Classement IA

IA locales / open source

Modèles ouverts ou exécutables localement (open-weights, open-source, runtimes locaux). Comparés sur les mêmes critères de qualité que le classement général.

← Tous les classements

MAJ du classement le 10 octobre 2026 à 15:29

Top visuel

01 Qwen3.8 27B 84.79
02 Qwen3.5 27B 81.80
03 Qwen3.5 35B A3b 76.71
04 Qwen3 32b 75.76
05 Qwen3 30B A3b Thinking 2507 75.04
06 Qwen3.5 9B 70.66
07 Qwen3.6 27B 66.58
08 Llama 4 Maverick 17B 128e Instruct 65.38
09 Qwen3 30B A3b 64.23
10 Mistral Small 3.1 24B Instruct 2503 61.19

Limite locale : ≈35B max

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	84.79 / 100	Partiel
02		Alibaba	81.80 / 100	Fiable
03		Alibaba	76.71 / 100	Fiable
04		Alibaba	75.76 / 100	Fiable
05		Alibaba	75.04 / 100	Fiable
06		Alibaba	70.66 / 100	Fiable
07		Alibaba	66.58 / 100	Fiable
08		Meta	65.38 / 100	Partiel
09		Alibaba	64.23 / 100	Fiable
10		Mistral	61.19 / 100	Partiel
11		Alibaba	60.59 / 100	Fiable
12		Alibaba	59.05 / 100	Partiel
13		Google	57.17 / 100	Partiel
14		Mistral	56.12 / 100	Partiel
15		Meta	55.69 / 100	Fiable
16	Olmo 3.1 32b think	Allen institute for ai	55.68 / 100	Fiable
17		Alibaba	53.10 / 100	Partiel
18		Alibaba	52.91 / 100	Partiel
19	Olmo 2 0325 32B Instruct	Allenai	52.27 / 100	Partiel
20		Alibaba	52.25 / 100	Fiable
21		Alibaba	49.40 / 100	Partiel
22		Alibaba	49.09 / 100	Partiel
23		Google	48.72 / 100	Fiable
24		Meta	48.13 / 100	Fiable
25		Alibaba	46.89 / 100	Partiel
26		Allenai	46.85 / 100	Partiel
27		Alibaba	46.78 / 100	Partiel
28		Alibaba	46.73 / 100	Partiel
29		Alibaba	46.63 / 100	Partiel
30		Google	46.53 / 100	Fiable
31		Alibaba	45.00 / 100	Partiel
32		Mistral	44.77 / 100	Fiable
33		Google	42.87 / 100	Fiable
34		Google	42.52 / 100	Fiable
35		01.ai	42.32 / 100	Fiable
36		Alibaba	42.28 / 100	Partiel
37		Alibaba	41.90 / 100	Partiel
38	Internlm2 5 20B Chat	Shanghai ai lab	41.61 / 100	Partiel
39		Alibaba	40.44 / 100	Fiable
40		Google	40.43 / 100	Partiel
41		Alibaba	40.31 / 100	Partiel
42		Google	40.27 / 100	Partiel
43		Alibaba	40.26 / 100	Partiel
44		Google	40.21 / 100	Partiel
45		Alibaba	40.17 / 100	Partiel
46		Alibaba	39.59 / 100	Partiel
47		Alibaba	39.42 / 100	Partiel
48		Alibaba	39.26 / 100	Partiel
49		Alibaba	39.18 / 100	Partiel
50		Alibaba	39.01 / 100	Fiable

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 open source et locales

Le classement Open source de Le Recul regroupe les modèles ouverts ou exécutables localement : open-weights, licences permissives, runtimes locaux. Ils sont comparés sur la même grille généraliste que les modèles fermés — qualité générale, raisonnement, connaissances, multimodal, code, coût, factualité, vitesse, stabilité, accessibilité — pour éviter de leur appliquer un barème de complaisance.

L'intérêt d'un modèle ouvert ne tient pas seulement à son score. Il tient à ce que vous en faites : l'exécuter chez vous, garder vos données, éviter la dépendance à un fournisseur, ou simplement continuer à l'utiliser si l'éditeur change ses conditions. Ces avantages ne se lisent pas dans un classement, mais ils pèsent souvent plus que quelques points d'écart.

En contrepartie, « ouvert » ne signifie ni gratuit ni sans effort. Il faut du matériel, du temps de configuration, et accepter un écart de performance qui se réduit mais persiste sur les tâches les plus exigeantes. Le score situe le modèle ; la décision d'usage dépend de vos contraintes.

À quoi sert ce classement ?

Ce classement aide à repérer les modèles ouverts réellement compétitifs, et à séparer ceux qui tiennent en usage réel de ceux qui brillent seulement sur un benchmark d'annonce.

Il sert aussi à cadrer une décision de souveraineté ou de confidentialité : si vos données ne doivent pas sortir, la question n'est pas « quel est le meilleur modèle » mais « quel est le meilleur modèle que je peux héberger ».

Comment lire le classement

Qualité générale et raisonnement, mesurés sur la même base que les modèles fermés.
Connaissances, multimodal et code selon la couverture des sources publiques.
Coût réel d'exécution, matériel compris — pas seulement l'absence de licence.
Stabilité et accessibilité : disponibilité des poids, formats, runtimes.
Statut d'évaluation (Fiable / Partiel / Insuffisant) selon la couverture.

Lire la méthodologie complète →

FAQ — IA locales / open source

Les IA open source valent-elles les modèles fermés ?

L'écart s'est nettement réduit sur les usages courants et reste plus net sur les tâches longues ou complexes. Le classement le montre sans le majorer ni le minimiser, puisque la grille est identique.

« Open source » et « open weights », est-ce pareil ?

Non. Beaucoup de modèles dits ouverts publient leurs poids sous licence restrictive, sans les données ni le code d'entraînement. C'est utile pour l'exécution locale, mais ce n'est pas de l'open source au sens strict.

Faut-il un GPU coûteux pour les faire tourner ?

Pas toujours. Les modèles compacts tournent sur GPU grand public ou Mac Apple Silicon récent. Les plus gros exigent un matériel significatif, ce qui fait partie du coût réel.

Un modèle local est-il plus sûr pour mes données ?

Sur le principe oui, puisque rien ne quitte votre machine. Cela déplace la responsabilité sur votre propre sécurité : mises à jour, accès, sauvegardes.

À quelle fréquence le classement est-il mis à jour ?

Environ toutes les 25 heures, automatiquement. La date de mise à jour figure en haut de page.

Voir la FAQ complète →

Classements liés

← Retour au classement IA principal