Ces familles proposent plusieurs tailles, générations et variantes spécialisées. Une comparaison valable doit citer la révision exacte : un nom de famille ne permet pas de conclure sur qualité, licence ou mémoire. « Poids ouverts » ne signifie pas automatiquement licence open source.
Llama
Llama possède un vaste écosystème de fine-tuning, quantifications et moteurs. Ses licences communautaires varient selon génération et doivent être lues avant usage ou redistribution. Son adoption facilite la disponibilité d’outils, mais ne garantit pas qu’une variante soit optimale en français ou sur votre tâche.
Mistral
Mistral propose des modèles ouverts et des offres propriétaires, avec une forte présence européenne. Vérifiez la licence de chaque checkpoint, ses langues, son contexte et ses formats d’outils. Ne confondez pas l’origine du fournisseur avec le lieu réel d’hébergement de votre déploiement.
Gemma et Qwen
Gemma s’intègre fortement à l’écosystème Google et utilise des conditions propres à la famille. Qwen couvre de nombreuses tailles, langues et modalités avec un riche écosystème. Pour chacune, contrôlez licence, tokenizer, variantes instruct ou base et compatibilité avec votre moteur.
Méthode de choix
Éliminez d’abord les licences incompatibles. Testez ensuite quelques tailles sur un dataset métier, dans le format d’inférence final et avec la quantification prévue. Mesurez qualité, français, outils, sorties structurées, mémoire, premier token et débit. Choisissez le plus petit modèle qui satisfait le seuil.
FAQ
Quel modèle est le meilleur en français ?
Cela dépend de la version et de la tâche ; réalisez un test dédié.
Peut-on changer de famille sans réindexer un RAG ?
Le générateur oui, mais changer le modèle d’embedding exige généralement une réindexation.
Open-weight signifie-t-il usage commercial libre ?
Non. Lisez la licence exacte et ses restrictions.