--- service: "Publicasta" schema_version: "1.0" article_id: 327 title: "Needle 2 rapproche un modèle d’action de 14 Mo des robots et relève l’exigence de sécurité" language: "fr" default_language: "en" canonical_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=fr" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=fr" api_url: "https://publicasta.com/api/public/v1/channels/robots/articles/needle2_14mb_action_model_robots_2026_08_15?lang=fr" channel_url: "https://publicasta.com/api/public/v1/channels/robots" channel_articles: "https://publicasta.com/api/public/v1/channels/robots/articles" search_url: "https://publicasta.com/api/public/v1/search" documentation_url: "https://publicasta.com/api-docs#reading-publicasta" openapi_url: "https://publicasta.com/api-docs/openapi.json" published_at: "2026-08-15T07:49:40+00:00" updated_at: "2026-08-15T07:49:40+00:00" translations: - language: "ar" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=ar" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=ar" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=ar" - language: "de" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=de" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=de" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=de" - language: "en" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=en" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=en" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=en" - language: "es" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=es" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=es" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=es" - language: "fr" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=fr" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=fr" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=fr" - language: "pl" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=pl" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=pl" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=pl" - language: "ru" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=ru" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=ru" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=ru" - language: "zh" html_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15?lang=zh" markdown_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.md?lang=zh" json_url: "https://publicasta.com/robots/needle2_14mb_action_model_robots_2026_08_15.json?lang=zh" --- # Needle 2 rapproche un modèle d’action de 14 Mo des robots et relève l’exigence de sécurité > Le petit modèle de Cactus promet un contrôle local et privé des appareils, mais les robots physiques exigent refus, politiques et confirmations autant que vitesse. Le lancement de Needle 2 par Cactus Compute pourrait être rangé parmi les nombreuses annonces de petits modèles. Pour la robotique, l’enjeu est plus précis. Cactus présente Needle 2 comme un modèle ouvert de 45 millions de paramètres pour l’appel d’outils, l’usage d’appareils et l’extraction structurée, livré dans un binaire de 14 Mo avec environ 28 Mo de mémoire de session. La page vise explicitement téléphones, objets portés, maison connectée, Raspberry Pi, microcontrôleurs récents et petits robots: des machines qui doivent parfois transformer une consigne humaine en action physique sans attendre le nuage. ![Concentrateur local d’IA coordonnant un robot domestique, un téléphone, un objet porté et des outils de maison connectée sans accès au nuage](https://publicasta.com/storage/projects/11/pages/327/2026/08/c9600b61-707f-4ae3-aa45-25de76d984ba.webp) La question n’est pas de savoir si un modèle de 45M peut discuter comme un grand assistant. Ce n’est ni réaliste ni nécessaire. Un robot a souvent besoin d’une compétence plus étroite: convertir “baisse la lumière du couloir”, “ouvre la pince à moitié”, “enregistre ce capteur” ou “demande confirmation avant d’ouvrir la porte” en appel sûr avec de bons paramètres. Needle 2 s’inscrit dans un glissement des chatbots généraux vers de petits modèles locaux d’action. Ce glissement promet vitesse, coût bas et confidentialité, mais il déplace aussi les erreurs du texte vers le monde physique. ## Ce que Cactus annonce La page officielle décrit un modèle pour tool calling, device use et structured extraction. Il serait fondé sur un Simple Attention Network, compressé par Cactus Quants en CQ2-bit et intégré à son propre moteur. Les chiffres sont minuscules pour l’IA actuelle: 45 millions de paramètres, 14 Mo de binaire, environ 28 Mo de RAM de session, environ 500 tokens par seconde sur Raspberry Pi 5, 400 à 1 500 sur Meta Quest 3S et Apple Vision Pro, et 300 à 700 sur certains téléphones à moins de 200 dollars. Ces chiffres doivent rester des affirmations de fournisseur jusqu’à des essais indépendants. Mais la cible matérielle compte. GitHub décrit `cactus-compute/needle` comme un modèle de 14 Mo pour téléphones, objets portés, maison connectée et robots. `cactus-compute/cactus` se présente comme moteur d’inférence pour mobiles, wearables, smart home et robots. Hugging Face liste `Cactus-Compute/needle2` avec les balises tool-calling, function-calling, on-device, edge, quantization et WebAssembly, reliées à arXiv:2607.18363. Il y a donc modèle, code et orientation edge, pas seulement une promesse. ## Pourquoi les robots ont besoin de cette couche La plupart des robots n’ont pas besoin d’un interlocuteur encyclopédique dans leur boucle de contrôle. Un robot domestique, un rover d’inspection, un assistant porté ou un hub de maison a besoin d’un interprète compact entre humains, capteurs et actionneurs. Les parseurs classiques sont excellents pour des commandes prévisibles. Les grands modèles dans le cloud conviennent quand latence, vie privée, connexion et coût ne bloquent pas. Entre les deux se trouve l’appareil quotidien: rapide, local, bon marché, avec plus de souplesse qu’un menu fixe. Les petits modèles d’appel de fonctions deviennent alors utiles. Ils traduisent le langage naturel en commandes structurées, extraient des paramètres d’une phrase imparfaite et peuvent refuser l’action si l’entraînement et les contraintes sont solides. Un bras robotique n’a pas à rédiger un texte avant de bouger; il doit choisir une action autorisée, remplir l’objet ou la distance et détecter l’ambiguïté. Un contrôleur domestique doit distinguer température, lumière, sécurité, musique ou absence d’action. ## La discussion des développeurs révèle le risque Le fil Show HN de Needle2 a attiré beaucoup d’attention technique. C’est un signal, pas une preuve. La discussion a aussi montré la zone sensible: des utilisateurs ont rapporté des choix d’outils discutables dans la démo web, y compris autour d’une action `lock_door` sur une entrée non pertinente et de formulations comme rendre une pièce “aussi sombre que possible”. Une démo peut avoir un schéma jouet et manquer de garde-fous, donc il ne faut pas en tirer un verdict définitif. Mais l’alerte est juste. Dans un chatbot, un mauvais outil donne une réponse maladroite ou une requête API ratée. Dans un robot, il peut déplacer une pince, chauffer une pièce, ouvrir une serrure, démarrer un moteur ou couper une alarme. L’appel d’outils cesse d’être une simple question de JSON lorsque l’outil contrôle l’environnement. Sortir une structure valide ouvre le problème de sécurité au lieu de le fermer. ## Structure ne signifie pas compréhension sûre Schémas, grammaires et décodage contraint sont nécessaires: ils évitent le JSON cassé, limitent les types, énumèrent les fonctions et facilitent la validation. Ils ne décident pas seuls si une demande doit provoquer une action. Si l’ordre est hors sujet, ambigu, malveillant ou sans contexte, la bonne réponse peut être aucune action, une question, ou une escalade. En robotique, la différence est vitale. Une grammaire force `tool_name` à appartenir à une liste, mais ne sait pas si “il fait trop clair” veut dire baisser les lampes, fermer les stores, déplacer un robot ou ne rien faire. Un validateur rejette une température dangereuse, mais ne sait pas si l’utilisateur près de l’enceinte est autorisé à ouvrir la porte. Il faut des politiques: listes d’outils, classes de risque, seuils de confiance, identité, état de l’appareil, limites de fréquence et confirmation explicite pour les actions sensibles. ## L’intérêt du local, et sa limite Un modèle de 14 Mo sur l’appareil a de vrais avantages. Les commandes vocales et le contexte domestique restent locaux. Le système fonctionne sans réseau. La latence baisse. Un robot éducatif ou d’assistance peut exister sans facture d’inférence permanente. Un objet porté gère des routines privées. L’architecture hybride devient crédible: petit interprète local pour les gestes sûrs, grand modèle ou humain pour les cas ambigus. Mais la proximité rend l’erreur immédiate. Le cloud apporte souvent comptes, surveillance, mises à jour centrales et règles serveur. Un petit modèle embarqué peut être copié dans des milliers de produits aux firmwares et schémas différents. S’il associe bruit, télévision ou plaisanterie à une action, l’appareil agit avant que le fournisseur voie le problème. La sécurité doit donc vivre dans le produit: confirmations, séparation des actions de sécurité, droit de répondre “aucune action”, journaux complets et tests avec non-sens, négations, enfants, plusieurs langues, médias de fond et contradictions de capteurs. ## La place de Needle 2 Needle 2 ne remplace pas les systèmes d’intention classiques, qui restent préférables quand l’espace de commandes est petit et critique. Les grands modèles locaux sur téléphone ou PC raisonnent davantage mais coûtent mémoire et énergie. Les plateformes premium, dont les travaux locaux d’Apple, élargissent la capacité sur matériel puissant. D’autres modèles compacts de function calling visent le même problème avec plus de paramètres. L’intérêt de Needle 2 est de pousser par le bas: combien de routage d’action tient dans un minuscule binaire? Si la réponse est “assez pour les routines sûres sous politique stricte”, c’est une couche importante. Si la réponse est “rapide mais trop encline à appeler”, l’expérience reste utile car elle fixe les métriques nécessaires: taux de fausse action, refus correct, précision des paramètres, ambiguïté, dégradation multilingue et comportement quand la liste d’outils grandit. ## Ce qu’il faut tester Les preuves doivent venir d’essais pratiques sur Raspberry Pi 5, téléphones Android bon marché, hubs domestiques, cartes proches de l’ESP32 quand c’est réaliste, passerelles Home Assistant, prototypes ROS et usages d’objets portés. Il faut mesurer latence complète, pic mémoire, énergie, chauffe et non seulement tokens par seconde. Les schémas d’outils doivent mélanger actions banales et dangereuses. Les tests de sécurité devraient être reproductibles: entrées absurdes, commandes ambiguës, négations, blagues, contexte contradictoire, phrases hostiles. Le modèle sait-il ne rien faire? Demande-t-il confirmation avant serrure, chaleur, mouvement ou sécurité? Se dégrade-t-il quand on ajoute des outils? Les commandes non anglaises restent-elles sûres? Pour une machine physique, le bon silence peut compter plus qu’une action audacieuse. ## Conclusion Needle 2 n’est pas un cerveau complet pour robot. C’est un candidat pour une couche réflexe locale, près des capteurs et actionneurs, traduisant des commandes ordinaires en actions limitées, vérifiables et journalisées. Beaucoup de robots domestiques et d’appareils intelligents manquent de cette couche. Elle peut rendre un assistant instantané, un objet porté plus privé et un petit robot utile sans GPU. Le prix est la discipline. Tool calling en robotique exige politiques, simulation, journaux, confirmations et refus fiable. Un modèle de 14 Mo qui choisit une fonction est impressionnant. Un modèle de 14 Mo qui sait ne pas choisir quand l’action est dangereuse ou floue serait plus important encore. Le progrès proche pourrait être non pas un humanoïde, mais un petit modèle local entouré d’assez de garde-fous pour appuyer sur le bon bouton et laisser les autres tranquilles. ## Sources Page de lancement Cactus Compute Needle 2 et matériel du runtime Cactus; dépôts GitHub `cactus-compute/needle` et `cactus-compute/cactus`; page Hugging Face `Cactus-Compute/needle2`; arXiv 2607.18363 sur Simple Attention Networks; fil Show HN utilisé comme signal de discussion et de modes d’échec.