premier du terme.

La guerre silencieuse : cloud hyperscalers contre éditeurs de plugins

La démo de LALAL.AI prend tout son sens lorsqu’on la replace dans une lutte plus large. D’un côté, les hyperscalers — AWS, Azure, Google Cloud — ont tout intérêt à ce que le traitement audio reste un service. Leur modèle économique repose sur la consommation de calcul à la demande, et chaque fonctionnalité IA qui migre vers l’appareil de l’utilisateur est une ligne de revenu qui s’évapore. De l’autre, les éditeurs de plugins — iZotope, Waves, Steinberg — ont historiquement bâti leur valeur sur le logiciel installé, la licence perpétuelle, le contrôle local de la chaîne audio.

Entre les deux, un troisième acteur émerge : le matériel. Anker a profité de l’IFA 2026 pour dévoiler sa puce THUS, déclinée sur cinq modèles audio, selon Forbes. Le mouvement est révélateur : un fabricant d’accessoires grand public intègre désormais de l’IA locale dans des produits audio de consommation. Ce n’est plus une affaire de serveurs, c’est une affaire de silicium embarqué. Quand la puce IA devient un argument de vente sur des écouteurs, elle devient aussi un socle pour des applications audio professionnelles.

À cela s’ajoutent les modèles open-weight. Demucs, Spleeter, MDX-Net, BS-RoFormer : ces modèles de séparation de sources sont disponibles publiquement, et certains atteignent des performances comparables aux solutions propriétaires sur des benchmarks académiques. Leur existence change la donne : elle signifie qu’un éditeur ne peut plus justifier un abonnement cloud uniquement par la qualité de son modèle. Il doit justifier par l’expérience, l’intégration, le support, la simplicité.

C’est dans cet espace que LALAL.AI joue sa partition. En proposant une exécution locale, elle se range du côté du logiciel contre le service, du matériel contre le cloud, de la licence contre l’abonnement. Mais elle le fait avec un modèle propriétaire, ce qui la place dans une position ambiguë : elle embrasse l’architecture ouverte de l’embarqué tout en gardant ses modèles fermés.

Modèles ouverts, modèles fermés : le vrai champ de bataille de la séparation de stems

La séparation de stems est un terrain où l’open source a frappé fort et tôt. Demucs, développé à l’origine par Facebook AI Research, a longtemps servi de référence ; Spleeter, de Deezer, a popularisé l’idée qu’on pouvait séparer voix et instruments avec quelques lignes de code ; MVSEP et BS-RoFormer ont poussé la qualité vers des niveaux impressionnants. Ces modèles sont ouverts, reproductibles, audités par la communauté. Ils constituent une ligne de base contre laquelle toute solution propriétaire doit se mesurer.

Face à eux, LALAL.AI, Moises et consorts défendent des modèles fermés, entraînés sur des données propriétaires, optimisés pour des cas d’usage spécifiques. Leur argument : la qualité perçue sur des morceaux réels, pas sur des benchmarks académiques. C’est un argument recevable — les métriques SDR sur MUSDB18 ne capturent pas tout, notamment les artefacts audibles sur des mixages complexes.

L’arrivée de modèles compressés embarqués rebat les cartes de deux façons opposées. D’un côté, elle pourrait accélérer l’adoption de standards ouverts : si un modèle open-weight peut tourner sur un NPU grand public, pourquoi payer un abonnement ? Des projets comme ONNX Runtime facilitent déjà le déploiement de modèles ouverts sur du matériel varié. De l’autre, elle pourrait verrouiller l’écosystème autour de solutions propriétaires optimisées pour des NPU spécifiques — un modèle taillé pour une puce donnée, impossible à porter ailleurs, crée une dépendance matérielle qui remplace la dépendance au cloud.

C’est le vrai enjeu de Lyra. Si le modèle est propriétaire et optimisé pour un sous-ensemble de NPU, LALAL.AI troque une dépendance (le cloud) contre une autre (le matériel compatible). Si, à l’inverse, l’entreprise publie des modèles ou des formats ouverts, elle contribue à un écosystème où l’utilisateur garde le contrôle. La communication officielle ne tranche pas : elle parle de « 100 % en local » sans préciser l’ouverture du modèle ni les NPU supportés.

Pricing, licences et modèles économiques : vers la fin de l’abonnement au calcul ?

Le passage à l’embarqué a une conséquence économique directe : si le calcul se fait sur la machine de l’utilisateur, l’éditeur ne paie plus de GPU à l’heure. Cela ouvre la voie à des modèles de licences radicalement différents de l’abonnement au calcul.

Trois scénarios se dessinent. Le premier est l’achat unique : l’utilisateur paie une fois pour le logiciel et le modèle, et l’utilise autant qu’il veut. C’est le modèle historique du plugin audio, celui de Waves ou d’iZotope à leurs débuts. Le deuxième est la licence par utilisateur, avec un abonnement réduit couvrant les mises à jour de modèles et le support, mais sans facturation à la minute. Le troisième est le freemium : une version locale gratuite ou peu chère, et des fonctionnalités cloud premium (traitement par lots, modèles de pointe, API entreprise) en supplément.

Pour les utilisateurs professionnels — studios, post-production, broadcast — l’enjeu est considérable. Un studio qui traite des centaines d’heures d’audio par mois voit sa facture cloud exploser ; une licence locale plafonnée change son budget de façon structurelle. Pour les créateurs indépendants, l’argument est encore plus simple : ne plus voir le compteur tourner à chaque séparation de stems.

Il faut noter que LALAL.AI propose par ailleurs des « solutions pour les entreprises » avec traitement de gros volumes via API personnalisées. Ce segment-là restera probablement cloud : les gros volumes, les pipelines automatisés, l’intégration dans des systèmes de production ne se prêtent pas à une exécution locale sur un laptop. La stratégie la plus probable est donc hybride : local pour les créatifs et les professionnels individuels, cloud pour l’entreprise. C’est exactement le modèle qu’Adobe a adopté avec Firefly Audio, disponible depuis le 20 août 2026 à 10 USD par mois, avec des crédits génératifs et une licence commerciale universelle incluse.

Qualité vs cloud : le vrai test de l’embarqué

La question qui fâche : un modèle compressé peut-il égaler un modèle cloud ? La réponse honnête est : pas toujours, et pas sur tous les cas.

La quantification à 8 bits introduit un bruit de quantification qui, sur des tâches de séparation fine, peut se traduire par des artefacts audibles — des résidus de voix dans l’instrumental, des « bulles » dans la basse, une perte de définition sur les cymbales. La distillation, elle, fait apprendre à un petit modèle à imiter un grand ; elle fonctionne bien sur les cas fréquents, moins bien sur les cas rares. Un mixage dense, avec des instruments peu représentés dans les données d’entraînement, sera plus difficile à séparer proprement pour un modèle embarqué que pour un modèle cloud disposant de plus de paramètres et de plus de calcul.

Cela dit, l’écart n’est pas fatal. Les progrès des architectures et des techniques de compression ont réduit la distance entre les deux mondes. Et l’embarqué a un avantage que le cloud ne peut pas offrir : la latence. Traiter un fichier localement, c’est éviter l’aller-retour réseau, ce qui change l’expérience pour un travail interactif — ajuster un stem, réécouter, retoucher. Pour un ingénieur du son, cette réactivité vaut parfois quelques points de SDR.

Ce qui reste flou dans l’annonce de LALAL.AI, c’est précisément cette comparaison. L’entreprise ne publie pas de benchmarks comparant Lyra à ses modèles cloud. Elle ne précise pas les conditions de test, le matériel utilisé, les morceaux évalués. Elle ne dit pas si le modèle embarqué est le même que le modèle cloud, simplement compressé, ou s’il s’agit d’un modèle distinct, entraîné spécifiquement pour l’embarqué. Ce sont des questions auxquelles il faudra répondre en conditions réelles, sur des projets concrets, avec des oreilles humaines — pas seulement des métriques.

2027 : l’année où le traitement audio pro redevient un logiciel ?

Si la démo de LALAL.AI tient ses promesses, 2027 pourrait marquer un basculement. Non pas la fin du cloud — les gros volumes, l’entreprise, l’automatisation resteront des affaires de serveurs — mais la fin de l’hégémonie du cloud comme seul modèle pour le traitement audio professionnel.

Les signaux à surveiller sont déjà là. La part des AI PC atteint 43 % du marché laptop mondial en mars 2026, ce qui signifie que le matériel est prêt. Les NPU de nouvelle génération montent en puissance, et des acteurs comme Anker intègrent de l’IA locale jusque dans des écouteurs grand public. Les modèles open-weight progressent, portés par une communauté active. Les éditeurs de plugins, de leur côté, continuent d’explorer l’IA locale : Boris FX a ajouté une séparation de stems IA à Samplitude 2026.5 en octobre 2026, signe que le mouvement dépasse LALAL.AI.

Ce basculement aurait des conséquences profondes. Sur l’écosystème, il redistribuerait la valeur du cloud vers le matériel et le logiciel. Sur les compétences, il rapprocherait l’ingénieur du son de la configuration de sa machine, de la gestion de ses modèles, de ses runtimes — un retour à une forme de technicité locale. Sur la créativité, il libérerait l’expérimentation : quand chaque essai ne coûte plus rien, on essaie plus.

Les conditions pour que cette transition profite réellement aux utilisateurs sont claires. Il faut que les modèles embarqués atteignent une qualité comparable à celle du cloud sur les cas réels. Il faut que les licences restent raisonnables — pas de verrouillage propriétaire qui remplacerait une dépendance par une autre. Il faut que les formats et les runtimes restent ouverts, pour que l’utilisateur ne soit pas captif d’un fabricant de puces. Et il faut que les benchmarks soient publiés, indépendants, reproductibles.

LALAL.AI a ouvert une porte à l’IBC 2026. Ce qui se trouve derrière dépendra de ce que l’entreprise — et ses concurrents — en feront. Une chose est sûre : après des années où le traitement audio professionnel s’est dématérialisé dans le cloud, l’idée qu’il puisse redevenir un logiciel tournant sur votre machine n’est plus une nostalgie. C’est une démonstration.

Sources

• LALAL.AI Returns to IBC2026 With Live Audio Post-Production Demos, Plus a First Look at On-Device AI
• LALAL.AI — site officiel
• LALAL.AI — version française
• Anker Unveils THUS AI Chip Across Five Audio Models At IFA 2026 — Forbes
• Boris FX Samplitude 2026.5 Adds Spatial Panner and AI Stem Separation — MajorHiFi
• Best AI Mixing Plugins 2026 — Practical Audio Lab
• Best AI Mixing & Mastering Tools (2026): 9 Tested & Ranked — Loop
• Best AI Mixing & Mastering Tools 2026 — Toolworthy
• Silicium IA embarquée pour LLM locaux 2026 — PromptQuorum
• Clubic — fiche LALAL.AI

Article recherché et rédigé automatiquement · Magazine Electrosens