18 nov. 2026

Comparatif des LLM locaux en 2026

Data & IA

Logo invivoo.

Grow

Together

The letters LLM embossed on a grid of light grey square tiles

18 nov. 2026

Comparatif des LLM locaux en 2026

Data & IA

Logo invivoo.

Grow

Together

The letters LLM embossed on a grid of light grey square tiles

18 nov. 2026

Comparatif des LLM locaux en 2026

Data & IA

Logo invivoo.

Grow

Together

The letters LLM embossed on a grid of light grey square tiles

Fin 2026, le paysage des LLM locaux a changé de visage. Qwen propose la gamme la plus large et la plus active sous licence Apache 2.0. Mistral s'impose comme l'option européenne, avec une licence tout aussi permissive. Llama, longtemps la référence, n'évolue plus : Meta a déplacé ses efforts vers la famille Muse. Aucun n'est « le meilleur » dans l'absolu : le bon choix dépend du matériel disponible, de la licence acceptable et de l'usage visé.

Cet article compare les trois familles sur des critères vérifiables, sans s'appuyer sur les classements publiés par les éditeurs eux-mêmes. Il prolonge notre guide pour installer un LLM en local avec LM Studio.

Pourquoi faire tourner un LLM en local

Un modèle local tourne sur vos propres machines, sans envoyer de données à un fournisseur externe. Quatre raisons motivent ce choix :

  • La confidentialité : les données sensibles (clients, contrats, code source) ne quittent pas votre réseau. C'est souvent décisif dans la banque et l'assurance.

  • La maîtrise des coûts : pas de facturation au token. Le coût se reporte sur le matériel et l'exploitation, ce qui devient avantageux à fort volume.

  • L'indépendance : la version du modèle est figée. Elle ne change pas du jour au lendemain, et vous n'êtes pas exposé à l'arrêt d'un service.

  • La personnalisation : un modèle aux poids ouverts peut être affiné (fine-tuning) sur vos propres données.

La contrepartie est réelle : les modèles qui tiennent sur un poste de travail restent en dessous des meilleurs modèles propriétaires sur les tâches complexes, et l'exploitation demande des compétences internes.

Les trois familles en 2026

Llama (Meta) : la référence historique, en pause

Llama a lancé la vague des modèles à poids ouverts. Sa dernière génération, Llama 4, date d'avril 2025 : Scout (109 milliards de paramètres, dont 17 actifs) et Maverick (400 milliards, 17 actifs), deux modèles à mélange d'experts (MoE) et multimodaux. Les versions Llama 3.1 8B et Llama 3.3 70B restent très utilisées grâce à leur large écosystème d'outils.

En avril 2026, Meta a changé de cap avec Muse Spark, un modèle fermé qui remplace Llama dans ses services. En octobre 2026, Meta a publié Muse Spark Open, à poids ouverts, mais ses 816 milliards de paramètres demandent au moins 1 To de mémoire, hors de portée de la plupart des postes.

Côté licence, Llama n'est pas open source au sens de l'Open Source Initiative : sa licence communautaire impose des conditions d'usage et exclut les services de plus de 700 millions d'utilisateurs mensuels. Elle comporte aussi des restrictions visant l'Union européenne pour les modèles multimodaux, un point à faire valider par un juriste.

Mistral : l'alternative européenne

Mistral AI, société française, publie ses principaux modèles sous licence Apache 2.0, sans restriction d'usage commercial. Sa gamme couvre toutes les tailles :

  • Ministral 3 (décembre 2025) : 3, 8 et 14 milliards de paramètres, avec compréhension d'images et variantes de raisonnement.

  • Mistral Small 4 (mars 2026) : 119 milliards de paramètres dont 6 actifs, contexte de 256 000 tokens, vision et niveau de raisonnement réglable.

  • Mistral Large 3 (décembre 2025) et Large 4 (annoncé en octobre 2026, environ 1 000 milliards de paramètres) : des modèles de très grande taille, réservés à des serveurs dédiés.

Qwen (Alibaba) : la gamme la plus large

L'équipe Qwen d'Alibaba publie au rythme le plus soutenu. Qwen3 (avril 2025) a posé une gamme complète sous Apache 2.0, de 0,6 à 32 milliards de paramètres, plus deux modèles MoE (30B et 235B). Depuis, les versions 3.5, 3.6 et 3.8 se sont succédé en 2026.

Le modèle phare pour un usage local est Qwen3.8-27B (août 2026) : dense, multimodal (texte, image, vidéo), avec un contexte natif de 262 000 tokens et une licence Apache 2.0. Attention : toutes les versions Qwen n'ont pas la même licence. Certains modèles récents sont propriétaires ou soumis à une licence spécifique.

Comparatif des modèles les plus pertinents en local

Le tableau retient les modèles qui tiennent sur un poste de travail ou un serveur raisonnable. Les très grands modèles (Llama 4 Maverick, Mistral Large, Muse Spark Open) en sont exclus.

Modèle

Sortie

Paramètres (actifs)

Contexte (tokens)

Licence

Points forts

Qwen3.8-27B

Août 2026

27 milliards (dense)

262 000

Apache 2.0

Le plus récent ; multimodal ; raisonnement désactivable

Mistral Small 4

Mars 2026

119 milliards (6)

256 000

Apache 2.0

Rapide grâce au MoE ; vision ; raisonnement réglable

Ministral 3 (3B, 8B, 14B)

Déc. 2025

3 à 14 milliards

Non publié par l'éditeur

Apache 2.0

Très léger ; vision ; éditeur européen

Qwen3 (0,6B à 32B)

Avr. 2025

0,6 à 32 milliards

32 000 (128 000 avec extension)

Apache 2.0

Gamme complète ; très bien outillée

Llama 4 Scout

Avr. 2025

109 milliards (17)

10 millions

Licence Llama 4

Contexte très long ; multimodal

Llama 3.1 8B

Juil. 2024

8 milliards

128 000

Licence Llama 3.1

Écosystème très mature ; nombreuses variantes affinées

Deux remarques pour lire ce tableau. D'abord, un modèle MoE est rapide mais pas léger : seuls quelques milliards de paramètres travaillent à chaque token, mais tous doivent tenir en mémoire. Ensuite, les classements de performance ne figurent pas ici volontairement : les scores publiés viennent surtout des éditeurs, et les résultats varient fortement selon la tâche. Rien ne remplace un test sur vos propres cas d'usage.

Matériel nécessaire

La mémoire est le premier critère de choix. En local, on utilise presque toujours un modèle quantifié : ses poids sont compressés, typiquement sur 4 bits, ce qui divise la mémoire nécessaire par quatre environ, pour une perte de qualité limitée. Une règle simple : comptez environ 0,6 Go par milliard de paramètres en 4 bits, plus une marge pour le contexte.

Taille du modèle

Mémoire indicative (4 bits)

Configuration type

Exemples

3 à 8 milliards

2 à 5 Go

Ordinateur portable récent, 16 Go de RAM

Ministral 3 8B, Qwen3 8B, Llama 3.1 8B

14 milliards

9 Go environ

Carte graphique de 12 à 16 Go

Ministral 3 14B, Qwen3 14B

27 à 32 milliards

17 à 20 Go

Carte graphique de 24 Go ou Mac de 32 Go et plus

Qwen3.8-27B, Qwen3 32B

100 à 120 milliards (MoE)

65 à 75 Go

Mac à mémoire unifiée de 96 à 128 Go, ou serveur multi-GPU

Mistral Small 4, Llama 4 Scout

Ces chiffres sont des ordres de grandeur : la consommation réelle dépend du format, de l'outil d'inférence et surtout de la longueur du contexte utilisé. Pour un usage en production, sans quantification, les besoins sont bien supérieurs : Mistral recommande par exemple quatre GPU H100 pour Small 4.

Côté logiciel, trois outils dominent : Ollama et LM Studio pour un poste de travail, vLLM pour servir un modèle à plusieurs utilisateurs.

Quel modèle pour quel usage

Le choix se fait sur trois critères, dans cet ordre : la licence acceptable pour votre organisation, la mémoire disponible, puis la tâche.

  • Assistant généraliste sur un portable : Ministral 3 8B ou Qwen3 8B. Ils répondent vite et suffisent pour reformuler, résumer ou répondre à des questions simples.

  • Analyse de documents longs et RAG : Qwen3.8-27B ou Mistral Small 4, grâce à leur contexte de plus de 250 000 tokens et à leur lecture d'images (tableaux, schémas, documents scannés).

  • Assistance au code : les modèles de 27 milliards de paramètres et plus donnent des résultats nettement meilleurs que les petits modèles. Testez Qwen3.8-27B et Mistral Small 4 sur votre propre base de code.

  • Contraintes de souveraineté : Mistral est le seul des trois éditeurs à être européen. Pour une banque ou un acteur public, c'est souvent un critère de conformité autant qu'un argument technique.

  • Projet existant sur Llama : inutile de migrer dans l'urgence. Les modèles publiés restent utilisables, mais il faut savoir qu'ils ne seront probablement plus mis à jour.

Dans tous les cas, constituez un jeu de 30 à 50 questions représentatives de votre métier, et comparez deux ou trois modèles dessus. C'est le seul classement qui compte.

Points de vigilance

  • Lire la licence de chaque version, pas de chaque famille. Chez Qwen, Qwen3.8-27B est sous Apache 2.0, mais le grand modèle de la même génération impose une licence commerciale aux fournisseurs dépassant 50 millions de dollars de chiffre d'affaires. Chez Meta, chaque version de Llama a sa propre licence communautaire.

  • Se méfier des benchmarks. Les scores mis en avant sont généralement mesurés par les éditeurs, sur des tests qu'ils choisissent. Les écarts entre modèles récents de taille comparable sont souvent plus faibles que l'écart entre deux tâches différentes.

  • Sécuriser la chaîne d'approvisionnement. Téléchargez les modèles depuis les dépôts officiels des éditeurs, privilégiez le format safetensors et vérifiez les empreintes. Une version « optimisée » publiée par un tiers inconnu reste un risque.

  • Tenir compte de l'origine du modèle. Un modèle local n'envoie aucune donnée à son éditeur, quel que soit son pays. En revanche, l'entraînement reflète les choix de l'éditeur, y compris sur certains sujets sensibles. Testez le comportement du modèle sur les thèmes qui comptent pour vous.

  • Garder un contrôle humain. Un modèle local hallucine autant qu'un modèle dans le cloud. Les obligations de l'AI Act s'appliquent aussi aux systèmes que vous déployez en interne.