Tether AI Research, la branche de recherche en IA de Tether, a publié le 11 novembre 2026 BotPsy, un petit modèle de langage conçu pour agir. Il transforme une demande en actions dans une application, comme envoyer un message ou ajouter un rendez-vous à un agenda. Selon Tether, il est assez petit pour fonctionner sur un téléphone ou un ordinateur portable. Les décisions sur la messagerie et l’agenda de l’utilisateur sont alors prises sur l’appareil, sans serveur distant.
Tether est l’entreprise qui émet l’USDT, une cryptomonnaie dont la valeur suit celle du dollar. Le modèle est téléchargeable gratuitement sur Hugging Face, un site de partage de modèles d’IA, sous licence libre Apache 2.0.
BotPsy compte 0,8 milliard de paramètres. Ce nombre mesure la taille d’un modèle : plus il est élevé, plus le modèle demande de mémoire. Les modèles les plus avancés en comptent des milliers de milliards, rappelle le site d’information crypto Decrypt.
Tether a évalué BotPsy sur six tests d’agents, qui mesurent sa capacité à agir dans une application. Selon l’entreprise, il devance tous les modèles de 1,2 milliard de paramètres ou moins qu’elle a testés. Decrypt souligne que ces résultats viennent des propres tests de Tether.
Un modèle qui choisit les fonctions d’une application
BotPsy fonctionne par « appels d’outils ». Une application met à sa disposition des fonctions, appelées outils : consulter l’agenda, envoyer un message, modifier un réglage du téléphone. Le modèle choisit la bonne fonction et précise comment l’utiliser, puis l’application exécute l’action.
BotPsy est construit sur Qwen3.5-0.8B, un petit modèle en accès libre du groupe chinois Alibaba. Tether a entraîné BotPsy à partir de ce modèle de base en quatre étapes, dont deux où le modèle apprend à partir de notes calculées par des règles. Le code d’entraînement n’est pas publié, et la fiche du modèle sur Hugging Face se contente de lister les jeux de données. Amazon a présenté le 9 novembre une méthode pour élaguer, c’est-à-dire alléger, un modèle plus gros de la famille Qwen3.5.
Dans un des tests publiés, un message ne partait pas : le Wi-Fi était coupé et la boîte de réception pleine. BotPsy a activé le Wi-Fi, libéré de la place, puis envoyé le message. Son modèle de base répétait sans succès la même action.
Les scores publiés par Tether
Tether compare BotPsy à son modèle de base, à Qwen3.5-2B, un modèle 2,5 fois plus gros, et à deux autres petits modèles. Tous ont été testés en mode raisonnement, où le modèle réfléchit avant de répondre, et les scores sont des pourcentages. Sur la moyenne des six tests d’agents, BotPsy obtient 45,0, contre 24,7 pour son modèle de base et 38,8 pour Qwen3.5-2B.
Le BFCL v4, un classement de l’université de Berkeley, mesure la capacité à appeler la bonne fonction avec les bonnes valeurs. BotPsy y obtient 44,0, contre 23,4 pour son modèle de base et 37,7 pour Qwen3.5-2B. Sur ACEBench, un autre test d’appels de fonctions, il obtient 58,7, contre 30,1 et 55,4.
Le plus gros progrès porte sur les échanges en plusieurs étapes, quand l’utilisateur ajoute des informations en cours de tâche. Sur cette partie du BFCL, BotPsy obtient 46,1, contre 7,5 pour son modèle de base et 23,8 pour Qwen3.5-2B. Un autre test du BFCL vérifie que le modèle s’abstient quand aucun outil ne convient, plutôt que d’en inventer un. BotPsy y atteint 86,1, le meilleur score des cinq modèles comparés.
BotPsy reste derrière Qwen3.5-2B sur Claw-Eval, un autre test d’agents : 46,5 contre 48,9. L’écart se creuse sur les connaissances générales. Sur MMLU-Pro, un questionnaire à choix multiples sur de nombreuses matières, BotPsy obtient 48,9 contre 65,5. Sur GPQA Diamond, des questions de sciences de niveau universitaire avancé, il obtient 38,1 contre 59,9.
Tether assume ce manque : BotPsy est conçu pour aller chercher les faits qu’il ignore. La recherche sur le web reste pourtant son point faible. Sur la partie recherche web du BFCL, il obtient 14,0, contre 19,8 pour Qwen3.5-2B.
Des fichiers de 529 Mo à 1,52 Go
Les poids du modèle, soit la valeur de ses paramètres, existent en trois versions plus ou moins précises. Réduire la précision, ce qu’on appelle la quantification, allège le fichier au prix d’une petite perte de qualité.
La version complète (BF16) code chaque paramètre sur 16 bits et pèse 1,52 Go. La version 8 bits (Q8_0) pèse 0,81 Go : Tether la recommande, car ses scores égalent ceux de la version complète, à un point près. La version 4 bits (Q4_K_M) descend à 529 Mo, pour environ 1,5 point de moins en moyenne.
Ces fichiers sont au format GGUF, le format de llama.cpp, un logiciel libre qui fait tourner des modèles sur un ordinateur ordinaire. BotPsy garde la structure interne de Qwen3.5 : llama.cpp et les outils de Hugging Face le font donc tourner sans code spécifique. Un modèle doit tenir dans la mémoire de la machine qui l’exécute, et le choix du matériel pour l’IA locale dépend de cette taille.
Selon la foire aux questions de QVAC, la plateforme d’IA locale de Tether, une application construite sur BotPsy peut fonctionner sans connexion. Seuls les outils qui en ont besoin, comme une recherche web ou une réservation, font exception. Les documents publiés le 11 novembre ne donnent en revanche aucune mesure de vitesse ni de mémoire sur un téléphone. Les tests des fichiers GGUF ont été menés les 6 et 7 novembre 2026 sur des cartes graphiques NVIDIA H100, du matériel de centre de données.
Tether, de l’USDT aux modèles locaux
Tether se présente comme « la plus grande entreprise du secteur des actifs numériques » et décrit l’USDT comme la plus grande cryptomonnaie stable au monde. Le nom ne doit pas tromper : Tether, l’application qui relie un ordinateur à un serveur Open WebUI, présentée le 8 novembre, est un produit d’Open WebUI, une interface de discussion avec l’IA.
Le modèle est publié par Tether Data, S.A. de C.V., sous le nom de Tether AI Research. Il rejoint QVAC, lancée en mai 2025 comme alternative aux services d’IA des géants de la technologie, selon Decrypt. BotPsy s’ajoute à quatre autres modèles « Psy », consacrés à l’image, à la parole, à la santé et à la traduction.
« Un assistant qui gère votre agenda, vos messages et vos documents a besoin d’accéder à certaines de vos informations les plus personnelles », a déclaré Paolo Ardoino, directeur général de Tether, dans le communiqué. Selon lui, l’IA locale peut réduire le besoin d’envoyer ces informations à des fournisseurs centralisés.
À plus long terme, Tether imagine un compagnon personnel auquel l’utilisateur accéderait par son téléphone. Les demandes lourdes iraient à un ordinateur à domicile ou à des machines de confiance reliées directement entre elles, en pair-à-pair. QVAC Fabric, l’outil de Tether pour adapter les modèles, doit permettre d’affiner BotPsy, c’est-à-dire de poursuivre son entraînement, sur le matériel de l’utilisateur. Aucune date n’est annoncée pour un assistant grand public, note Decrypt.
Des réserves écrites par Tether lui-même
La licence pose une première question. La fiche du modèle indique Apache 2.0, qui autorise aussi l’usage commercial. Le billet technique publié sur Hugging Face ajoute cependant que les poids sont publiés sous cette licence « pour la recherche et l’enseignement ». Tether ne précise pas si cette mention limite l’usage.
Les usages visés posent une deuxième question. La fiche liste le courriel, l’agenda, le commerce et la finance parmi ses domaines. Elle précise pourtant que BotPsy n’est pas destiné aux décisions automatisées à fort enjeu, ni aux applications qui touchent à l’argent, aux informations personnelles ou à la santé. Selon le communiqué, l’application qui intègre le modèle doit fournir les connexions aux services, les autorisations et les contrôles des actions.
Les résultats varient selon la langue. Multi-IF vérifie si un modèle respecte des consignes dans plusieurs langues. Six langues y obtiennent entre 72 et 80 : l’anglais, le chinois, l’espagnol, le français, l’italien et le portugais. Le russe (57,6) et l’hindi (24,5) restent loin derrière, et l’anglais demeure la langue recommandée.
Tether a soumis le modèle à des attaques automatisées dans six catégories de contenus dangereux. BotPsy donne une réponse jugée dangereuse dans 21 % des cas, contre 36 % pour son modèle de base. Les injections d’instructions consistent à cacher des consignes dans un courriel ou une page web pour détourner le modèle. Face à elles, ce taux passe de 46 % pour le modèle de base à 31 % pour BotPsy.
Le lendemain, IBM a publié deux modèles Granite entraînés contre ces injections indirectes. Dans ses propres tests, elles ne réussissent presque plus, mais les attaques directes passent encore souvent.
Notre analyse
Tether parie que moins d’un milliard de paramètres suffit pour piloter les fonctions d’un téléphone, à condition d’aller chercher les faits ailleurs. Si la licence Apache 2.0 s’applique sans réserve, n’importe quel développeur peut intégrer BotPsy à une application.
L’enjeu concerne d’abord les éditeurs d’assistants et d’applications mobiles. Un agent qui fonctionne sur l’appareil évite d’envoyer courriels, contacts et agenda à un serveur tiers.
Les progrès annoncés restent à vérifier : ils viennent de Tether seul, sans mesure sur téléphone. Le modèle venait de sortir : dans la nuit du 11 au 12 novembre, ses deux fiches Hugging Face affichaient 39 et 23 téléchargements.
La fiche cite la finance parmi les domaines visés, mais exclut les applications qui touchent à l’argent. La sécurité repose donc sur les applications qui intègrent BotPsy, alors que près d’une injection d’instructions testée sur trois passe encore.
Plusieurs points restent à suivre : des évaluations indépendantes sur les mêmes tests et des mesures de vitesse sur des téléphones courants. La mention « recherche et enseignement » attend aussi une clarification de Tether. Reste à voir si QVAC Fabric permettra d’affiner BotPsy chez l’utilisateur.
Sources
- Tether’s 800M AI Agent Beats Models 2.5x Its Size on Everyday Phone Tasks, Tether, 11 novembre 2026
- BotPsy: a small on-device AI agent model built to act, QVAC (Tether AI Research), 11 novembre 2026
- BotPsy: On-Device Personal Assistant with a Sub-Billion-Parameter Agentic Language Model, Tether AI Research sur Hugging Face, 11 novembre 2026
- qvac/BotPsy-0.8B (fiche du modèle), Hugging Face, 11 novembre 2026
- qvac/BotPsy-0.8B-GGUFs (fiche des fichiers GGUF), Hugging Face, 11 novembre 2026
- Tether’s Tiny AI Agent Beats Models 2.5 Times Its Size at Controlling Your Phone, Decrypt, 11 novembre 2026
- QVAC, The open-source local AI Ecosystem, Tether Data, consulté le 12 novembre 2026
- Tether, Tether, consulté le 12 novembre 2026
Image d’en-tête : graphique MACCUS, données Tether AI Research (fiche du modèle BotPsy-0.8B, 11 novembre 2026)
