Modèles d’IA : analyse des capacités, architectures et guides par famille
Le modèle lui-même, analysé : familles, architectures, compromis.
Choisir un modèle pose un problème différent de celui de son exécution. Les environnements d’exécution, les GPU et les piles de service répondent à la question « comment faire tourner ceci ? » ; ce cluster répond à la question « quel modèle, et pourquoi celui-ci ? ».
Les pages de ce cluster analysent les modèles en tant qu’artefacts : l’évolution d’une famille au fil des générations, ce qu’une modification d’architecture change dans les capacités du modèle, et l’équilibre entre quantification et capacités. Chaque affirmation est ancrée dans des fiches modèles de fournisseurs, des benchmarks indépendants ou des exécutions mesurées — les valeurs prévisionnelles sont clairement identifiées comme telles.
La place des modèles IA dans la pile
Le site découpe la question des modèles en trois couches :
| Couche | Ce qu’elle couvre | Cluster |
|---|---|---|
| Le modèle | capacités, architecture, évolution de famille, quantification | Vous êtes ici |
| Le service | environnements d’exécution, adéquation aux GPU, débit, comportement du contexte | Hébergement de LLM · Performance des LLM |
| Le système | routage, mémoire, agents, vérification | Systèmes IA · Architecture des LLM |
Une affirmation de capacité formulée ici (ce qu’un modèle dense de 27B retient en 4 bits, ce qu’émet un décideur à passe simple) devient une donnée d’entrée pour les décisions d’hébergement et de performance prises ailleurs. Les clusters sont délibérément séparés afin que les tableaux de benchmarks ne migrent pas dans les essais d’architecture, et vice-versa.
Carte du cluster
Ce cluster est jeune et croît par densité, et non selon un planning. Ce qui existe aujourd’hui :
- Vous êtes ici — ce pilier : ce que le cluster couvre et où se situent ses limites
- Architectures — Que vient-il après les LLM ? Mamba, Diffusion & Modèles du Monde — le paysage post-transformer : modèles d’espace d’état, modèles de langage par diffusion et modèles du monde JEPA, avec les preuves pour chacun
- Familles — Qwen 4 : ce qui est confirmé et ce que cela implique pour l’IA locale — une page de référence par famille construite autour de l’escalier de benchmarks 27B générationnel, de l’aperçu de l’architecture Flash-Next et de l’adéquation avec les GPU grand public
Sous-clusters prévus, amorcés lorsque suffisamment de pages connexes existeront : benchmarks (comparaisons inter-modèles), quantification (références par échelle de bits), embeddings et rerankers (modèles côté récupération), comparaisons (famille contre famille).
Architectures de modèles
L’analyse d’architecture demande ce qu’une modification de conception fait aux capacités, à la mémoire et au comportement d’inférence — et non quel modèle domine un classement cette semaine. La page ancre couvre les candidats alignés pour succéder ou compléter le transformer :
- Modèles d’espace d’état (Mamba) — échelonnement linéaire avec la longueur de la séquence par un état récurrent compressé
- Modèles de langage par diffusion — génération de tokens parallèle au lieu du décodage de gauche à droite
- Modèles du monde et JEPA — prédiction sur des représentations plutôt que sur des tokens
Le motif hybride — attention transformer là où elle justifie son coût, attention linéaire là où ce n’est pas le cas — est déjà présent dans les modèles commercialisés, et Que vient-il après les LLM ? retrace à la fois la lignée de recherche et les preuves en production.
Familles de modèles
Les pages par famille suivent une ligne de modèles au fil des générations : ce que chaque release a modifié, quels gains de benchmarks sont réels par rapport aux valeurs déclarées par le fournisseur, et ce que la prochaine génération implique pour le matériel que vous possédez peut-être déjà.
La première couvre la famille open-weight la plus exécutée sur les GPU grand public :
- Qwen 4 : ce qui est confirmé et ce que cela implique pour l’IA locale — la feuille de route confirmée d’Alibaba, l’escalier de benchmarks 27B Qwen3.5 → 3.6 → 3.8, Flash-Next comme aperçu d’architecture exécutable, et les cibles de mémoire auxquelles un Qwen 4 27B aboutira.
Ce qui n’appartient pas ici
Les règles de limite gardent le cluster honnête :
- Questions de service et de réglage — à quelle vitesse un modèle s’exécute, comment adapter le contexte, quel environnement choisir — appartiennent à Performance des LLM et Hébergement de LLM. Une page de famille renvoie vers ces mesures plutôt que de reproduire des tableaux de tok/s.
- Utilisation de modèles dans un système — niveaux de routage, mémoire, conception d’agents — appartient à Systèmes IA et Architecture des LLM.
- Modèles côté récupération — les embeddings et les rerankers sont analysés ici en tant que modèles, mais leur application dans des pipelines vit dans RAG.
Comment ce cluster se connecte aux autres
- Performance des LLM en 2026 — les équivalents mesurés des affirmations de capacité ici : la frontière efficace des modèles open-weight et les pages de benchmark 16 Go transforment « ce modèle est capable » en « ce modèle tient et s’exécute à N t/s ».
- Hébergement de LLM en 2026 — la décision d’environnement d’exécution et d’infrastructure qui suit le choix du modèle.
- Que vient-il après les LLM ? et les pages de familles se croisent mutuellement : les aperçus d’architecture dans une famille (Flash-Next) constituent les preuves à court terme des changements architecturaux décrits par la page de panorama.
