Six chercheurs en informatique de l’Université Yale ont publié un article technique le 9 septembre 2026 décrivant Maverick, un cadre conçu pour garder le contenu des invites d’IA caché lorsque le calcul intensif est effectué sur un serveur tiers. L’approche permet à un smartphone ou à tout autre dispositif à faible performance de déléguer la majeure partie de l’arithmétique à un processeur distant tout en conservant la requête originale confidentielle.

Technique de masquage et vérification

Le dispositif client applique d’abord un masque cryptographique qui apparaît aléatoire à un observateur, puis transmet les données masquées au serveur. Après le retour du résultat, l’appareil retire le masque pour récupérer la réponse.

Pour confirmer que le serveur a exécuté le modèle correctement, Maverick effectue une brève vérification aléatoire plutôt que de reproduire le calcul complet localement. Cette étape de vérification s’appuie sur les concepts des systèmes de preuve à divulgation nulle de connaissance, un domaine également exploré par les réseaux de calcul basés sur la blockchain.

L’article compare Maverick à DeepProve, un autre vérificateur d’apprentissage automatique à divulgation nulle de connaissance qui peut attester d’un résultat correct mais ne masque pas l’entrée brute au serveur.

Résultats de performance

Les tests ont utilisé le modèle linguistique Qwen3‑4B sur un seul fil de traitement côté client, couplé à un serveur CPU capable de 128 fils parallèles. Lorsque les masques étaient préparés à l’avance, le système traitait les jetons d’invite jusqu’à 45 fois plus rapidement qu’un scénario où l’appareil exécutait le modèle entièrement sur son propre matériel.

Si les masques étaient générés à la volée pendant l’inférence, l’avantage de vitesse était de 17 fois, restant néanmoins une réduction substantielle de la charge locale.

Une expérience distincte a simulé un réseau avec deux fils clients et 64 fils serveur. Avec une latence de 50 ms aller‑retour, le premier jeton était 1,42 et 1,46 fois plus rapide qu’une exécution purement locale ; à 100 ms de latence, l’approche distante était plus lente, soulignant la sensibilité du protocole aux délais réseau.

Les auteurs soulignent que la quantité de stockage côté client nécessaire pour les masques pré‑calculés constitue une limitation majeure, la qualifiant de « goulot d’étranglement clé de notre approche ».

Équipe, financement et commentaires associés

Le professeur assistant Fan Zhang et le doctorant Wenhao Wang sont affiliés à l’Initiative for CryptoCurrencies and Contracts (IC3) ; une subvention IC3 finance partiellement la contribution de Wang. Charalampos Papamanthou, également co‑auteur, occupe le poste de scientifique en chef chez Lagrange Labs, une société qui développe des systèmes de preuve à divulgation nulle de connaissance, dont DeepProve.