Toutes les quelques semaines, on annonce un nouveau « meilleur modèle ». Des graphiques circulent, les classements bougent, et on peut avoir l’impression qu’il faut désigner un gagnant.


Pour une PME, ce n’est pas la bonne façon de voir. Un classement vous dit quel modèle a le mieux réussi les questions de quelqu’un d’autre. Vous avez vos propres questions : vos factures, vos clients, vos politiques. Ce billet vous donne une façon de choisir entre des types de modèles, en date de novembre 2026, sans vous appuyer sur un palmarès.


Il ne nomme pas de modèles précis et ne cite pas de résultats de tests. Ils changent chaque mois, et un chiffre sorti de son contexte vous induira en erreur.


Les trois types de modèles, simplement


  • Les modèles de pointe sont les systèmes les plus grands et les plus capables des grands laboratoires. On y accède en général par Internet, grâce au service d’un fournisseur, et le prix dépend de la quantité de texte envoyée et reçue.
  • Les petits modèles ont beaucoup moins de paramètres. Ils coûtent moins cher et sont plus rapides à exécuter, et ils peuvent être bons pour des tâches étroites : trier, extraire des champs, répondre en quelques lignes.
  • Les modèles à poids ouverts sont des modèles dont les paramètres entraînés sont publiés pour que vous puissiez les exécuter vous-même, sur votre matériel ou chez un hébergeur de votre choix. « Poids ouverts » n’est pas toujours synonyme de « code source ouvert » : la licence peut comporter des conditions, alors lisez-la.

Ces catégories se chevauchent. Un modèle peut être petit et ouvert, ou grand et fermé. La vraie question est de savoir quelles propriétés vous exigez.


La taille ne dit pas tout


Deux résultats de recherche valent d’être gardés en tête.


Dans l’article InstructGPT de 2022, d’OpenAI, des évaluateurs humains ont préféré les réponses d’un modèle de 1,3 milliard de paramètres, ajusté avec de la rétroaction humaine, à celles de GPT-3, qui en compte 175 milliards. La même année, « Training Compute-Optimal Large Language Models », de DeepMind, rapportait qu’un modèle de 70 milliards de paramètres entraîné sur environ quatre fois plus de données surpassait un modèle de 280 milliards entraîné avec le même budget de calcul, et notait qu’être plus petit le rend moins coûteux à ajuster et à exécuter.


Aucun des deux ne dit que le petit gagne toujours. Ils disent que la façon dont un modèle est entraîné et ajusté, et ce sur quoi il est entraîné, peut compter autant que sa taille. Ne présumez donc pas que le plus gros est meilleur pour votre tâche, ni que le plus petit l’est.


Six choix à peser


1. La qualité sur votre tâche


C’est le critère qui compte le plus, et le plus difficile à lire sur un graphique. Un modèle de pointe est en général meilleur en raisonnement ouvert, en documents longs et pour les tâches aux consignes confuses. Un petit modèle peut l’égaler sur une tâche étroite et bien définie, comme classer un courriel en demande de soumission, plainte ou question de facturation.


2. Le coût par tâche


Les prix sont habituellement fixés selon la quantité de texte en entrée et en sortie. Un modèle moins cher par mot, mais qui demande trois essais, n’est pas moins cher. Pensez en coût par tâche terminée : combien faut-il pour coder une facture, rédiger un courriel, rapprocher un dossier?


3. La vitesse


Un petit modèle répond généralement plus vite. Pour un clavardage en direct sur votre site, cela peut compter. Pour un rapprochement de nuit, non.


4. La confidentialité et la destination des données


Avec un modèle hébergé, votre texte va chez le fournisseur. Vérifiez ses conditions sur la conservation et sur l’utilisation éventuelle de vos données pour l’entraînement. Exécuter un modèle à poids ouverts sur une infrastructure que vous contrôlez garde les données plus près de chez vous, au prix de l’exploitation par vos soins. La loi québécoise sur la protection des renseignements personnels dans le secteur privé, telle que modifiée par la Loi 25, et des règles semblables ailleurs peuvent influer sur la destination permise des renseignements personnels; consultez votre responsable de la protection des renseignements personnels ou votre avocat avant d’envoyer des données de clients à un service.


5. Le contrôle


Avec un modèle hébergé, c’est le fournisseur qui décide quand les versions changent et quand les anciennes sont retirées. Cela peut modifier le comportement de vos processus. Un modèle à poids ouverts que vous hébergez reste tel quel jusqu’à ce que vous le changiez. Le contrôle, c’est aussi plus de travail pour vous : mises à jour, sécurité, surveillance.


6. La fiabilité et les outils


Le modèle respecte-t-il un format strict? Appelle-t-il correctement vos outils? Sait-il dire « je ne sais pas »? Pour un agent, cela compte plus qu’une belle tournure.


Mesurer plus que la justesse


Le projet HELM de Stanford (« Holistic Evaluation of Language Models », 2022) a fait valoir un point qui vaut pour une entreprise : évaluer sur plus d’une mesure. Sa liste : justesse, calibration, robustesse, équité, biais, toxicité et efficacité, et il soutenait que les compromis entre elles devaient être visibles plutôt que cachés derrière une seule note.


Pour votre propre usage, une version courte :


  • Justesse : la réponse est-elle bonne?
  • Constance : donne-t-il la même réponse à la même question demain?
  • Comportement en cas d’échec : quand il hésite, le dit-il ou invente-t-il?
  • Coût et vitesse par tâche terminée.
  • Sécurité de vos données.

Comment tester sur votre propre travail


1. Rassemblez de 30 à 50 exemples réels de votre entreprise dont une personne connaît déjà les réponses : factures, messages de clients, soumissions. Incluez quelques cas tordus.

2. Faites passer chaque modèle candidat sur les mêmes exemples, avec les mêmes consignes, et notez les résultats par rapport aux réponses connues.

3. Vérifiez la constance en refaisant passer le même exemple quelques fois.

4. Notez le coût et le temps par tâche terminée.

5. Refaites l’exercice quand le modèle ou la consigne change. Un jeu d’exemples que vous gardez est la protection la moins chère contre un changement silencieux.


Si un petit modèle réussit vos exemples, vous n’avez probablement pas besoin d’un plus gros pour cette tâche. S’il échoue seulement sur les cas difficiles, envisagez un petit modèle pour la majorité facile et un plus gros pour le reste, avec une personne qui révise ce qui est incertain. On parle souvent d’aiguillage.


Ce que ça change pour votre entreprise


  • Ne choisissez pas sur un classement. Choisissez sur vos propres tâches, avec votre propre jeu de tests.
  • Adaptez le modèle au travail. Trier et extraire exigent rarement le modèle le plus capable. La rédaction complexe et les décisions de jugement, peut-être.
  • Mettez la confidentialité dans la première question, pas dans la dernière. Où vont les données, et qui peut les voir?
  • Prévoyez le changement. Les modèles sont remplacés souvent. Vos tests et vos dossiers devraient durer plus longtemps que n’importe quel modèle.
  • Gardez une personne dans la boucle pour ce qui sort de l’entreprise. Aucun choix de modèle ne remplace l’approbation d’un message, d’un prix ou d’un paiement.

Ce que ça donne chez Humonix


Nous ne vous demandons pas de choisir un modèle. Hue s’appuie sur des modèles de fournisseurs externes, et l’usage de l’IA est inclus aux volumes indiqués dans chaque forfait; au-delà, il est facturé au prix courant du fournisseur, sans majoration, ou vous pouvez utiliser votre propre clé de modèle (voyez Apportez votre IA). Les mandats pour grandes entreprises, définis au cas par cas, comprennent notamment l’aiguillage entre modèles et l’hébergement privé.


Vos faits restent dans Know, séparés de tout modèle : changer de modèle ne veut donc pas dire repartir de zéro. Tout ce qui est public, tarifé ou payé attend l’approbation d’une personne dans Hue. Et chaque fonction d’une page de module porte la mention Disponible, Accès anticipé ou À venir : le potentiel d’un modèle n’est jamais vendu comme une fonction qui marche aujourd’hui. Pour l’architecture, voyez L’entreprise agentique.


Sources



Ce billet est de l’information générale, pas un avis technique ni juridique.