Les chercheurs de l'Université de Waterloo, de Cornell et de Harvard ont présenté Program-as-Weights, un nouveau paradigme d'intelligence artificielle publié en juillet 2026 sur la plateforme arXiv. Cette innovation vise à pallier les contraintes actuelles qui freinent l'utilisation des grands modèles de langage dans les workflows de développement. Les programmeurs dépendent fréquemment de services cloud pour des tâches récurrentes comme la correction de code ou le filtrage de données. Cette pratique expose toutefois les informations sensibles, engendre des coûts élevés et crée une dépendance technique vis-à-vis des fournisseurs externes. Le système PAW répond à ces enjeux par une approche de compilation locale unique. Au lieu de traiter chaque requête via un service distant, il utilise un grand modèle d'IA pour transformer des instructions en langage courant en un module d'extension léger. Ce module s'installe sur un modèle d'IA de taille réduite hébergé directement sur l'ordinateur ou le smartphone du développeur. Dès lors, les exécutions ultérieures se font entièrement hors ligne, sans latence réseau ni partage de données confidentielles. Le concept repose sur l'idée de transformer le modèle de base en un atelier de création d'outils plutôt qu'en un simple répondant aux demandes. Pour vérifier l'efficacité de la méthode, l'équipe a réalisé des tests sur FuzzyBench, une référence contenant dix millions de scénarios de programmation incluant le nettoyage de journaux système et la réparation de formats structuraux défectueux. Le dispositif PAW a enregistré une précision de 73,78 %, dépassant nettement le modèle Qwen3-32B, qui possède plus de cinquante fois de paramètres mais n'atteint que 68,7 % de réussite. Sur une machine équipée d'un processeur Apple M3, l'interpréteur léger de 430 mégaoctets du système génère environ trente unités de traitement par seconde, confirmant sa compatibilité avec du matériel grand public sans besoin de serveurs dédiés. Le code source a été rendu accessible publiquement pour encourager l'adoption de la technologie. Cette avancée s'inscrit dans une orientation stratégique où les grands modèles assurent la génération de logique, tandis que des architectures réduites gèrent l'exécution en temps réel sur les postes de travail. En offrant une alternative performante et autonome aux solutions centralisées, PAW ouvre la voie à un développement logiciel plus sécurisé, économique et indépendant des infrastructures cloud.