Si vous vous êtes déjà intéressé au machine learning, vous avez certainement croisé la bibliothèque NumPy de manipulation des tableaux et matrices, une brique fondamentale de l’édifice scientifique du langage de programmation Python. Apple présente MLX, un nouveau framework suivant NumPy « de très près », à ceci près qu’il prend en compte les particularités de l’architecture Apple Silicon pour augmenter sensiblement ses performances.

Conçu « par des chercheurs en machine learning pour les chercheurs en machine learning », MLX marche dans les pas de JAX, le framework de manipulation de fonctions numériques créé par Google pour suivre la structure et les habitudes de NumPy. Les ingénieurs de la firme de Cupertino se sont aussi inspiré de la bibliothèque de machine learning PyTorch, originellement développée par Meta AI et utilisée par la plupart des systèmes de deep learning, ainsi que du système de calcul parallélisé ArrayFire.

MLX possède l’énorme avantage d’être capable de réaliser des opérations sur le processeur et le circuit graphique sans dupliquer les données, en tirant pleinement parti de la mémoire unifiée. À l’exception d’une poignée de transformations et de l’évaluation paresseuse, qui permet d’éviter de réaliser un calcul dont les résultats ne seraient finalement pas nécessaires, il sera immédiatement familier aux utilisateurs de NumPy.

Autrement dit, MLX permettra de tirer toute la substantifique moelle des puces Apple sans pour autant réinventer la roue. Apple propose une API en Python, très proche de NumPy et donc adressée à la communauté des chercheurs, mais aussi une API en C++, qu’elle utilise probablement elle-même. MLX est distribué sous licence MIT avec quelques exemples d’utilisation : l’entrainement d’un grand modèle de langage, la génération de texte avec LLaMA et d’images avec Stable Diffusion, ou encore la reconnaissance de la voix avec Whisper.