Quel modèle de décision choisir selon vos besoins réels

👁 119 lectures

Le marché des modèles de décision compte désormais une dizaine d’options concurrentes testées par Artificial Analysis dans son Decision Index v1.0 au 13 octobre 2026. Chaque solution présente des compromis techniques marqués. Sélectionner un modèle exige donc d’aligner précisément ses capacités sur votre tâche cible plutôt que de chercher un gagnant universel.

Classification, modération et appel d’outils

Pour la modération de contenu et le filtrage d’entrées malveillantes, les résultats sur WildGuardTest placent GLiDE de Fastino Labs en tête avec un score F1 de 95,1, suivi par Decider v1.1 27B à 93,8 et Jev 1.13 à 93,6. GLiDE impose toutefois une latence médiane de 217 ms et un coût élevé de $119 pour un million de tâches sur l’index global, tandis qu’une analyse indépendante de Ryan Porter a relevé des temps atteignant 10 secondes sur certaines requêtes complexes.

Pour déterminer s’il convient d’appeler une fonction, de poser une question ou de répondre directement, le test When2Call donne l’avantage conjoint à GLiDE et Celeris-1 Decision avec un score de 83,7. Celeris-1 présente l’avantage d’une latence très réduite mesurée à 63 ms par Artificial Analysis, et propose une option d’explication en une phrase sans surcoût. Il reste cependant fermé, non disponible sur OpenRouter et dépourvu de poids ouverts.

Raisonnement, connaissances et admission de l’inconnu

Sur le raisonnement pur mesuré par HLE-MultiChoice, Jev 1.13 de TypeSafe domine nettement avec un score de 20,9, là où aucun autre modèle de décision ne dépasse 15,4. En revanche, Jev montre une efficacité plus faible sur les connaissances générales avec 34,6 % sur AA-Omniscience-Decision. Lors d’un test indicatif portant sur l’orientation de 50 tickets de support en langue non anglaise (polonais), Jev 1.13 a obtenu le résultat le plus bas avec 41 orientations correctes sur 47 sans ambiguïté, tout en consommant plus de jetons d’entrée.

Sur la capacité à déclarer Je ne sais pas pour éviter les hallucinations, Microsoft-Decision-1 arrive en tête avec un score de 39,8, suivi de Jev à 35,2 et Mercury Decide à 32,0, alors que les autres concurrents restent sous la barre des 17. Le modèle d1 de Liquid AI atteint la meilleure exactitude brute sur les connaissances (41,0 %), mais n’admet quasiment jamais son ignorance avec un score de 1,7.

Poids ouverts et conformité européenne

Pour l’auto-hébergement, Decider v1.1 27B (licence Apache-2.0, environ 49 Gio de mémoire GPU requis) et la série Clef de Cloudflare offrent des poids libres. Liquid AI propose d1-3B sous licence LFM Open License v1.0, gratuite sous les 10 millions de dollars de chiffre d’affaires annuel. Côté conformité pour le traitement des données en Europe, Microsoft-Decision-1 permet un déploiement DataZoneStandard garantissant un traitement confiné dans la zone UE. À l’opposé, Jev 1.13 opère exclusivement aux États-Unis avec des clauses contractuelles types, sans région européenne disponible.

À lire aussi : Modèles de décision IA - classement Decision Index, prix et tests

// lire la suiteSuno v6 : pour qui, sans données tarifaires publiées ?ActualitésGPT-6 Astra : pour qui ce modèle premium a-t-il du sensActualitésSimon Willison contre le mythe de la réécriture from scratchActualités

Kinetyra