Autres outils IA : avis, comparatifs et guides

Le 16 juillet 2026, Moonshot AI a publié Kimi K3, un modèle de 2 800 milliards de paramètres au total. Les valeurs américaines des semi-conducteurs ont été vendues, et l'affaire est montée jusqu'à un responsable de la Maison-Blanche accusant nommément l'entreprise d'avoir distillé les modèles d'Anthropic. Comme les chiffres et jusqu'aux étiquettes elles-mêmes divergent selon la source, cet article recoupe les éditeurs de benchmarks, la presse financière, les annonces de Moonshot et la page Hugging Face telle qu'elle est, en précisant qui a produit chaque chiffre. Côté performance, il obtient 57 points et la troisième place sur l'Artificial Analysis Intelligence Index (au 17 juillet 2026, même si des relevés placent ces mêmes 57 points au quatrième et au septième rang). Sur GDPval-AA v2, la métrique la plus pratique, K3 se situe à 1668 contre 1760 pour Fable 5 et 1600 pour Opus 4.8 — un bond de 478 points depuis la K2.6 de la génération précédente à 1190, et c'est ce rattrapage, plus que le rang absolu, qui a fait bouger le marché. En code, il a pris la première place sur le Frontend Code Arena d'Arena.ai avec 1679 (Fable 5 à 1631), alors que sur FrontierSWE il perd, 81,2 % contre 86,6 % pour Fable 5. Le prix s'inverse selon la comparaison : 3 $ en entrée et 15 $ en sortie, c'est environ 40 % moins cher en entrée et 40 à 50 % moins cher en sortie que Claude Opus 4.8 (5 $/25 $) ou GPT-5.6 Sol (5 $/30 $), et le coût mesuré de 0,94 $ par tâche passe sous les 1,80 $ d'Opus 4.8. Face aux rivaux chinois, en revanche, c'est le plus cher du groupe, environ trois fois GLM-5.2 et 23 fois DeepSeek V4 Pro : ce n'est donc pas la remise d'un ordre de grandeur du choc DeepSeek. Sur les poids, les médias hésitent entre « open source » (VentureBeat, SCMP) et l'« open weight » de Reuters, et c'est ce dernier terme qui est exact. Les poids sont sortis comme prévu le 27 juillet 2026 et se récupèrent sur Hugging Face sans demande d'accès (96 fragments safetensors). La licence publiée avec eux est la « Kimi K3 License » maison de Moonshot : une concession de type MIT assortie de deux conditions — un accord distinct pour toute activité de Model as a Service dépassant 20 millions de dollars de chiffre d'affaires, et une mention « Kimi K3 » bien en vue dans l'interface des produits au-delà de 100 millions d'utilisateurs actifs mensuels. Comme la concession change selon la taille de l'utilisateur, ce n'est pas de l'open source au sens de l'OSI : la querelle d'appellation est désormais tranchée par le texte de la licence. Sur les marchés, le Nasdaq a perdu 1,5 % vendredi, Taïwan plus de 6 %, le Japon 4 %, et l'ETF semi-conducteurs (SMH) a reculé de plus de 20 % depuis son sommet de fin juin, mais la baisse hebdomadaire du SOX est rapportée entre -9 % et -12,5 % selon les médias, et les pertes ont ensuite été réduites par les acheteurs revenus sur les creux. L'accusation de distillation est rejetée par les chercheurs sur la base du calendrier — 15 jours entre la sortie publique de Fable le 1er juillet et le lancement de K3 le 15 juillet — et aucune preuve n'a été rendue publique. La vitesse (des mesures allant de 33 à 62 tokens par seconde, avec un avertissement d'OpenRouter sur des 429 fréquentes dues à la saturation), le taux d'hallucination passé de 39 % à 51 % et l'écart net d'expérience utilisateur que Moonshot admet lui-même sont tous traités avec des étiquettes de certitude explicites.

Anthropic a publié Claude Opus 5 le 24 juillet 2026, et sa propre documentation parle d'un changement de palier plutôt que d'une amélioration incrémentale par rapport à Opus 4.8 — pourtant le prix ne bouge pas : $5 en entrée / $25 en sortie par million de tokens, soit exactement la moitié du modèle phare Fable 5 ($10 / $50). Cet article recoupe l'annonce officielle et la documentation avec plusieurs articles de presse, et détaille les caractéristiques principales (claude-opus-5, une fenêtre de contexte de 1M à la fois par défaut et maximale, 128K tokens de sortie maximale, limite de connaissances en mai 2026), les tarifs y compris les taux de cache et le mode rapide (environ 2,5 fois la vitesse pour 2 fois le prix, API Claude uniquement), les benchmarks (Anthropic écrit dans son propre texte que Frontier-Bench dépasse le double d'Opus 4.8, que CursorBench 3.2 arrive à moins de 0,5 % de Fable 5, qu'ARC-AGI 3 vaut trois fois le score du deuxième et qu'OSWorld 2.0 bat Fable 5 pour environ un tiers du coût ; les chiffres relevés sur les graphiques par la presse incluent Frontier-Bench 43,3 %, ARC-AGI-3 30,2 %, GDPval-AA 1 861 et OSWorld 70,6 %), ainsi que les domaines où il perd encore (68,8 % contre 72,7 % pour GPT-5.6 Sol sur DeepSWE v1.1, la sécurité offensive et la recherche biologique de longue haleine où Mythos 5 domine, et les réglages où l'effort max obtient un score inférieur aux niveaux plus bas). Il couvre ensuite les deux ruptures de compatibilité de l'API (le thinking est actif par défaut, donc un budget max_tokens serré finit tronqué ; désactiver le thinking n'est autorisé qu'à un effort high ou inférieur, xhigh et max renvoyant une erreur 400), la façon de choisir parmi les cinq niveaux d'effort, les nouveautés comme la modification des outils en cours de conversation, le seuil de cache abaissé à 512 tokens et le mode de repli par défaut, puis le changement de caractère du modèle — réponses plus longues, plus de commentaires, plus de délégation et auto-vérification spontanée — avec la règle de migration qui consiste à retirer du texte de prompt plutôt qu'à en ajouter, et enfin qui a intérêt à migrer tout de suite, avec une checklist de migration en six étapes.

Le 8 juillet 2026, OpenAI a lancé GPT-Live, un nouveau modèle vocal qui remplace l'Advanced Voice Mode de ChatGPT. Grâce à une architecture full-duplex, il écoute et parle en même temps : il ponctue la conversation de signaux d'écoute (backchanneling), encaisse les interruptions et ne coupe pas vos silences de réflexion, avec une latence <250ms. La réactivité est assurée par GPT-Live tandis que la recherche et le raisonnement approfondi sont délégués en coulisses à GPT-5.5. Gratuit avec GPT-Live-1 mini, GPT-Live-1 sur Go/Plus/Pro. Nous détaillons son fonctionnement, ses différences avec l'Advanced Voice Mode, ses limites (vidéo, API) et la distinction avec GPT-Realtime-2.1.

Ceux qui ont renoncé au dessin parce qu'ils « ne savent pas dessiner » sont justement ceux pour qui le dessin par IA est un terrain de jeu. Mettez l'image que vous avez en tête en mots et elle devient une œuvre ; une photo prise au téléphone ou le gribouillage d'un enfant se transforme en pièce en quelques secondes. Ce n'est ni un comparatif d'outils ni un cours sérieux — c'est un recueil d'idées pour s'amuser en solo ou en famille. Des outils gratuits pour commencer (ChatGPT, Google Gemini, Microsoft Copilot, Canva) aux 10 idées (① gribouillage en œuvre ② photo dans un nouveau style ③ votre personnage à travers les scènes ④ le dessin d'un enfant comme page de conte ⑤ émojis originaux ⑥ BD en quatre cases ⑦ mashups « et si » ⑧ vos propres pages à colorier ⑨ relooking de pièce ⑩ duels de dessin), de petites astuces pour de meilleures images, et trois choses à savoir avant de jouer (ne pas utiliser le visage d'autrui, vérifier les droits et l'usage commercial, signaler que c'est fait par IA).

Ollama est l'outil de référence pour faire tourner un LLM en local : il prend en charge presque toute la configuration, de sorte qu'une seule commande suffit à télécharger un modèle et à commencer à discuter. Ce guide complet pour débutants couvre tout de bout en bout — l'installation sur Windows, Mac et Linux, les commandes essentielles, le choix des modèles selon votre VRAM, les interfaces graphiques comme Open WebUI, l'utilisation de l'API locale (y compris compatible OpenAI) pour l'intégrer dans vos propres applications, la personnalisation via Modelfile et variables d'environnement, ainsi que le dépannage des écueils les plus courants.

Une fois votre environnement prêt, quel LLM local installer vraiment ? Ce guide 2026 classe les grandes familles (Qwen, Llama, Gemma, DeepSeek, Mistral, Phi) par éditeur, pays d'origine, cas d'usage, taille et licence, et explique pourquoi, en local, vos données ne quittent jamais votre PC. Une section dédiée passe en revue les modèles français et européens — Mistral, Lucie-7B et CroissantLLM côté France, Teuken-7B (24 langues de l'UE) et Aleph Alpha côté Europe — pour qui privilégie le naturel du français, la souveraineté ou l'usage public/professionnel, avec des recommandations concrètes par taille de VRAM et par besoin.

Vous voulez faire tourner un LLM local mais vous ne savez pas si votre PC suivra ? 90 % de la réponse tient en un mot : la VRAM. Cet article propose un tableau express de la VRAM nécessaire par taille de modèle (7B à 70B), une formule simple pour estimer le besoin, le piège mémoire du cache KV qui grossit avec le contexte, et des vitesses réalistes par GPU et Mac. Il se termine par trois configurations recommandées selon votre budget, pour que même un débutant sache exactement quelle machine acheter.

Un LLM local que vous faites tourner sur votre propre PC, face à des LLM cloud comme Claude, ChatGPT et Gemini : les deux sont « LLM », mais ils diffèrent nettement en performance, coût, confidentialité et effort. Cet article met les différences côte à côte dans un seul comparatif et expose honnêtement jusqu'où le fameux « écart de performance » s'est réduit à l'horizon 2026. Puis il vous guide vers celui que vous devriez choisir selon votre usage — pour la plupart des gens, la réponse est l'hybride. Le tout écrit pour être lisible sans aucune connaissance préalable.

Réentraîner une IA géante de zéro coûte trop cher, mais vous voulez l'adapter rien que pour vous ; LoRA (Low-Rank Adaptation) exauce ce vœu en gelant le modèle d'origine et en n'entraînant qu'une minuscule pièce ajoutée (un adaptateur), réduisant les paramètres entraînables d'environ 90 %. LoRA rend le fine-tuning bien moins cher et plus rapide, et il est très populaire dans la génération d'images comme Stable Diffusion. Cet article l'explique avec une analogie de la pièce rapportée. LoRA est le fer de lance du fine-tuning efficace en paramètres (PEFT) : laisser les énormes poids d'origine gelés, insérer une petite matrice ajoutée dans chaque couche, et n'entraîner que celle-ci (W = W0 + BA). Avantages : environ 90 % de paramètres en moins, moins de mémoire GPU, entraînement plus rapide et moins cher, aucune latence d'inférence une fois l'adaptateur fusionné, et moins de surapprentissage. Son plus grand atout : des adaptateurs interchangeables. QLoRA combine la quantification, entraînant LoRA sur une base 4-bit. Comparé au fine-tuning complet, LoRA suffit pour la plupart des travaux.

Faire tourner un énorme modèle 70B sur un seul PC de gaming au lieu d'un rack de GPU de data center est rendu possible par la quantification, qui abaisse la précision numérique des poids d'un modèle pour réduire drastiquement sa taille et sa mémoire. Alors que la distillation transfère le savoir vers un modèle distinct plus petit, la quantification allège le même modèle. Cet article l'explique avec une analogie de compression de photo. La quantification remplace les poids stockés en décimaux FP16/FP32 par des entiers INT8 (8 bits) ou INT4 (4 bits), réduisant les octets par poids (FP32=4, INT8=1, INT4=0,5) ; comme compresser une photo RAW en JPEG, on sacrifie un peu de précision pour un gros gain, et la surprise est le peu qu'on y perd. Côté mémoire, le 4-bit utilise environ un quart du FP16 : un modèle 70B passe de ~140GB à ~35GB, et un 8B en 4-bit fait ~4.5-5GB, tenant dans un GPU de milieu de gamme à 8GB de VRAM pour un usage local (la démocratisation des LLM). Côté précision, INT8 est quasiment sans perte et INT4 se dégrade sous 4% sur les tâches générales, mais la perte est plus marquée pour les maths, le code et le raisonnement difficile (cela se voit par une légère hausse de la perplexité), donc choisissez le nombre de bits selon la tâche. Principales méthodes : GPTQ (pionnier du 4-bit précis), AWQ (protège le ~1% de poids les plus importants, souvent 1-2% plus précis et plus rapide), GGUF (format llama.cpp/Ollama, Q2_K-Q8_0, hybride CPU+GPU, pour le local) et QLoRA (base 4-bit plus LoRA pour le fine-tuning sur GPU grand public). Cela diffère de la distillation et du fine-tuning, et les trois se combinent généralement. Pour démarrer, exécutez un modèle GGUF avec Ollama en une commande, choisissez Q4/Q8 selon la VRAM et évitez l'INT4 pour le code ou les maths exactes. La plupart des grands modèles sont livrés déjà quantifiés, il suffit de les télécharger. Garder l'intelligence, ne perdre que le poids.

Une IA énorme et très performante est intelligente mais lourde et coûteuse ; la distillation de modèles (distillation des connaissances) résout cela en transférant le savoir d'un grand modèle enseignant vers un petit modèle élève, conservant plus de 95 % des performances de l'enseignant pour un dixième de la taille et de la vitesse. Cet article l'explique avec une analogie enseignant-élève. La clé, ce sont les soft labels : l'entraînement ordinaire n'enseigne que « la réponse est chat » (hard label), tandis que la distillation transmet toute la distribution de probabilités de l'enseignant comme « 90 % chat, 8 % chien, 2 % renard », dont le degré d'hésitation porte une information riche ; un paramètre température adoucit les probabilités pour révéler des relations subtiles (exemple réel : GPT-4o mini distillé de GPT-4o). Avantages : rapide et bon marché, ~10x plus compact tout en gardant plus de 95 % des performances, fonctionne sur l'edge, idéal pour la spécialisation. Deux approches : white-box (accès complet aux poids et représentations internes, transfert plus profond ; pour vos propres modèles ou OSS) et black-box (seules les sorties/réponses d'API sont visibles ; utiliser l'API d'une autre entreprise comme enseignant peut enfreindre les conditions). Elle diffère de la quantization (compresser la précision des poids du même modèle) et du fine-tuning (poursuivre l'entraînement d'un modèle existant pour une tâche) — la distillation transfère le savoir dans un petit modèle distinct, et les trois sont combinables. La réalité juridique/ToS a été un grand sujet en 2026 : la technique est légitime, mais OpenAI, Anthropic, Mistral et xAI incluent des clauses de distillation anti-concurrentielle interdisant d'utiliser les sorties pour construire des modèles concurrents. Le litige OpenAI contre DeepSeek montre que l'évaluation dépend des conditions d'API applicables, et Claude Fable 5/Mythos 5 restreindraient les réponses sur les travaux signalés. Conseils : utilisez vos propres modèles ou des OSS sous licence comme enseignant, vérifiez les clauses anti-distillation et jugez si l'usage revient à développer un concurrent. Les chiffres sont cités de documents publics, à titre indicatif.

Quand vous voulez personnaliser l'IA pour votre propre entreprise, le fine-tuning est l'une des options — mais s'y lancer à la légère revient cher et conduit facilement à l'échec. Ce guide pour débutants explique le fine-tuning : prendre un modèle de base déjà entraîné, l'entraîner davantage sur des données adaptées à votre usage, et le remodeler en un modèle spécialisé qui grave le « comportement » (style maison, format de sortie, vocabulaire d'un domaine) dans le modèle lui-même en réécrivant ses poids. Le fine-tuning est doué pour changer le comportement mais peu doué pour mémoriser un savoir à jour, d'où la règle « faits et savoir → RAG, personnalité et moule → fine-tuning, les prompts d'abord ». Comme le notent les experts, environ 80 % des « il nous faut du fine-tuning » se règlent par une meilleure recherche (RAG) ou par le prompting : l'ordre compte. L'article couvre ce qu'est le fine-tuning (l'analogie de la formation d'un nouveau collaborateur), ses points forts et ses points faibles, un tableau comparatif fine-tuning vs RAG vs prompting, les principales méthodes (full fine-tuning, LoRA et QLoRA — quantification 4-bit assez légère pour les débutants), ce dont vous avez besoin (500+ exemples de haute qualité comme repère, la construction des données étant le vrai travail ; des coûts de $5,000 à plus de $50,000, le fine-tuning d'OpenAI à environ $25–$100 par million de tokens d'entraînement ; des outils comme OpenAI, Unsloth, Axolotl et Hugging Face), et l'ordre dans lequel commencer. Le fine-tuning est le dernier recours.