Le 28 avril 2026, l'entreprise américaine Poolside a publié Laguna XS.2, son premier modèle ouvert, spécialisé dans le code et les tâches de développement menées par des agents. Il est gratuit, publié sous licence Apache 2.0 et peut tourner sur un seul GPU. Pour une PME qui développe du logiciel, c'est une façon d'utiliser l'IA de code sans confier son code source à un service externe. Pour les dirigeants qui hésitaient par prudence sur la confidentialité, ou par contrainte budgétaire, cette option mérite d'être examinée, avec ses prérequis réels.
Ce qui distingue Laguna XS.2 des solutions dominantes comme GitHub Copilot ou Amazon Q Developer, c'est la possibilité de le faire fonctionner entièrement sur l'infrastructure de l'entreprise. L'enjeu touche à la maîtrise du patrimoine logiciel.
Automatiser une partie du développement sans exposer son code
Selon Poolside, dont l'annonce est détaillée par VentureBeat, Laguna XS.2 est un modèle de 33 milliards de paramètres, dont 3 milliards actifs à chaque requête (architecture dite « mixture of experts »), ce qui lui permet de tourner sur un seul GPU. Il résout 68,2 % des tâches du test SWE-bench Verified (corrections de vrais bugs issus de GitHub), un score que Poolside présente comme proche de modèles bien plus gros. Comme toujours, ces résultats annoncés sont à vérifier sur votre propre code.
Déployé en local, le modèle permet d'utiliser l'IA de code sans transmettre une ligne du code source à l'extérieur. C'est une réponse directe à la crainte de fuite de propriété intellectuelle qui retient beaucoup d'entreprises d'utiliser ces outils.
Poolside a publié le 2 juillet 2026 une version mise à jour, Laguna XS 2.1 : un modèle ouvert évolue vite, et il faut prévoir de suivre ces versions.
Ce que change concrètement un modèle IA local pour votre organisation
La différence avec les solutions cloud tient au contrôle. Vos équipes choisissent la version du modèle, le moment des mises à jour et les données auxquelles il a accès. Le modèle ne connaît pas votre code par défaut : c'est l'outil qui l'utilise (extension d'éditeur ou agent de code) qui lui fournit le contexte du projet, vos conventions et vos exemples.
Un point à ne pas mal comprendre : le modèle n'apprend pas au fil de l'usage. Pour qu'il respecte vos pratiques, il faut les écrire (conventions, exemples, consignes) et les fournir à l'outil ; un ajustement du modèle sur votre code est possible, mais c'est un projet à part.
Le modèle économique change également. GitHub Copilot est facturé par utilisateur (19 dollars par mois en offre Business selon la grille publique de GitHub). Un modèle local représente un coût fixe d'infrastructure et d'exploitation. Selon la taille de l'équipe et le matériel choisi, l'un ou l'autre sera moins cher : faites le calcul sur votre cas.
Les prérequis techniques réels d'un déploiement en PME
Le déploiement de Laguna XS.2 demande une approche méthodique mais reste à la portée d'une PME bien accompagnée. Il faut un serveur équipé d'un GPU disposant de suffisamment de mémoire pour le modèle, sur site ou chez un hébergeur (plusieurs clouds français proposent des instances GPU à l'heure).
L'intégration dans l'environnement de développement passe par des outils compatibles avec un modèle hébergé localement : extensions d'éditeur ou agents de code capables de se connecter à un serveur d'inférence. Vos développeurs conservent leurs outils habituels.
Vous contrôlez le rythme d'évolution du modèle, ce qui apporte de la stabilité. En contrepartie, l'exploitation (mises à jour, supervision, sécurité du serveur) est à votre charge.
L'enjeu stratégique de la maîtrise de l'IA de code
Laguna XS.2 pose une question stratégique : quelle place accordez-vous à l'IA dans votre chaîne de production logicielle, et avec quel niveau de dépendance envers des fournisseurs externes ?
Un modèle maîtrisé ouvre des possibilités propres à chaque secteur. Un éditeur de logiciel peut l'utiliser sur ses propres frameworks, une société industrielle sur ses développements embarqués, un prestataire sur les technologies de ses clients, sans que le code quitte l'entreprise.
Cette autonomie réduit l'exposition aux évolutions tarifaires ou techniques des fournisseurs tiers, à condition d'investir dans l'infrastructure et les compétences.
Les limites à anticiper avant l'implémentation
La gratuité du modèle ne doit pas masquer les coûts induits : matériel ou location de GPU, exploitation, formation des équipes. Une PME doit disposer des compétences pour administrer un modèle en autonomie, ou faire appel à un prestataire.
Le support diffère aussi des solutions commerciales : pas de hotline dédiée ni d'engagement de service. Il faut une équipe capable de diagnostiquer les difficultés.
La responsabilité reste entière. Le code généré par l'IA engage l'entreprise : relecture, tests et contrôles de sécurité restent indispensables, comme pour le code écrit par un humain.
Ce qu'il faut retenir
L'IA de code devient un outil standard du développement logiciel, et l'arrivée de modèles ouverts performants donne aux PME un vrai choix entre service cloud et déploiement local, selon leurs contraintes de confidentialité, de coût et de compétences.
Par où commencer dans une PME
- Classez votre code selon sa sensibilité : ce qui peut passer par un service cloud, ce qui doit rester en interne.
- Testez le modèle ouvert sur une instance GPU louée à l'heure, avec deux développeurs volontaires, sur des tâches réelles (correction de bugs, tests, documentation).
- Comparez qualité, temps gagné et coût mensuel avec une solution par abonnement avant de décider.
Le guide IA, RGPD et souveraineté en PME aide à cadrer l'hébergement, et le service développement IA couvre la mise en place de ce type d'outil. Pour savoir si un modèle local est pertinent pour votre équipe, vous pouvez demander un diagnostic gratuit.
Article rédigé par Louis Noyaret, cofondateur de Lumivi.
