Granite Switch 4.1.1 : la base reste inchangée, le modèle vocal et l'adaptateur Decision évoluent
IBM a publié le 29 octobre 2026 le correctif Granite Switch 4.1.1, présenté comme entièrement rétrocompatible avec 4.1 et sans migration nécessaire ; il met à jour le modèle ASR Granite Speech, qui couvre 10 langues avec ponctuation et casse natives, ainsi que l'adaptateur Decision dans granitelib-core, sans recalcul du modèle de base.

Ce qui change
Selon un billet publié par l'équipe IBM Granite sur Hugging Face le 29 octobre 2026, Granite Switch 4.1.1 est une version corrective de 4.1, un peu plus d'une semaine après la sortie de 4.1. L'équipe l'explique par la convention des numéros de version logicielle : compatibilité totale avec 4.1, aucune migration nécessaire, les changements portant sur les couches internes. Le billet liste deux mises à jour. La première est le modèle ASR Granite Speech granite-speech-5.0-470m-turboctc, qui couvre 10 langues et produit nativement la ponctuation et la casse ; l'équipe affirme que les transcriptions peuvent ainsi être envoyées directement aux modèles en aval, sans reformatage supplémentaire. La seconde est l'adaptateur Decision dans granitelib-core, dont l'équipe dit qu'il améliore la performance globale sur le jeu de test Jev Decision Index. À noter : le texte emploie deux appellations différentes — la partie vocale est qualifiée de « nouveau modèle ASR », seule la partie décisionnelle est appelée adaptateur ; le billet ne précise pas si la capacité vocale est distribuée comme un adaptateur remplaçable à chaud ou déployée comme un modèle distinct. L'équipe attribue la rapidité de cette publication à l'absence de recalcul de la base : hormis l'entraînement du nouveau modèle ASR et de l'adaptateur Decision, le modèle de base n'a pas été modifié ; les utilisateurs peuvent déployer en combinant les adaptateurs dont ils ont besoin. Le billet mentionne aussi des tutoriels et un Adapter SDK en préparation, destinés aux développeurs et aux fournisseurs tiers qui voudraient construire leurs propres adaptateurs, mais sans calendrier, périmètre d'interface ni mode de distribution. Le blog renvoie également à une démo Speech-to-Decisions. Le billet ne donne ni scores de référence précis, ni liste des 10 langues, ni conditions de licence, ni données de latence, de débit ou d'occupation mémoire GPU.
Conséquences pour les développeurs
Le signal de cette version tient à sa forme de publication, pas aux scores. Une base inchangée et seuls des composants de capacité remplacés indiquent que l'unité de mise à jour passe du modèle entier à des pièces remplaçables ; pour les équipes déjà intégrées à 4.1, le coût de migration au niveau de l'interface est proche de zéro, et le risque se déplace vers la dérive de version : si le pipeline de déploiement récupère le « dernier adaptateur » au lieu d'une révision verrouillée, le comportement du modèle changera sans modification de code, et le chiffre de correctif dans le numéro de version signale précisément que ces remplacements par petits pas vont se poursuivre. Comprendre « rétrocompatible » comme « sortie inchangée » serait une erreur de lecture : dans le billet, la compatibilité désigne l'interface et les relations de composition avec 4.1, pas des transcriptions ou des décisions identiques mot pour mot. Le changement direct dans la chaîne vocale est la possibilité de supprimer une étape de post-traitement. Si la ponctuation et la casse natives fonctionnent comme décrit, l'étape « sortie ASR puis formatage » peut économiser un appel et un coût de maintenance ; mais la forme du texte envoyé en aval change aussi, et les prompts ou logiques d'analyse qui dépendent d'une ponctuation fixe, de minuscules systématiques ou d'hypothèses de segmentation particulières doivent être revérifiés. Une autre condition préalable est la couverture linguistique : le billet ne dit que « 10 langues », sans préciser lesquelles ; il faut vérifier soi-même si le chinois ou d'autres langues métier en font partie. Pour l'adaptateur Decision, « une amélioration globale sur le Jev Decision Index » est une affirmation de l'éditeur sur un seul jeu de test ; l'amélioration d'une métrique agrégée ne signifie pas qu'elle va dans le même sens avec votre nombre d'options, vos longueurs d'entrée et votre distribution de domaine. En outre, l'Adapter SDK et les tutoriels pour adaptateurs tiers auto-construits restent annoncés ; il ne faut pas les planifier comme une option de déploiement déjà disponible.
Intégration et évaluation
Les conseils et analyses ci-dessous sont conditionnels et ne constituent pas des faits rapportés. Premièrement, verrouillez séparément par version la base et les adaptateurs dans le déploiement, au lieu de suivre globalement la dernière version. La raison est que 4.1.1 illustre précisément le cas « base inchangée, composants remplacés ». Le choix à faire : verrouiller l'adaptateur Decision et le modèle vocal par révision ou par empreinte de contenu dans la configuration de déploiement, ou continuer à résoudre « latest ». Les conditions de charge qui déclenchent un changement sont : un endpoint partagé par plusieurs produits, un CI qui récupère automatiquement les derniers poids, ou une stabilité de sortie fortement contrainte en aval. Le critère mesurable : exécuter votre propre jeu de validation sur les anciens et les nouveaux composants, et ne basculer que si l'écart de précision décisionnelle et d'indicateurs de qualité de transcription reste dans la tolérance fixée à l'avance ; sinon, conserver la version précédente et consigner les échantillons de divergence. Deuxièmement, évaluez s'il faut supprimer l'étape de formatage après la reconnaissance vocale. La raison est que le nouveau modèle ASR revendique une ponctuation et une casse natives. Le choix à faire : garder l'architecture en deux étapes « ASR plus formatage », ou passer à l'ASR seul. Les conditions préalables : confirmer que les langues de vos audios métier figurent parmi ces 10 langues, et que la tâche en aval dépend réellement de la ponctuation ou de la casse ; si l'une des deux conditions n'est pas remplie, il n'est pas nécessaire de modifier la chaîne existante. Le critère mesurable : faire passer le même lot d'audios métier réels par les deux chemins, comparer la précision de la tâche en aval et le taux d'échec d'analyse, et ne supprimer le formatage que si le chemin ASR seul n'est pas moins bon que l'architecture en deux étapes. Troisièmement, évaluez l'adaptateur Decision par segment métier, sans reprendre directement la conclusion globale. Si votre nombre d'options et votre distribution de longueurs d'entrée s'écartent nettement du Jev Decision Index, découpez vos échantillons de décisions historiques en plusieurs segments et mesurez la précision séparément, pour voir si l'amélioration se concentre sur les segments proches de votre trafic ; ne l'adoptez que si les segments proches montrent aussi une amélioration, sinon traitez-la comme une mise à jour neutre.
Limites et points à confirmer
Ce billet ne donne pas les scores précis ni la composition du Jev Decision Index, ne liste pas les 10 langues, et ne fournit pas de données de latence, de débit ou d'occupation mémoire GPU ; « amélioration globale » et « ponctuation native » ne peuvent donc pas être vérifiés hors du billet et doivent être considérés comme des déclarations de l'éditeur. Le billet ne précise pas les conditions de licence de la base ni des composants ; la disponibilité de poids téléchargeables ne vaut pas autorisation commerciale, et les droits exacts doivent être vérifiés dans la carte de modèle correspondante. L'Adapter SDK et les tutoriels sont seulement décrits comme en préparation, sans calendrier ; il ne faut pas planifier une voie d'adaptateurs tiers auto-construits sur cette base. Granite Switch 4.1.1, ainsi que le modèle ASR Granite Speech et l'adaptateur Decision mis à jour ici, ne sont actuellement pas disponibles sur KimiSeek ; la disponibilité évoquée dans cet article concerne le canal de publication d'IBM sur Hugging Face et ne signifie pas que ce site propose ce modèle ; pour connaître la tarification des modèles disponibles sur ce site, consultez la page de tarifs.