Choisir un modèle et un outil
Il n'existe pas de meilleur modèle dans l'absolu : on part de la tâche, on en déduit des critères (contexte, raisonnement, multimodal, coût, hébergement), puis on teste deux ou trois candidats.
- modèle
- choix
- claude
- gpt
- gemini
- mistral
- llama
- open weights
- souveraineté
- outil
Syntaxe
1. Le modèle (le moteur), critères : fenêtre de contexte · qualité de raisonnement · multimodal (image, audio, PDF) · coût et latence · hébergement et souveraineté (UE, sur site) · poids ouverts ou propriétaire2. L'outil (l'interface), critères : complétion dans l'éditeur · chat · agent dans le dépôt · agent en terminal · intégrations (MCP)3. Décision : tester deux ou trois candidats sur votre jeu d'évaluation, pas sur un classement publicExemple
Tâche → Critères décisifs → PisteRemanier 15 fichiers d'un dépôt → raisonnement, contexte, agent → modèle fort + agent dans le dépôtRésumer des entretiens RH internes → données personnelles, hébergement UE → offre hébergée en UE ou poids ouverts sur siteLire 2 000 factures scannées → multimodal, coût, traitement par lots → modèle léger multimodal, en lotsCompléter une ligne de code → latence → complétion intégrée à l'éditeurFamilles courantes en novembre 2026, citées sans classement : Claude (Anthropic), GPT (OpenAI),Gemini (Google), Mistral (Mistral AI), Llama (Meta), Qwen (Alibaba), DeepSeek.Les versions changent tous les quelques mois.Résultat attendu : un choix justifié par des critères et par un test, révisé régulièrement.À retenir
- Séparez le modèle de l'outil : un même éditeur ou agent peut souvent utiliser plusieurs modèles, et un même modèle se retrouve dans plusieurs outils.
- « Ouvert » recouvre des réalités différentes : le plus souvent des poids téléchargeables sous une licence plus ou moins permissive, rarement les données et le code d'entraînement. Lisez la licence avant un usage commercial.
- Pour des données sensibles, la question décisive est l'hébergement et le contrat (localisation, conservation, réutilisation pour l'entraînement), pas le score du modèle.
- Revoyez le choix au moins une fois par trimestre : les gammes de modèles et leurs tarifs évoluent vite.
- Piège : choisir d'après un classement ou un benchmark public. Ils mesurent des tâches génériques, parfois présentes dans les données d'entraînement ; seul votre jeu de test dit ce qui marche pour vous.
Voir aussi
- Coût et latenceChaque appel se paie en tokens et en secondes. Un bon système envoie un contexte réduit, réutilise un début de prompt en cache et réserve le modèle le plus puissant aux étapes qui l'exigent.
- Modèles de raisonnementCertains modèles « réfléchissent » avant de répondre en produisant un raisonnement intermédiaire. Ils valent leur surcoût sur les problèmes à plusieurs étapes, pas sur les tâches simples.
- Évaluer un système LLMOn n'améliore pas ce qu'on ne mesure pas : un jeu de cas de test avec des critères explicites, rejoué à chaque changement de prompt ou de modèle, remplace l'impression que « c'est mieux ».
- Confidentialité des donnéesCe que vous collez dans un chatbot quitte votre poste : selon l'offre, ce peut être conservé, relu ou utilisé pour l'entraînement. On choisit donc l'outil d'après la sensibilité des données.