AnovaX, présenté dans un article récent sur arXiv, explore une autre voie pour les assistants vocaux de bureau : un fonctionnement entièrement local, où l’ordinateur de l’utilisateur devient directement la surface d’action. L’objectif affiché n’est pas de rivaliser avec les grandes plateformes grand public, mais de montrer qu’un assistant relativement compact peut ouvrir des applications, saisir du texte, lancer des recherches et coordonner plusieurs actions sans dépendre d’une chaîne cloud classique.
L’architecture repose sur un processus Python unique qui assemble plusieurs briques : détection du mot d’activation, pipeline vocal, planificateur fondé sur un LLM, couche de sécurité avec listes d’autorisation et de refus, puis orchestrateur multi-agents. Le planificateur produit un plan JSON d’appels d’outils, ensuite traduit en agents enfants typés exécutés dans un pool de threads borné. Chaque outil correspond à une classe spécialisée, avec ses propres délais d’expiration, politiques de reprise et verrous sur les ressources partagées.
Le papier met aussi en avant un mécanisme de récupération adaptative lorsqu’une étape centrale échoue. Selon les auteurs, cette boucle s’appuie sur un prompt compact de type ReAct et tente de masquer la latence du LLM via l’exécution spéculative d’outils en lecture seule. Un MetaAgent récursif permet en outre de redéléguer un sous-objectif au planificateur, avec une profondeur limitée à deux niveaux pour contenir la complexité.
Enfin, AnovaX inclut un serveur Flask accessible en Wi-Fi local, pensé pour un pilotage depuis un smartphone. Ce compagnon distant relaie en temps réel les événements du cycle de vie des agents et diffuse l’écran du portable en MJPEG afin de suivre l’exécution des commandes. À ce stade, il s’agit d’une proposition de recherche décrite sur arXiv ; le résumé ne précise pas encore d’évaluation comparative détaillée ni de disponibilité produit au-delà du prototype présenté.