jeudi 22 octobre 2026 L'IA promet, Le Recul vérifie.
Newsletter
FR EN

Tests IA · Verdicts clairs · Classement à jour

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 22 octobre 2026 à 01:08

Top visuel

  1. 01 Qwen3.8 27B 84.76
  2. 02 Qwen3.5 27B 81.90
  3. 03 Qwen3.5 35B A3b 76.77
  4. 04 Qwen3 32b 75.82
  5. 05 Qwen3 30B A3b Thinking 2507 75.04
  6. 06 Qwen3.5 9B 70.66
  7. 07 Qwen3.6 27B 66.58
  8. 08 Llama 4 maverick 17b 128e instruct 65.50
  9. 09 Qwen3 30B A3b 64.30
  10. 10 Mistral small 3.1 24b instruct (2503) 61.30
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.

Comparateur Le Recul

Qui gagne sur quoi

Cochez au moins deux modèles dans le tableau du classement, puis revenez ici.
# Modèle Éditeur Score Évaluation
01 Alibaba 84.76 / 100 Partiel
02 Alibaba 81.90 / 100 Fiable
03 Alibaba 76.77 / 100 Fiable
04 Alibaba 75.82 / 100 Fiable
05 Alibaba 75.04 / 100 Fiable
06 Alibaba 70.66 / 100 Fiable
07 Alibaba 66.58 / 100 Fiable
08 Meta 65.50 / 100 Partiel
09 Alibaba 64.30 / 100 Fiable
10 Mistral 61.30 / 100 Partiel
11 Alibaba 60.64 / 100 Fiable
12 Alibaba 59.05 / 100 Partiel
13 Google 57.27 / 100 Partiel
14 Mistral 56.22 / 100 Partiel
15 Meta 55.76 / 100 Fiable
16 Alibaba 53.10 / 100 Partiel
17 Alibaba 52.91 / 100 Partiel
18 Olmo 2 32b instruct (0325) Allenai 52.36 / 100 Partiel
19 Alibaba 52.28 / 100 Fiable
20 Alibaba 49.40 / 100 Partiel
21 Alibaba 49.09 / 100 Partiel
22 Google 48.74 / 100 Fiable
23 Meta 48.15 / 100 Fiable
24 Allenai 46.94 / 100 Partiel
25 Alibaba 46.89 / 100 Partiel
26 Alibaba 46.78 / 100 Partiel
27 Alibaba 46.73 / 100 Partiel
28 Google 46.66 / 100 Fiable
29 Alibaba 46.63 / 100 Partiel
30 Alibaba 45.00 / 100 Partiel
31 Mistral 44.84 / 100 Fiable
32 Google 42.89 / 100 Fiable
33 Google 42.56 / 100 Fiable
34 01.ai 42.36 / 100 Fiable
35 Alibaba 42.28 / 100 Partiel
36 Internlm2.5 20b chat Shanghai ai lab 41.68 / 100 Partiel
37 Alibaba 40.49 / 100 Fiable
38 Google 40.43 / 100 Partiel
39 Alibaba 40.38 / 100 Partiel
40 Alibaba 40.29 / 100 Partiel
41 Google 40.28 / 100 Partiel
42 Google 40.27 / 100 Partiel
43 Alibaba 40.17 / 100 Partiel
44 Alibaba 39.25 / 100 Partiel
45 Alibaba 39.18 / 100 Partiel
46 Alibaba 39.07 / 100 Partiel
47 Alibaba 39.06 / 100 Fiable
48 Meta 38.97 / 100 Fiable
49 Alibaba 38.87 / 100 Partiel
50 Alibaba 38.49 / 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 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