samedi 12 septembre 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 11 septembre 2026 à 10:52

Top visuel

  1. 01 Qwen3.8 27B 87.18
  2. 02 Qwen3.5 27B 83.43
  3. 03 Qwen3.5 35B A3b 78.01
  4. 04 Qwen3 32b 76.83
  5. 05 Qwen3 30B A3b Thinking 2507 75.04
  6. 06 Qwen3.5 9B 70.66
  7. 07 Llama 4 Maverick 17B 128e Instruct 67.51
  8. 08 Qwen3.6 27B 66.58
  9. 09 Qwen3 30B A3b 65.57
  10. 10 Mistral Small 3.1 24B Instruct 2503 63.18
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 87.18 / 100 Partiel
02 Alibaba 83.43 / 100 Fiable
03 Tendance à la baisse sur 30 jours (−0.89 de score — écart mesuré par rapport à sa catégorie) Alibaba 78.01 / 100 Fiable
04 Tendance à la baisse sur 30 jours (−0.90 de score — écart mesuré par rapport à sa catégorie) Alibaba 76.83 / 100 Fiable
05 Tendance à la baisse sur 30 jours (−1.47 de score — écart mesuré par rapport à sa catégorie) Alibaba 75.04 / 100 Fiable
06 Tendance à la baisse sur 30 jours (−4.5 pt de position relative, −8.87 de score — écart mesuré par rapport à sa catégorie) Alibaba 70.66 / 100 Fiable
07 Meta 67.51 / 100 Partiel
08 Tendance à la hausse sur 30 jours (+1.17 de score — écart mesuré par rapport à sa catégorie) Alibaba 66.58 / 100 Fiable
09 Tendance à la baisse sur 30 jours (−0.47 de score — écart mesuré par rapport à sa catégorie) Alibaba 65.57 / 100 Fiable
10 Mistral 63.18 / 100 Partiel
11 Alibaba 59.15 / 100 Partiel
12 Google 59.03 / 100 Partiel
13 Olmo 3.1 32b instruct Allen institute for ai 58.66 / 100 Fiable
14 Mistral 57.94 / 100 Partiel
15 Meta 56.90 / 100 Fiable
16 Olmo 2 0325 32B Instruct Allenai 53.79 / 100 Partiel
17 Alibaba 53.20 / 100 Partiel
18 Alibaba 53.06 / 100 Partiel
19 Alibaba 49.65 / 100 Partiel
20 Tendance à la hausse sur 30 jours (+0.42 de score — écart mesuré par rapport à sa catégorie) Alibaba 49.09 / 100 Partiel
21 Allenai 48.19 / 100 Partiel
22 Alibaba 47.73 / 100 Partiel
23 Google 47.45 / 100 Fiable
24 Tendance à la hausse sur 30 jours (+0.30 de score — écart mesuré par rapport à sa catégorie) Alibaba 46.89 / 100 Partiel
25 Alibaba 46.81 / 100 Fiable
26 Tendance à la hausse sur 30 jours (+0.36 de score — écart mesuré par rapport à sa catégorie) Alibaba 46.78 / 100 Partiel
27 Alibaba 46.73 / 100 Partiel
28 Alibaba 45.30 / 100 Partiel
29 Tendance à la hausse sur 30 jours (+8.7 pt de position relative, +3.18 de score — écart mesuré par rapport à sa catégorie) Alibaba 44.99 / 100 Fiable
30 Google 43.38 / 100 Fiable
31 01.ai 42.95 / 100 Fiable
32 Olmo 3.1 32b think Allen institute for ai 42.81 / 100 Fiable
33 Internlm2 5 20B Chat Shanghai ai lab 42.78 / 100 Partiel
34 Olmo 3 32b think Allen institute for ai 42.63 / 100 Fiable
35 Alibaba 42.61 / 100 Fiable
36 Google 42.43 / 100 Fiable
37 Alibaba 42.28 / 100 Partiel
38 Tendance à la baisse sur 30 jours (−0.35 de score — écart mesuré par rapport à sa catégorie) Alibaba 41.35 / 100 Fiable
39 Tendance à la baisse sur 30 jours (−0.37 de score — écart mesuré par rapport à sa catégorie) Google 41.34 / 100 Partiel
40 Google 40.43 / 100 Partiel
41 Google 40.27 / 100 Partiel
42 Tendance à la hausse sur 30 jours (+0.33 de score — écart mesuré par rapport à sa catégorie) Alibaba 40.17 / 100 Partiel
43 Alibaba 39.80 / 100 Fiable
44 Tendance à la hausse sur 30 jours (+0.31 de score — écart mesuré par rapport à sa catégorie) Alibaba 39.63 / 100 Partiel
45 Alibaba 38.17 / 100 Partiel
46 Tendance à la hausse sur 30 jours (+2.6 pt de position relative, +1.26 de score — écart mesuré par rapport à sa catégorie) Google 37.98 / 100 Fiable
47 Alibaba 37.87 / 100 Partiel
48 NVIDIA 37.82 / 100 Partiel
49 Alibaba 37.14 / 100 Fiable
50 Alibaba 36.71 / 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