Classement IA
IA Locale — Agentique
Modèles open-weights/locaux (Qwen, DeepSeek, Gemma, Llama, Phi, Mistral… ≤ 35B) adaptés à l'usage agentique : modèles présents à la fois en chat et en code. Ce sont des modèles utilisables dans des systèmes agentiques, pas des applications/scaffolds.
Top visuel
- 01 Qwen3.5 27B 83.28
- 02 Qwen3.5 35B A3b 81.46
- 03 Gemma 3 27B It 42.15
- 04 QwQ 32B 40.72
- 05 Falcon H1r 7B 34.98
- 06 Qwen2.5 Coder 32B Instruct 33.03
- 07 Phi 3 mini instruct 3.8b 17.67
Les modèles au-delà d'environ 35 milliards de paramètres ne sont pas classés dans les catégories locales. Le Recul privilégie les modèles réellement exploitables en local, sans infrastructure professionnelle lourde.
| # | Modèle | Éditeur | Score | Évaluation | |
|---|---|---|---|---|---|
| 01 | Alibaba | 83.28 / 100 | Fiable | ||
| 02 | Alibaba | 81.46 / 100 | Fiable | ||
| 03 | 42.15 / 100 | Fiable | |||
| 04 | Alibaba | 40.72 / 100 | Fiable | ||
| 05 | Falcon H1r 7B | Tii uae | 34.98 / 100 | Partiel | |
| 06 | Alibaba | 33.03 / 100 | Fiable | ||
| 07 | Microsoft | 17.67 / 100 | Partiel |
Score indicatif, pondéré à partir de sources publiques. Méthodologie transparente. Voir la page Classement IA pour la méthodologie complète et les autres catégories.
Classement des IA locales adaptées à l'usage agentique
Cette vue regroupe les modèles open-weights exécutables localement qui tiennent à la fois en conversation et en code — la double compétence attendue d'un modèle destiné à piloter un agent. Ce sont des modèles utilisables dans un système agentique, pas des applications agentiques.
Faire tourner un agent en local répond à un besoin précis : garder les données sur sa machine, éviter la facturation au token sur des tâches longues et répétées, et ne pas dépendre de la disponibilité d'un service tiers. Sur des boucles agentiques qui consomment beaucoup d'appels, l'argument économique devient rapidement décisif.
L'exigence est en revanche plus forte que pour du chat. Un agent enchaîne des dizaines d'étapes : une petite fragilité se répercute et s'amplifie à chaque tour. La régularité compte donc davantage ici que le pic de performance, et c'est souvent là que les modèles compacts montrent leurs limites.
À quoi sert ce classement ?
Cette vue aide à choisir un modèle local capable de tenir une boucle agentique sans dériver au bout de quelques étapes.
Elle invite aussi à une supervision plus stricte : un agent local mal cadré échoue silencieusement, sans le garde-fou d'un fournisseur qui coupe ou signale l'anomalie.
Comment lire le classement
- Présence simultanée en chat et en code (condition d'entrée de la vue).
- Qualité générale et raisonnement, base de la tenue sur tâche longue.
- Régularité entre exécutions, déterminante en boucle agentique.
- Coût d'exécution local et vitesse, sur un volume d'appels élevé.
- Accessibilité : poids disponibles, formats et runtimes supportés.
FAQ — IA Locale — Agentique
Un agent IA peut-il vraiment tourner en local ?
Oui, sur des tâches cadrées et avec un modèle adapté. Les limites apparaissent sur les tâches longues et faiblement spécifiées, où la dérive s'installe au fil des étapes.
Quelle différence avec le classement Agents IA ?
Le classement Agents IA évalue des systèmes complets. Cette vue ne classe que les modèles locaux susceptibles de les alimenter.
Pourquoi la régularité compte-t-elle plus que le score brut ?
Parce qu'un agent enchaîne de nombreuses étapes. Une erreur ponctuelle sans conséquence en chat peut faire dérailler toute une chaîne d'actions.
Faut-il superviser un agent local ?
Oui, au moins autant qu'un agent cloud. L'exécution locale supprime la facturation, pas le risque d'actions non désirées.
À quelle fréquence est-ce mis à jour ?
Environ toutes les 25 heures, automatiquement. La date de mise à jour figure en haut de page.
Classements liés
Ouvrir le site officiel ?
—
Vous serez redirigé vers — dans un nouvel onglet.