On dit que le monde de la technologie progresse grâce à des langages de programmation comme Python, mais un nouveau langage, Mojo, est peut-être sur le point de changer cela. Et tout cela parce que le 18 août 2026, pendant ModCon 2026 à San Francisco, Modulaire publicité que Mojo, son langage de programmation haute performance, est désormais entièrement open source sous licence Apache 2.0, y compris son compilateur et l'ensemble de sa chaîne d'outils.
La décision intervient sept jours après que Mojo a atteint la version 1.0 et trois semaines après que Qualcomm, le célèbre fabricant de puces, a finalisé son acquisition de Modular pour environ 3,9 milliards de dollars. Ainsi, ce qui semble être une nouvelle minime et sans importance signifie toute une révolution. Surtout pour l’écosystème de l’intelligence artificielle, un écosystème construit sur Python, mais qui se heurte de plus en plus à ses limites de performances. À ce stade, Mojo se présente comme l’héritier parfait : un langage qui partage la syntaxe avec Python, se compile en code natif à la vitesse du C ou du C++ et vise à s'exécuter sur n'importe quel accélérateur d'IA sans réécrire le logiciel.
Mais ce n’est pas un langage réservé à l’IA, c’est un langage qui peut être utilisé pour un usage général, et qui peut changer complètement l’écosystème Python qui s’est tant développé pour une seule raison : la facilité d’accès au langage, de son portage et de son utilisation sur tous types d’appareils.
Mojo, un Python survitaminé
mojo est né comme réponse modulaire interne au problème de programmation de sa propre infrastructure : Pour faire de même, il fallait combiner Python, C++, CUDA et les langages du noyau. Chris Lattner, co-fondateur et PDG de Modular (créateur du compilateur LLVM, du langage Swift et de l'interface Clang), et Tim Davis, ont conçu un langage que Modular décrit comme « Python++ », mettant en avant la syntaxe et la convivialité de Python, avec un contrôle et des performances de bas niveau de C++, Rust ou CUDA.
Techniquement, Mojo est un langage compilé (à l'avance) construit sur l'infrastructure des compilateurs MLIR et LLVM. Il prend en charge les abstractions sans coût, le typage statique facultatif, la métaprogrammation au moment de la compilation, la gestion manuelle de la mémoire et les types SIMD. Incluez des mots-clés comme let/var soit fnprès de defqui préserve le comportement dynamique de Python. L'objectif déclaré est de devenir à terme un sur-ensemble du langage en rendant le code Python valide le code Mojo valide. Dans cette optique, nous cherchons à faciliter la migration du code de Python vers Mojo, avec tous les avantages que cela comporte, notamment en termes de performances.
WordPress mise sur les humains pour rivaliser avec l'IA
Le problème des « langages N » et du matériel hétérogène
La thèse de Modular pour conduire cela est la suivante : que l’IA a fragmenté la programmation des systèmes. Les équipes qui entraînent et déploient aujourd'hui les modèles manipulent plusieurs langages en même temps : Python pour le modèle, C++ pour le runtime, CUDA ou OpenCL pour les noyaux GPU, et le Piles exclusives de chaque fabricant d’accélérateurs. Mojo souhaite unifier ce « problème du langage N » en un seul, capable de cibler les CPU, GPU, NPU et ASIC de différents fabricants avec le même code source.
Cette prémisse est devenue plus urgente avec la diversification du matériel d’IA. Pendant des années, le CUDA de NVIDIA a été de facto la seule voie vers l'informatique accélérée. Mais le marché de l’inférence est devenu fragmenté : Google forme et sert avec des TPU, Amazon avec Trainium et Qualcomm, AMD et Intel se disputent les centres de données. Lors de la ModCon 2026, Modular a annoncé la prise en charge des accélérateurs AWS Trainium, Google TPU, Qualcomm Cloud AI 100 et Qualcomm Dragonfly, en plus des GPU NVIDIA et AMD déjà pris en charge. Cela signifie que chaque fois qu'un nouvel accélérateur arrive sur le marché, les développeurs doivent réécrire une partie de leur pile technologique, mais désormais avec Mojo, ce problème disparaît.
Plus rapide que Python
La promesse commerciale de Mojo repose sur des performances agressives. Modular affirme que dans les charges gourmandes en calcul, Mojo peut être jusqu'à 68 000 fois plus rapide que Python pur et atteindre le niveau de C++ ou CUDA. Un exemple du potentiel de Mojo est un test canonique qui consiste à calculer la distance euclidienne entre des vecteurs de 10 millions d'éléments. Le problème résolu avec Python prend environ 790 ms, mais avec Mojo, cela ne prend que 13 ms. C'est-à-dire environ 60 fois plus rapide que Python et deux fois plus rapide que la même opération avec NumPy.
Mais la nuance technique est ici importante. Python « n'est pas lent » en soi pour le calcul, mais parce qu'il délègue à des bibliothèques écrites en C. NumPy, par exemple, est rapide car son cœur est en C/C++. L'avantage de Mojo est de rendre cette couche externe inutile. Pour ce faire, Mojo vous permet d'écrire l'algorithme complet dans un seul langage qui se compile en code machine. Il n'y a donc pas de conversion, Mojo vous permet de parler directement avec la machine et son matériel, éliminant les couches d'abstraction dont dispose Python.
Une migration presque 1:1
D'un autre côté, Modular présente Mojo comme un remplacement de Python avec une migration proche de 1:1. Cependant, Mojo aujourd'hui n'exécute pas de code Python arbitraire sans modifications. En fait, des fonctionnalités manquent dans la bibliothèque standard (par exemple shutil), ne prend pas en charge les expressions au niveau du module et, jusqu'à récemment, manquait de chaînes f et d'arguments de format nommés. La documentation elle-même prévient que l’objectif du surensemble sera atteint « au fil du temps » et que l’accent est actuellement mis sur le calcul haute performance et non sur une compatibilité superficielle.
Cependant, là où la migration se rapproche du 1:1, c'est dans le flux pragmatique promu par Modular. Mojo peut importer des bibliothèques Python directement à l'aide du runtime. CPython sans modification, et avec 100% de compatibilité avec les bibliothèques existantes. Et, dans le sens inverse, vous pouvez exposer les modules compilés dans Mojo en tant qu'extensions Python natives. Le modèle recommandé est le portage incrémentiel, c'est-à-dire laisser le code Python intact et réécrire uniquement les boucles critiques et les chemins chauds dans Mojo. Cette stratégie, plutôt qu'un copier-coller universel, est ce qui fait qu'un projet Python migré « ressemble » à un projet Mojo avec un minimum d'effort.
Fondamentalement, Modular vous dit d'utiliser Python pour les choses non critiques et de laisser les points de performances critiques à Mojo et à ses avantages. Une relation Gagnant-Gagnant, pour les grands projets, car le gain de performance n'est pas négligeable.
L’Europe construit des autoroutes de l’IA et laisse la Chine fabriquer les voitures
Même code, nouveau silicium
Mais le point le plus pertinent de Modular avec sa présentation est peut-être la documentation du Qualcomm Cloud AI 100, un NPU d'inférence, de zéro à servir Gemma 4 31B en moins de six mois. Le langage se compile sur le backend LLVM Hexagon de Qualcomm et les noyaux sont écrits avec la même abstraction. DeviceContext qui cible déjà les GPU NVIDIA et AMD. Ainsi, l'équipe est passée d'un « hello world » avec GPT-2 à un service du modèle complet de Google Gemma 4 avec décodage spéculatif et variante MoE, en réutilisant l'infrastructure existante. La société affirme que la mise en œuvre de chaque nouvelle plate-forme a nécessité une réduction de plus de 10 fois des efforts d'ingénierie par rapport aux piles traditionnelles.
Qu’est-ce que tout cela signifie ? Mojo est capable de permettre une IA native, sur site et hautes performances sur des appareils tels que les smartphones, sans avoir à réécrire des projets entiers pour y parvenir. Moins de coûts pour les entreprises, une plus grande disponibilité du code pour concevoir des plateformes pouvant aller partout. Des ordinateurs personnels aux superordinateurs, en passant par les appareils embarqués et les smartphones.
Une menace pour l’écosystème Python ?
L’impact le plus immédiat concerne les développeurs d’IA travaillant avec Python. Mojo n'élimine pas l'écosystème Python, en fait, il en dépend pour l'interopérabilité, mais il s'attaque exactement au goulot d'étranglement qui se fait le plus sentir en production : les hot paths lents, la gestion manuelle du noyau et la dépendance aux piles propriétaires par accélérateur. Pour les équipes qui souhaitent exploiter du matériel non NVIDIA ou qui ont besoin d'un seul langage de bout en bout (modèle, noyaux, service), Mojo offre une véritable alternative à la combinaison Python + C++ + CUDA.
L'open source du compilateur réduit également le risque pour ceux qui adoptent le langage : ils ne dépendent plus des versions binaires d'une entreprise pour inspecter, déboguer ou modifier le compilateur. Et la stabilité de la version 1.0 garantit un contrat qui vous permet de créer des produits à long terme. En retour, quiconque migre doit supposer que la compatibilité 1:1 avec Python est encore un objectif en cours de construction, et non un état atteint : la véritable migration implique un portage incrémentiel et une interopération avec CPython.
Le défi sous-jacent reste culturel. Python ne domine pas l'IA uniquement par la syntaxe, mais par sa communauté, ses bibliothèques et son écosystème d'outils. Mojo a un pedigree technique inhabituel, un soutien financier et maintenant le poids de Qualcomm ; Il a contre lui la nécessité de démontrer qu'il peut construire son propre écosystème sans remplacer celui de Python, et de tenir sa promesse de neutralité auprès d'un propriétaire de puce. Son chemin vers le 1.0 et l’open source a été exécuté avec discipline ; Reste à démontrer si cette discipline fait de l’« héritier » de Python son véritable remplaçant.
L'IA change les règles du développement, prévient la Banque mondiale
Voir l’article original en espagnol
