Autres outils IA : avis, comparatifs et guides

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), ramenant les paramètres entraînables à moins de 1 % du modèle d'origine. 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 : moins de 1 % de paramètres entraînables (environ 10 000 fois moins sur GPT-3 175B dans l'article original), moins de mémoire GPU (1,2 To → 350 Go dans le même cas), entraînement plus rapide et moins cher, aucune latence d'inférence une fois l'adaptateur fusionné, et le modèle oublie moins ses capacités d'origine. Son plus grand atout : des adaptateurs interchangeables. QLoRA combine la quantification, entraînant LoRA sur une base 4-bit : selon son article, un modèle 65B qui exigerait plus de 780 Go en entraînement complet 16 bits tient sur un GPU de 48 Go, et un 33B sur un GPU grand public de 24 Go. Comparé au fine-tuning complet, LoRA suffit pour la plupart des travaux.

Faire tourner un énorme modèle 70B sur un seul PC à la maison au lieu d'un rack de GPU de data center (en confiant au CPU et à la RAM ce qui ne tient pas dans un GPU grand public) 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, selon les rapports, 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 ; sa supériorité sur GPTQ dépend de l'évaluation), 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 des performances proches de celles de l'enseignant pour une taille bien plus réduite et une vitesse accrue. 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 : la fonction de l'API d'OpenAI lancée en 2024 pour entraîner de petits modèles sur les sorties de grands modèles). Avantages : rapide et bon marché, bien plus compact avec des performances proches de l'enseignant (TinyBERT : 7,5 fois plus petit, plus de 96,8 %), 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 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 basculent les requêtes signalées comme distillation vers un modèle Opus moins performant. 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.

Le fine-tuning entraîne davantage un modèle de base sur vos données pour ajuster son style, ses formats et ses classifications. Ce guide le compare au RAG et aux prompts, présente les méthodes complète, LoRA et QLoRA, et détaille les données nécessaires, les coûts et les conditions d’accès d’OpenAI. Il montre aussi comment évaluer un modèle ajusté sur un cas de classification avant de décider de l’adopter.

Vous supposez probablement qu'un LLM doit forcément tourner dans le cloud, mais les petits modèles ne pèsent que quelques gigaoctets et tournent même sur un ordinateur portable ordinaire. Un LLM local consiste à faire tourner un modèle d'IA directement sur votre PC plutôt que dans le cloud. Ses atouts sont la confidentialité (les saisies ne quittent pas votre machine), l'absence de frais d'API et l'usage hors ligne ; ses inconvénients, une intelligence inférieure à celle des meilleures IA cloud et le besoin d'un PC raisonnablement capable. Ce guide pour débutants couvre la quantification (Q4_K_M ramène le modèle à environ 30 % de sa taille en fp16 : de 16 GB à 4,9 GB pour Llama 3.1 8B), un tableau des tailles de téléchargement réelles tirées des listes de tags d'Ollama (au 30 septembre 2026), la configuration requise officielle d'Ollama et de LM Studio, la procédure officielle d'Ollama (install.sh sous macOS et Linux, install.ps1 sous Windows, puis ollama run gemma4 et ollama ps pour vérifier que le modèle est sur le GPU), l'avertissement que les modèles « :cloud » ne tournent pas sur votre machine, comment choisir un modèle (avec Llama 3.1, Gemma 4, Qwen3.8 et DeepSeek-R1 en exemples), et quand préférer le local au cloud.

Le 9 juin 2026, Anthropic a publié Claude Fable 5 — libérant, pour la première fois sous une forme utilisable par les utilisateurs et développeurs ordinaires, une capacité au niveau de « Mythos », le modèle de pointe longtemps considéré en interne comme le plus puissant. Anthropic le présente comme le modèle le plus puissant qu'il propose au grand public, avec le slogan « conçu pour le travail long et complexe ». Ce décryptage, écrit pour que les débutants puissent suivre, couvre ce qu'est Fable 5 (une forme publique et sûre de la capacité de classe Mythos, optimisée pour terminer un marathon plutôt qu'une simple question-réponse ; identifiant claude-fable-5), en quoi il diffère de son jumeau Mythos 5 (identique à l'intérieur, seuls les garde-fous diffèrent ; le public utilise Fable), les benchmarks (SWE-Bench Pro 80.0% contre Opus 4.8 69.2 et GPT-5.5 58.6, une première à plus de 90% sur l'analyse de longue durée Hex, en tête sur Cognition FrontierCode et la finance Hebbia, nouvel état de l'art en vision jouant à Pokémon sans aide), sa vraie force dans l'autonomie de longue durée (concentration sur des millions de tokens, plus d'autonomie que tout Claude antérieur, Stripe achevant une migration Ruby de 50 millions de lignes en une journée contre deux mois et plus à la main, la mémoire fichier boostant une tâche de jeu 3x plus qu'Opus 4.8, GitHub rapportant un codage à long horizon en haute autonomie), les tarifs et la disponibilité (10 $ entrée / 50 $ sortie par 1M de tokens, contexte 1M et sortie 128K, gratuit dans chaque formule du 9 au 22 juin puis crédits, API claude-fable-5 et GitHub Copilot), une comparaison directe avec Opus 4.8 (standard 5 $/25 $ contre 10 $/50 $, +10.8 points sur SWE-Bench Pro, même contexte 1M, Opus 4.8 Fast Mode à 10 $/50 $ ; répartir le travail lourd vers Fable 5 et le quotidien vers Opus 4.8 standard), la nouvelle conception de la sécurité phare (classifieurs cyber, bio-chimie et distillation qui se rabattent sur Opus 4.8 uniquement quand c'est dangereux, se déclenchant dans moins de 5% des sessions de sorte que plus de 95% s'exécutent à pleine performance, avec une conservation de 30 jours du trafic de classe Mythos), le contexte d'une sortie quelques jours après avoir averti que l'IA est trop dangereuse (une troisième voie qui ferme uniquement les domaines dangereux), et quand l'utiliser. Les chiffres sont cités de l'annonce d'Anthropic et de rapports et peuvent changer.

Vous tapez un peu de texte et une vidéo sonore naît en quelques secondes — ce qui relevait encore de la science-fiction il n'y a pas si longtemps est devenu réalité en 2026, et la situation évolue à un rythme effréné. Sora, d'OpenAI, qui dominait les conversations, a fermé son application et son site web en avril 2026 (l'API a suivi le 24 septembre 2026) ; à sa place, Google Veo, Kling et Runway ont pris la tête. Ce guide à jour (juin 2026), indépendant de tout outil, couvre ce qu'est la génération de vidéo par IA (créer des images en mouvement à partir de mots ou d'une image, avec synchronisation audio, 1080p–4K et image-to-video désormais standard), le paysage 2026 (la fermeture de Sora — contexte rapporté de pression sur le calcul et les coûts et de baisse des utilisateurs — et les têtes de course actuelles Google Veo 3.1, Kling 3.0 et Runway Gen-4.5, avec une tarification à la seconde devenue la norme), son fonctionnement (des modèles de diffusion étendus à la dimension temporelle ; text-to-video et image-to-video), les 5 étapes communes (choisir un outil, prompt/image, régler durée/format/audio, générer et choisir, assembler au montage), les conseils essentiels de prompt vidéo (sujet + mouvement + caméra + style + durée + audio, avec les verbes et la caméra comme clés, un plan une action, utiliser l'image-to-video, multiplier les tirages), ce qu'elle sait et ne sait pas encore faire (les œuvres longues d'un seul coup et la cohérence totale restent difficiles, et le coût à la seconde s'accumule), ainsi que l'essentiel sur les droits, les filigranes et l'éthique (les filigranes comme SynthID deviennent la norme et ne peuvent pas être retirés dans de nombreuses offres, et le standard de provenance C2PA se répand aussi, une sortie purement IA est faiblement protégée avec des différences selon les pays, l'usage commercial dépend des conditions, et les deepfakes de personnes réelles sont interdits). Réalisez des plans et assemblez-les au montage plutôt que de viser une œuvre longue d'un seul coup. Comme le domaine bouge vite, vérifiez toujours l'actualité de façon officielle.

« Je ne sais pas dessiner, donc ce n'est pas pour moi » — cet a priori sur la génération d'images par IA est à l'envers. Il suffit de lui donner des consignes avec des mots, et quelques secondes plus tard vous obtenez des visuels de qualité professionnelle. Ce guide transversal couvre ce qu'est la génération d'images par IA (créer des images à partir de rien, par les mots — l'art de communiquer, pas de dessiner ; la version image du prompt engineering), son fonctionnement (les modèles de diffusion sculptent une image dans un bruit aléatoire en se servant de votre prompt comme repère, en dessinant à partir de rien à chaque fois), le déroulé commun en 4 étapes valable dans tout outil (choisir un outil, écrire un prompt, générer et choisir, affiner et finaliser — l'itération est le principe), l'anatomie centrale du prompt en 6 éléments (sujet, scène, style, lumière, composition, technique) plus prompts négatifs et ratio d'aspect — sachant que l'exclusion, le format et le texte dans l'image s'écrivent différemment selon l'outil (Midjourney utilise --no, Google demande une description positive, l'API de Stability AI a negative_prompt, d'après les documentations officielles), 7 conseils de maîtrise, les difficultés de l'IA (mains, texte, cohérence, précision) et leurs astuces, et les fondamentaux sur les droits, l'usage commercial et l'éthique (la sortie purement IA est faiblement protégée selon le U.S. Copyright Office et l'affaire Thaler, définitive depuis le refus de la Cour suprême de la réexaminer en 2026, avec des différences par pays ; le commercial dépend des conditions de chaque outil ; deepfakes et imitation de style sont interdits ; la provenance se répand, OpenAI apposant à ses images à la fois des métadonnées C2PA et un filigrane SynthID). Le choix de l'outil et les modes d'emploi spécifiques renvoient au comparatif, à Midjourney et à Stable Diffusion. Connaître l'anatomie, lancer le nombre, ajouter les mots petit à petit — chacun peut se rapprocher de l'image qu'il vise.

Vous posez la même question à la même IA, et pourtant une personne la trouve inutile tandis qu'une autre s'émerveille de sa puissance — et la vraie cause de cet écart n'est souvent pas la puissance de l'IA mais la façon dont le prompt est rédigé. Voici un compendium pratique de cette compétence, l'ingénierie de prompts, organisé pour qu'un débutant puisse l'utiliser tout de suite. Il couvre ce qu'est l'ingénierie de prompts (la compétence de concevoir et améliorer votre instruction à l'IA — pas du code mais l'art de la formulation), les trois principes qui changent vos résultats (soyez précis, donnez du contexte, précisez la sortie, plus « fais X » plutôt que « ne fais pas Y »), les 6 parties essentielles d'un bon prompt (rôle, contexte, instruction, exemples, format, contraintes — les éléments qui reviennent dans les guides publiés par les éditeurs ; vous n'avez pas besoin des six à chaque fois), 7 techniques pratiques (donner un rôle, montrer un modèle/few-shot, raisonner étape par étape, fixer le format de sortie, structurer avec des délimiteurs, ne pas trop demander d'un coup, et itérer — la plus forte étant l'itération), un exemple avant/après, des techniques avancées (chaîne de pensée, auto-cohérence, chaînage de prompts, ReAct — bien que les modèles de raisonnement comme la série o et le mode de réflexion étendue de Claude fassent la CoT en interne, donc énoncer l'objectif fonctionne mieux), 7 erreurs courantes, et des conseils par modèle plus la sécurité de saisie. Avec des liens internes vers les conseils de prompt pour le développement d'applications et les précautions de saisie. Transformez le flou en précis, le déversement en dialogue — n'importe qui peut progresser dès aujourd'hui.

En juin 2025, Sam Altman, d'OpenAI, a écrit sur son blog : « Nous avons franchi l'horizon des événements ; le décollage a commencé » (« The Gentle Singularity »). Pourtant, d'autres chercheurs balaient catégoriquement l'idée comme quelque chose qui n'arrivera jamais. Ce guide pour débutants explique que la singularité (singularité technologique) est « le point de bascule à partir duquel l'IA dépasse l'intelligence humaine et commence à s'améliorer elle-même, de sorte que le progrès devient explosivement rapide et ne peut plus être prévu ni contrôlé » (une hypothèse, pas réalisée en 2026). Il couvre son cœur — l'explosion d'intelligence = auto-amélioration récursive, où une IA intelligente construit une IA encore plus intelligente et où celui qui améliore passe de l'humain à l'IA ; en quoi elle diffère de l'AGI et de l'ASI (AGI/ASI sont des « états » d'intelligence, la singularité est l'« événement » de devenir imprévisible ; AGI → auto-amélioration → le bond soudain vers l'ASI = la singularité) ; l'histoire du terme (l'« explosion d'intelligence » de I. J. Good en 1965 → Vinge popularise le nom en 1993 → Kurzweil la généralise avec « 2045 ») ; la large dispersion des prédictions (Kurzweil 2045, Altman « déjà commencée », Vinge, et des sceptiques comme Gary Marcus et le « frein de la complexité » du regretté Paul Allen) ; décollage dur soudain vs décollage doux graduel ; les espoirs (percées contre la maladie et en science) et les risques (perte de contrôle, problème de l'alignement) ; le scepticisme profond (frein de la complexité, limites physiques, une tout autre chose) ; et les idées reçues comme « les robots qui dominent », « immédiate une fois l'AGI arrivée » et « fixée à 2045 ». Ni la craindre à l'excès ni en rêver de trop — tirez le meilleur parti de l'IA d'aujourd'hui tout en observant calmement ce qui pourrait venir ensuite.