Table des Matières
Pour choisir un modèle open-weight, vérifiez cinq points dans l'ordre : une licence acceptée par votre service juridique, une taille que vos GPU peuvent servir, une prise en charge de l'arabe et du français annoncée puis testée, une longueur de contexte adaptée à vos documents, et la compatibilité avec votre logiciel de service. Présélectionnez ensuite deux ou trois modèles et testez-les sur vos propres questions avant de décider.
Points clés
- « Open-weight » ne veut pas dire « open source ». La définition de l'IA open source exige aussi le code d'entraînement et des informations détaillées sur les données d'entraînement.
- Les licences diffèrent plus qu'on ne le pense. Les modèles denses Qwen3, gpt-oss et Mistral Small 3.1 sont sous Apache 2.0, tandis que Llama et Gemma ont leurs propres conditions et politiques d'usage.
- Les langues annoncées varient. La fiche du modèle Llama 3.3 cite huit langues prises en charge sans l'arabe, alors que Llama 4 Scout cite l'arabe et le français.
- Une fenêtre de contexte annoncée n'est pas une fenêtre effective : dans un benchmark, seulement la moitié environ des modèles annonçant 32 000 tokens ou plus donnaient des résultats satisfaisants à cette longueur (Hsieh et al., 2024).
- La décision revient à votre propre jeu de test, pas aux classements publics.
Qu'est-ce qu'un modèle open-weight, et est-il open source ?
Un modèle open-weight est un modèle dont vous pouvez télécharger les paramètres entraînés et les exécuter sur votre propre matériel. C'est ce qui rend possible un déploiement on-premise ou en réseau isolé (air-gapped) : le modèle fonctionne sans appeler l'API de quiconque.
L'open source est une notion plus stricte. La définition de l'IA open source 1.0 de l'Open Source Initiative exige trois éléments : les paramètres du modèle, le code complet utilisé pour entraîner et exécuter le système, et des informations suffisantes sur les données d'entraînement pour qu'une personne compétente puisse construire un système substantiellement équivalent. Elle exige aussi la liberté d'utiliser le système « pour n'importe quel usage et sans avoir à demander la permission ».
Pour un acheteur, la conséquence est simple : ne déduisez pas ce que vous avez le droit de faire avec un modèle à partir du mot « open ». Lisez sa licence. Pour une vue d'ensemble de la maîtrise des données, du modèle, de l'infrastructure et de l'exploitation, consultez notre guide de l'IA souveraine on-premise.
Quelles clauses de licence vérifier en premier ?
La licence décide si un modèle est même candidat ; vérifiez-la donc avant tout test. Trois types de licence courants :
| Licence | Exemples | Points à vérifier |
|---|---|---|
| Apache 2.0 | Modèles denses Qwen3, gpt-oss, Mistral Small 3.1 | Permissive : la fiche de Mistral la décrit comme autorisant l'utilisation et la modification à des fins commerciales et non commerciales (Mistral AI). Conservez la licence et les mentions lorsque vous redistribuez. |
| Licences communautaires Llama | Llama 3.3, Llama 4 | Une licence de Meta est nécessaire au-delà de 700 millions d'utilisateurs actifs mensuels ; la mention « Built with Llama » doit être affichée ; le nom des modèles dérivés doit commencer par « Llama » (fiche Llama 3.3). |
| Conditions d'utilisation de Gemma | Gemma 3 | Une politique d'usages interdits s'applique et doit être transmise à toute personne à qui vous redistribuez ; Google « se réserve le droit de restreindre (à distance ou autrement) l'utilisation » qu'il estime contraire aux conditions (Gemma Terms of Use). |
Deux détails comptent en pratique. D'abord, la licence peut varier au sein d'une même famille : l'annonce de Qwen indique que les six modèles denses Qwen3 sont publiés sous Apache 2.0 mais ne précise pas de licence pour les deux modèles mixture-of-experts (Qwen) ; vérifiez donc la page de chaque modèle. Ensuite, les modèles à accès contrôlé comme Llama et Gemma exigent d'accepter des conditions sur Hugging Face avant le téléchargement, ce que votre dossier d'achat doit consigner.
Ceci n'est pas un avis juridique. Faites lire le texte complet de la licence par un conseil juridique pour la version exacte du modèle que vous comptez déployer.
Comment se comparent des modèles open-weight connus ?
Le tableau compare des exemples, ce n'est pas un classement. De nouvelles versions sortent tous les quelques mois ; utilisez-le comme modèle pour votre propre liste restreinte. Les informations ont été vérifiées sur les pages des modèles en novembre 2026.
| Modèle | Licence | Taille | Longueur de contexte | Arabe et français |
|---|---|---|---|---|
| Qwen3-32B | Apache 2.0 | 32,8 Md, dense | 32 768 en natif ; 131 072 avec YaRN | Qwen3 cite 119 langues et dialectes, dont le français et l'arabe standard, marocain et tunisien ; l'algérien n'est pas cité (Qwen) |
| gpt-oss-120b | Apache 2.0 | 117 Md au total, 5,1 Md actifs (MoE) | 131 072 dans sa configuration | Non précisé sur la fiche du modèle |
| Mistral Small 3.1 | Apache 2.0 | 24 Md, dense | 128k | Les deux cités |
| Gemma 3 27B | Gemma Terms of Use | 27 Md, dense | 128K en entrée, 8 192 en sortie | « Plus de 140 langues » ; la fiche ne les nomme pas |
| Llama 3.3 70B | Llama 3.3 Community License | 70 Md, dense | 128k | Français cité ; l'arabe ne fait pas partie des huit langues prises en charge |
| Llama 4 Scout | Llama 4 Community License | 109 Md au total, 17 Md actifs (MoE) | 10M | Les deux cités |
Quelle taille de modèle votre matériel peut-il faire tourner ?
La taille du modèle détermine la mémoire GPU, et la mémoire GPU détermine le coût. En règle générale, les poids demandent environ 2 Go par milliard de paramètres en précision 16 bits, et moins après quantification. Notre guide de dimensionnement des GPU détaille les poids, le cache KV et les utilisateurs simultanés.
Les modèles mixture-of-experts (MoE) changent le calcul. Tous les paramètres doivent tenir en mémoire, mais seule une partie sert pour chaque token, ce qui rend en général la génération plus rapide qu'avec un modèle dense de même taille totale. gpt-oss-120b, avec 5,1 milliards de paramètres actifs, tient sur un seul GPU de 80 Go, et gpt-oss-20b fonctionne dans 16 Go (OpenAI sur Hugging Face). Llama 4 Scout tient sur un seul H100 avec une quantification int4 à la volée, selon sa fiche de modèle.
Repérez la précision derrière chaque annonce. gpt-oss a été post-entraîné avec une quantification MXFP4 de ses poids MoE, et le chiffre d'un seul GPU pour Llama 4 Scout suppose l'int4. Comparez les candidats à la précision que vous utiliserez réellement, et vérifiez la qualité des réponses à cette précision.
Le modèle maîtrise-t-il l'arabe et le français ?
Les documents industriels algériens mêlent arabe standard moderne (MSA), français et anglais. Partez de ce que chaque modèle annonce, puis testez.
Les annonces varient, comme le montre le tableau. Certaines familles citent explicitement l'arabe ; Llama 3.3 ne le cite pas ; gpt-oss et Gemma 3 ne nomment aucune langue sur leur fiche. Une liste de dialectes comme celle de Qwen3 est utile, mais si vos documents techniques sont rédigés en arabe standard et en français, la couverture des dialectes compte surtout pour les champs en texte libre, comme les notes de relève de poste.
Les benchmarks publics aident à établir une liste restreinte. L'Open Arabic LLM Leaderboard v2 a retiré les tâches traduites automatiquement et ajouté des benchmarks en arabe natif, dont une tâche de génération augmentée par récupération (RAG) appelée ALRAGE. Ses auteurs espèrent que de futurs benchmarks couvriront des domaines spécialisés, et la plupart de ses tâches sont en arabe standard. Aucun classement public ne teste vos rapports de maintenance.
Vérifiez aussi la tokenisation. Un même texte peut produire des nombres de tokens très différents selon la langue, avec des écarts allant jusqu'à 15 fois dans certains cas (Petrov et al., 2023). Plus de tokens par page signifie moins de document dans la fenêtre de contexte et des réponses plus longues à produire. Passez un échantillon de vos documents arabes et français dans le tokeniseur de chaque candidat. Notre article sur les documents en arabe, français et anglais traite du côté documentaire.
De quelle longueur de contexte avez-vous vraiment besoin ?
La longueur de contexte est le nombre de tokens que le modèle peut lire en une fois : votre question, les passages récupérés et la réponse. L'exemple chiffré de notre guide de dimensionnement des GPU suppose une question documentaire d'environ 6 500 tokens, passages récupérés et réponse compris. Tous les modèles du tableau ci-dessus offrent bien davantage.
Les maximums annoncés appellent la prudence. Le benchmark RULER a testé 17 modèles à long contexte, annonçant tous au moins 32 000 tokens ; la plupart obtenaient un score presque parfait sur un simple test de l'aiguille dans une botte de foin, mais seulement la moitié environ gardaient des performances satisfaisantes à 32 000 tokens sur des tâches plus difficiles (Hsieh et al., 2024). Les contextes longs consomment aussi de la mémoire GPU pour le cache KV.
La règle pratique : déterminez le contexte nécessaire à partir de vos propres prompts, puis testez chaque candidat à cette longueur, pas à son maximum. Si vous hésitez entre la récupération documentaire et l'entraînement du modèle sur vos documents, lisez d'abord fine-tuning ou RAG.
Votre logiciel de service peut-il le faire tourner ?
Un modèle n'est utile que si votre serveur d'inférence prend en charge son architecture. vLLM, un serveur d'inférence open source, publie une liste des architectures prises en charge et indique de la comparer au champ architectures du fichier config.json du modèle (vLLM). Qwen3, Gemma 3, Mistral, gpt-oss et Llama 4 y figurent tous.
Certains modèles attendent aussi un format de prompt particulier. La fiche de gpt-oss précise que les modèles « ne doivent être utilisés qu'avec le format harmony, faute de quoi ils ne fonctionneront pas correctement » (OpenAI sur Hugging Face). Vérifiez ce point avant de comparer les réponses, sinon vous mesurerez un modèle mal configuré.
Comment télécharger et vérifier les fichiers du modèle en sécurité ?
Les fichiers d'un modèle sont des logiciels que vous exécutez dans votre réseau. Traitez-les comme tels.
- Préférez le format safetensors aux fichiers pickle. Hugging Face avertit que le chargement d'un fichier pickle peut exécuter du code arbitraire, et recommande de ne charger que des modèles d'utilisateurs et d'organisations de confiance (Hugging Face).
- Téléchargez depuis le dépôt officiel de l'éditeur. L'OWASP note qu'il n'existe actuellement « aucune garantie forte de provenance pour les modèles publiés » et recommande de n'utiliser que des sources vérifiables, avec des contrôles d'intégrité fondés sur la signature et les empreintes (hash) des fichiers (OWASP LLM03:2025).
- Consignez les empreintes et les versions dans un inventaire, pour savoir exactement quels fichiers tournent en production et pouvoir revenir en arrière.
- Faites entrer les fichiers dans les réseaux isolés par votre procédure habituelle de transfert et d'analyse antivirale, pas par un téléchargement sur un ordinateur portable.
Notre article sur la sécurisation d'un LLM on-premise couvre le reste de la pile.
Comment choisir, étape par étape ?
- Formalisez le cas d'usage et les contraintes. Langues, longueur type des documents, nombre d'utilisateurs simultanés attendus, et nécessité ou non d'un fonctionnement en réseau isolé.
- Filtrez par licence. Écartez tout modèle dont les conditions ne seront pas acceptées par votre service juridique pour cet usage.
- Filtrez par matériel. Gardez les modèles dont les poids, à une précision que vous acceptez, laissent de la place au cache KV sur les GPU dont vous disposez ou que vous prévoyez d'acheter.
- Filtrez par langues annoncées et compatibilité du serveur. Vérifiez la fiche du modèle et la liste de votre serveur d'inférence.
- Présélectionnez deux ou trois modèles, dont un plus petit que ce que vous pensez nécessaire.
- Testez sur vos propres questions. Utilisez de vraies questions d'ingénieurs, dans toutes les langues qu'ils emploient, avec des réponses de référence et les passages sources. Notre guide pour évaluer un LLM sur vos documents en détaille la méthode.
- Comparez ensemble qualité, vitesse et mémoire, avec et sans quantification, puis choisissez le plus petit modèle qui réussit avec de la marge.
- Préparez le prochain changement. Consignez la version, la licence et les résultats de test, et repassez le même jeu de test à chaque nouveau candidat.
Si vous hésitez aussi entre assembler cette pile vous-même et acheter une plateforme, consultez construire ou acheter un LLM on-premise.
Ce que nous avons constaté chez KABAS AI
DALILE fonctionne sur les serveurs du client et répond aux questions à partir de documents techniques, de tableurs et de bases de données ; le choix du modèle fait donc partie de la préparation de chaque déploiement. Cet article décrit notre façon d'aborder ce choix, pas un benchmark que nous aurions mené : les chiffres ci-dessus proviennent tous des sources publiques citées.
Trois pratiques en découlent. Garder l'application indépendante d'un modèle donné, pour qu'une meilleure version open-weight puisse remplacer l'actuelle après test. Conserver le jeu de test, les fichiers du modèle et les résultats sur l'infrastructure du client. Et laisser les propres questions du client, en arabe, en français et en anglais, départager les candidats plutôt qu'une position dans un classement.
Si vous souhaitez de l'aide pour établir la liste restreinte et le jeu de test, notre équipe de conseil en IA peut mener la sélection avec vos documents.
Sources
Informations sur les modèles vérifiées en novembre 2026. Elles changent avec les nouvelles versions ; revérifiez avant de décider.
- Open Source Initiative, The Open Source AI Definition 1.0
- Qwen, Qwen3: Think Deeper, Act Faster
- Fiche du modèle Qwen3-32B, Hugging Face
- Fiche du modèle openai/gpt-oss-120b, Hugging Face
- Fichier config.json de openai/gpt-oss-120b, Hugging Face
- Fiche du modèle Mistral Small 3.1, Hugging Face
- Fiche du modèle Gemma 3 27B, Hugging Face
- Google, Gemma Terms of Use
- Fiche du modèle Llama 3.3 70B Instruct, Hugging Face
- Fiche du modèle Llama 4 Scout, Hugging Face
- Hugging Face, The Open Arabic LLM Leaderboard 2
- Petrov et al., Language Model Tokenizers Introduce Unfairness Between Languages, 2023
- Hsieh et al., RULER: What's the Real Context Size of Your Long-Context Language Models?, 2024
- vLLM, Supported models
- Hugging Face, Pickle scanning
- OWASP, LLM03:2025 Supply Chain
Questions fréquentes
Un modèle open-weight est-il un modèle open source ?
Pas forcément. Open-weight signifie que vous pouvez télécharger les paramètres du modèle et les exécuter vous-même. La définition de l'IA open source de l'Open Source Initiative exige aussi le code d'entraînement et d'inférence ainsi que des informations détaillées sur les données d'entraînement, avec des conditions qui permettent à chacun d'utiliser, d'étudier, de modifier et de partager le système. Beaucoup de modèles open-weight connus ne répondent pas à cette définition.
Peut-on utiliser des modèles Llama ou Gemma dans une entreprise industrielle ?
Leurs licences autorisent un usage large mais posent des conditions. La licence de Llama 3.3 impose la mention « Built with Llama » et une licence distincte au-delà de 700 millions d'utilisateurs actifs mensuels, et les conditions d'utilisation de Gemma comportent une politique d'usages interdits que vous devez transmettre à toute personne à qui vous redistribuez le modèle. Faites lire la licence complète par votre service juridique avant de vous engager sur un modèle.
Faut-il choisir le plus grand modèle que le budget permet ?
Non. Choisissez le plus petit modèle qui réussit votre propre jeu de test avec de la marge. Un modèle plus petit laisse plus de mémoire GPU pour les documents longs et les utilisateurs simultanés, répond plus vite et coûte moins cher à remplacer quand une meilleure version sort. Les modèles mixture-of-experts changent aussi l'équation, puisqu'une partie seulement de leurs paramètres est utilisée pour chaque token.
Faut-il un modèle spécialisé en arabe pour des documents en arabe ?
Pas toujours. Plusieurs modèles généralistes citent l'arabe parmi leurs langues prises en charge, alors que certains modèles connus ne le citent pas. Les benchmarks arabes publics aident à établir une liste restreinte, mais ils testent surtout l'arabe standard moderne ; testez donc les candidats sur vos propres documents en arabe, en français et en langues mêlées avant de décider.
À quelle fréquence remplacer le modèle une fois en production ?
Il n'y a pas de calendrier fixe. De nouvelles versions open-weight sortent tous les quelques mois, mais chaque changement exige de repasser tout le jeu de test, de vérifier la nouvelle licence et de déployer de façon maîtrisée. Une approche pratique consiste à réexaminer les candidats à intervalle fixe, par exemple une ou deux fois par an, et à ne changer que lorsque le gain sur votre propre jeu de test justifie le travail.



