Un printemps chargé
Les premiers mois de 2026 ont vu se succéder les sorties de modèles à poids ouverts : Gemma 4 chez Google, publié sous licence Apache 2.0 avec des déclinaisons allant de l’embarqué à plus de trente milliards de paramètres ; Llama 4 chez Meta ; de nouvelles générations de Qwen et de Mistral. Chacune de ces familles propose désormais des versions qui tournent confortablement sur un serveur équipé d’un ou deux GPU.
Il y a deux ans, faire tourner un modèle « sérieux » en local relevait de l’expérimentation. Ce n’est plus le cas.
La bonne question n’est pas « le plus gros modèle »
Les classements publics comparent les modèles sur des épreuves générales : mathématiques de compétition, culture encyclopédique, énigmes. Ce n’est pas ce que font vos équipes. Elles cherchent une clause dans un contrat, résument un compte rendu, rédigent un courrier, extraient les champs d’une facture.
C’est pourquoi nous testons nous-mêmes : plus de 360 épreuves construites sur des tâches professionnelles réelles, passées par plus de 25 modèles. Sur ces tâches, l’écart entre le meilleur modèle du cloud et le modèle que nous déployons sur un serveur local se compte en quelques points, et il ne se voit pas dans l’usage quotidien. Le détail est sur la page de MIA.
Ce que les modèles ouverts rendent possible
- La souveraineté : le modèle tourne chez vous, aucune donnée ne sort de votre réseau.
- Un coût qui ne dépend plus de l’usage : pas de facturation au token, l’adoption ne fait pas grimper la facture.
- La spécialisation : un modèle ouvert peut être affiné sur votre vocabulaire et vos cas d’usage.
- L’indépendance : vous pouvez changer de modèle quand un meilleur sort, sans changer d’outil.
Licences : lire les conditions
« Ouvert » ne veut pas toujours dire la même chose. Certains modèles sont publiés sous licence libre, comme Apache 2.0, qui autorise l’usage commercial sans restriction particulière. D’autres sont diffusés sous des licences propres à leur éditeur, qui peuvent limiter certains usages ou imposer des conditions au-delà d’un certain nombre d’utilisateurs. Avant de déployer un modèle en production, la licence mérite la même attention que ses performances.
Le matériel n’est plus un obstacle
Les progrès ne viennent pas seulement des modèles. Les architectures à mélange d’experts, qui n’activent qu’une partie des paramètres pour chaque requête, et les techniques de quantification, qui réduisent la mémoire nécessaire, permettent de servir des modèles performants sur un seul serveur. Les moteurs d’inférence ont eux aussi progressé, avec des débits qui permettent de servir plusieurs dizaines d’utilisateurs simultanés.
Pour une entreprise, cela signifie qu’une IA locale ne demande ni datacenter ni équipe de recherche : un serveur correctement dimensionné, installé dans vos locaux ou chez votre hébergeur, suffit à couvrir les usages de toute une organisation.
Le bon modèle, au bon endroit
Le vrai travail n’est donc plus de trouver un modèle assez puissant, mais de choisir le bon calibre pour chaque usage : un modèle compact et rapide pour la recherche documentaire, un modèle spécialisé pour le code, un modèle plus large pour les tâches d’agent. C’est ce que nous appelons une IA frugale : la juste puissance, au bon endroit, pour un coût maîtrisé.
Notre API locale expose ces modèles derrière une interface compatible OpenAI et Anthropic : vos outils existants s’y branchent sans modification, et le modèle peut évoluer sans que vos équipes n’aient à s’en soucier.
