CUA-S1 : le modèle d’IA à 2,8 Mo qui défie les géants de l’automatisation

Fini le canon pour tuer la mouche. Alors que l’industrie de l’IA multiplie les modèles géants pour automatiser des tâches simples, Cua prend le contre-pied avec CUA-S1-FORMS : un modèle de 706 048 paramètres, 2,8 Mo, spécialisé dans les décisions locales d’interface. Une révolution minimaliste inspirée par la psychologie cognitive de Kahneman.

L’anti-LLM : quand moins devient plus

Le 18 septembre 2026, Dillon et Francesco, fondateurs de Cua, ont posé sur Hacker News une question dérangeante : combien de tâches d’automatisation nécessitent vraiment un LLM généraliste comme GPT-6-Astra ou Claude-Opus-5 ? Leur réponse : très peu. La plupart se résument à des décisions locales — remplir ce champ, cocher cette case, ignorer cet élément — qui n’exigent ni planification complexe ni raisonnement multi-étapes.

De cette observation est né CUA-S1-FORMS, le premier checkpoint d’une famille de modèles baptisée CUA-S1. Selon RuntimeWire, ce modèle de 706 048 paramètres — un poids plume face aux centaines de milliards de GPT-4 — ne génère pas de texte. Il score des options en une seule passe : pour chaque élément de formulaire, il choisit entre FILL (remplir avec une valeur du document), CHECK (cocher), CLICK (cliquer) ou SKIP (ignorer).

Le tout tient dans un fichier de 2,8 Mo, publié sous licence MIT sur Hugging Face et GitHub. Une taille qui permet une exécution locale, sans API payante, avec une latence de l’ordre de 100 à 500 millisecondes — contre 2 à 5 secondes pour un LLM classique, d’après les standards du secteur.

System One vs System Two : Kahneman entre en scène

L’architecture de CUA-S1 s’inspire directement du modèle Jev de Typesafe et de la théorie du psychologue Daniel Kahneman. Dans son ouvrage Thinking, Fast and Slow, Kahneman distingue deux modes de pensée : le System 1, rapide, intuitif, automatique ; et le System 2, lent, analytique, délibéré.

« Reconnaître un visage relève du System 1 ; résoudre 17 × 24 mentalement du System 2 », résume un glossaire de l’écosystème IA. CUA-S1 se concentre exclusivement sur les tâches « System 1 » de l’automatisation : les décisions qui ne requièrent pas de planification globale, de récupération d’erreur complexe ou d’exploration de chemins alternatifs.

Selon AI Pricing Guru, cette spécialisation n’est pas qu’une métaphore marketing. Elle reflète une bifurcation réelle dans le design des systèmes IA : passer de « un modèle pour tout » à « des modèles spécialisés orchestrés », à l’image de l’évolution des architectures logicielles vers les microservices.

Comment ça marche : de la capture d’écran à l’action

Le flux de CUA-S1-FORMS, tel que décrit dans la documentation GitHub, se décompose en trois étapes :

1. Extraction des entités : un système en amont (souvent un autre modèle ou un script) extrait les informations d’un document source — nom, téléphone, adresse, etc.
2. Scoring des options : pour chaque élément de formulaire détecté (champ texte, case à cocher, bouton), CUA-S1 reçoit les données d’accessibilité (label, type, position) et la liste des entités disponibles. Il retourne une probabilité pour chaque action possible.
3. Exécution : Cua Driver, le moteur d’automatisation cross-OS de Cua, applique les actions dans l’ordre décidé par le code applicatif (remplissages, puis cases, puis clic de soumission).

Contrairement à un LLM autorégressif qui génère du texte token par token, CUA-S1 utilise un encodeur transformer à deux couches avec encodage byte-level et une tête d’attention sur les options. Chaque élément est scoré indépendamment, en parallèle, dans un seul batch — une architecture qui rappelle les modèles de classification plutôt que de génération.

99,7 % de précision… mais sur quel terrain de jeu ?

Cua annonce 99,7 % de précision sur un benchmark interne de formulaires synthétiques disjoints, et 100 % sur un petit jeu de 196 décisions réelles. Des chiffres impressionnants, mais à relativiser : comme le note Juheng Network (鉅亨網), CUA-S1-FORMS a été entraîné spécifiquement pour cette tâche, tandis que Jev — testé sur le même benchmark — affiche 83,6 % avec un modèle plus généraliste.

« Ce résultat a un avantage maison évident. On ne peut pas conclure qu’un modèle de 700 000 paramètres bat Jev sur tous les fronts », tempère l’article chinois. La vraie question reste ouverte : CUA-S1 tiendra-t-il face à la diversité des interfaces web modernes — Single Page Applications, frameworks JavaScript, shadow DOM — et aux mises à jour fréquentes de sites, sans réentraînement ?

Les benchmarks communautaires indépendants, attendus dans les prochaines semaines, seront déterminants. En attendant, plusieurs développeurs ont déjà converti le modèle au format ONNX (yasserrmd/cua-s1-forms-onnx sur Hugging Face) pour des expériences d’inférence locale et navigateur via WebAssembly.

L’architecture hybride : le meilleur des deux mondes

CUA-S1 n’est pas conçu pour remplacer les LLM, mais pour les compléter. L’idée : router intelligemment les tâches selon leur complexité. Les décisions locales et répétitives vont vers CUA-S1 (System 1), tandis que la planification, le raisonnement multi-étapes et la récupération d’erreur restent du ressort d’un LLM généraliste (System 2).

Cette approche modulaire pourrait résoudre ce qu’on appelle le « problème du dernier kilomètre » de l’automatisation : les LLM excellent dans la stratégie mais sont surdimensionnés pour l’exécution. En combinant les deux, on obtient efficacité et réduction de coûts — potentiellement 60 à 90 % d’économies sur les API, selon les estimations sectorielles.

« C’est comme passer de l’architecture monolithique aux microservices », résume un analyste d’AI/TLDR. « Chaque module cognitif est optimisé pour un type de tâche. »

Open-source : stratégie ou altruisme ?

La publication sous licence MIT de CUA-S1-FORMS — code, données synthétiques, pipeline d’entraînement — n’est pas anodine. Dans un marché dominé par OpenAI, Anthropic et Google, c’est la seule façon pour un acteur émergent de gagner en adoption rapide.

Mais comme le rappelle l’analyse d’enrichissement, « l’histoire de MongoDB, Elastic et HashiCorp montre que l’open-source en IA peut être un cheval de Troie commercial, pas de l’altruisme pur ». Cua, passé par Y Combinator (promo Spring 2025), pourrait pivoter vers un modèle « open-core » : base gratuite, fonctionnalités premium payantes (orchestration avancée, intégrations entreprise, support).

Pour l’instant, la startup reste discrète sur sa stratégie de monétisation. Dillon et Francesco, tous deux anciens de Microsoft (Dillon a coécrit le benchmark Windows Agent Arena), semblent miser sur la construction d’un écosystème avant de penser revenus.

Implications pratiques : qui gagne, qui perd ?

Pour les développeurs : CUA-S1 ouvre la porte à une automatisation accessible, sans dépendance à des API coûteuses. Les cas d’usage évidents : e-commerce (remplissage automatique de fiches produits), RH (traitement de candidatures), finance (saisie de données comptables). La latence réduite et l’exécution locale répondent aussi aux exigences de confidentialité et de souveraineté numérique.

Pour les entreprises : l’architecture hybride System 1/System 2 pourrait débloquer l’automatisation pour les PME qui trouvent les solutions actuelles (UiPath, Automation Anywhere, ou même les API OpenAI) trop onéreuses. Un audit des workflows existants pour identifier les tâches « System 1 » devient un réflexe stratégique.

Pour les géants de l’IA : CUA-S1 est un signal. Si des modèles spécialisés ultra-légers cannibalisent 80 % des use cases simples, la guerre des prix sur l’inférence pourrait s’intensifier. OpenAI et Anthropic ont déjà commencé à baisser leurs tarifs en 2026 ; cette tendance devrait s’accélérer.

Pour le marché RPA : les acteurs traditionnels, qui vendent des licences à cinq ou six chiffres, font face à une disruption par le bas. L’intégration de modèles comme CUA-S1 dans des frameworks open-source (Playwright, Selenium) pourrait redistribuer les cartes.

Les zones d’ombre

Plusieurs questions restent en suspens. La robustesse : CUA-S1 gère-t-il les interfaces dynamiques, les CAPTCHAs, les pop-ups inattendus ? La généralisation : un modèle entraîné sur des formulaires synthétiques peut-il s’adapter à la longue traîne d’interfaces réelles sans fine-tuning constant ? Le coût total de possession : entre l’inférence locale (électricité, matériel) et les API cloud, quelle option est réellement moins chère à grande échelle ?

Et surtout : l’orchestration. Router intelligemment entre System 1 et System 2 nécessite une couche de décision supplémentaire. Qui la fournit ? Un méta-modèle ? Des règles codées en dur ? Cette complexité architecturale pourrait freiner l’adoption si elle n’est pas packagée de manière simple.

Conclusion : la fin du « one size fits all » ?

CUA-S1-FORMS n’est qu’un début. Cua annonce une « famille » de modèles spécialisés à venir — navigation web, extraction de données, vérification d’interfaces. Si cette approche fait école, nous assisterons à une fragmentation du marché de l’IA : des dizaines de modèles de niche, orchestrés par des frameworks qui choisissent le bon outil pour chaque tâche.

Un futur où l’intelligence artificielle ressemblerait moins à un cerveau universel qu’à une boîte à outils bien organisée. Reste à savoir si cette complexité sera un frein ou un accélérateur pour la démocratisation de l’IA.

Question ouverte : et si le vrai défi n’était pas de créer des modèles plus petits, mais d’apprendre à les orchestrer intelligemment ?