IA open source en octobre 2026 : test de 4 LLM ouverts

Le paysage de l’IA open source a changé de visage en octobre 2026 : Meta, DeepSeek, StepFun et NVIDIA ont mis en ligne quatre points de contrôle majeurs entre le 15 et le 17 octobre. Ce sont des modèles d’IA open source au sens courant du terme, même si tous n’adoptent pas une licence open source stricte. J’ai testé ces quatre modèles IA via l’API le 19 octobre, sur une série identique d’épreuves courtes en polonais. DeepSeek et Nemotron ont réussi l’ensemble des tâches, tandis que Muse Spark Open et Step 5 ont parfois épuisé leur quota de jetons sans renvoyer de réponse.

Quatre parutions, quatre propositions d’IA open source

Muse Spark Open a été lancé par Meta le 15 octobre. StepFun a publié les poids de Step 5 Preview le même jour, après avoir cantonné son système à une offre en ligne (j’avais documenté ce lancement de l’API Step 5 Preview dans un article dédié). NVIDIA a également mis en ligne Nemotron 3.5 Super VL le 15 octobre. DeepSeek a enchaîné le 17 octobre avec V4.1 Flash 1017, une mise à niveau directe de sa version V4.1 Flash initiale. Cette nuance compte : il ne s’agit pas de quatre familles architecturales intégralement neuves surgies en même temps.

Ces fiches techniques proviennent des dépôts officiels vérifiés le 20 octobre 2026. StepFun présente son architecture sous l’étiquette 600B, mais les métadonnées du dépôt indiquent 604B. De même, les 763B de DeepSeek correspondent aux métadonnées techniques et ne décrivent pas le volume de paramètres actifs par jeton. Conserver ces distinctions évite d’amalgamer la taille brute d’un réseau et la part mobilisée pour chaque unité de calcul.

Chaque créateur annonce une fenêtre de contexte d’environ un million de jetons. Il s’agit d’un plafond théorique d’ingénierie, pas de la certitude qu’une machine pourra traiter de tels volumes à une cadence pratique. La mémoire requise pour stocker une longue conversation s’ajoute à celle des poids du réseau, et la réactivité dépendra des requêtes concurrentes. Mon protocole court n’a pas sollicité ces fenêtres extrêmes.

Poids ouverts ou LLM open source : ce qui change sur le terrain

Disposer des poids permet aux équipes techniques d’exécuter un LLM open source sur leurs propres serveurs. Cette ouverture facilite aussi l’ajustement fin selon les termes de chaque contrat d’utilisation. La dépendance envers les services hébergés s’en trouve modifiée : l’accès au système ne repose plus uniquement sur le maintien en ligne d’une interface tierce. Cela n’élimine ni le travail d’infrastructure, ni la maintenance, ni l’évaluation continue.

La structure des paramètres demande une lecture rigoureuse. Une architecture à mélange d’experts (MoE) n’active qu’une fraction de ses couches pour générer un jeton, ce qui allège l’effort de calcul unitaire. Cependant, l’intégralité des experts doit résider en mémoire vive pour que le moteur d’inférence tourne. Les 42B de paramètres actifs de Muse Spark Open n’en font pas un fichier de 42B prêt pour un petit disque dur.

DeepSeek s’appuie sur la licence MIT, qui demande simplement de préserver la mention de copyright et l’avis de droit. Meta applique sa Muse Model License, avec un accord contractuel distinct pour les exploitants de services de modèles dépassant 20 millions USD de revenus sur 12 mois consécutifs. StepFun opte également pour un texte spécifique : les produits franchissant 100 millions d’utilisateurs actifs mensuels ou 20 millions USD de chiffre d’affaires mensuel doivent afficher la mention « Powered by StepFun AI ». De plus, les fabricants d’appareils physiques et les services de modèles dépassant 20 millions USD sur 12 mois doivent négocier une licence commerciale à part. NVIDIA recourt à OpenMDW 1.1. Prétendre que chaque modèle IA open source de cette sélection est sans restriction commerciale masquerait des obligations juridiques réelles.

NVIDIA diffuse par ailleurs des données et des recettes d’entraînement. Ces compléments enrichissent la mise à disposition, sans constituer la preuve que chaque composant du jeu initial peut être récupéré et recompilé à l’identique. Partager des poids, documenter une méthodologie et autoriser une réplication totale sont trois démarches distinctes.

Les enseignements de mon banc d’essai en polonais

Le 19 octobre, j’ai soumis aux quatre modèles les 12 mêmes consignes via l’API, à raison d’un passage unique par consigne (la méthode complète et le détail des échecs figurent dans mon rapport : quatre modèles ouverts testés sur 12 tâches en polonais). Le banc d’essai a été paramétré avec une température de 0 et une limite de 6 000 jetons par réponse, englobant la réflexion interne et le texte final. Les exercices couvraient le calcul arithmétique, la grammaire polonaise, l’extraction de données de facturation en JSON, une somme de contrôle et un calcul de jour historique. Il s’agissait d’un contrôle ciblé de réponses courtes, non d’un classement exhaustif de capacités cognitives globales.

Chaque échec a pris la forme d’une réponse totalement vide après avoir buté sur le plafond strict de 6 000 jetons de génération. Muse a calé sur la conversion de 2,5 heures en secondes. Step a bloqué sur la consigne en trois mots, la question sur les voïvodies de Pologne et la correction orthographique. Les réponses textuelles effectives ont été jugées valides après la révision du barème expliquée ci-après.

J’ai corrigé un critère dans le script de notation automatique. La consigne attendait au départ l’infinitif polonais « wziąć », mais trois modèles ont spontanément choisi l’impératif correct « Weź parasol, bo na pewno będzie padać » (ce qui signifie « Prends un parapluie, car il va certainement pleuvoir »). Valider cette formulation légitime a relevé d’un point le résultat de Muse, de DeepSeek et de Nemotron. Sur cet exercice, la tentative de Step s’est soldée par un retour vide.

Les temps de traitement reflètent ces sessions via l’API, avec leurs aléas de charge réseau. Chaque fournisseur recourt à des moteurs d’inférence particuliers et aucun exercice n’a fait l’objet de tirages répétés. Ces chiffres ne constituent ni une vérité absolue sur la vitesse d’exécution ni une prédiction pour du matériel local. Enfin, une réussite sans faute ici ne préjuge pas des talents de rédaction stylistique, de traduction ou de fiabilité dans une autre langue.

Déploiement en IA locale face aux appels d’API

L’accès via l’API demeure le moyen le plus direct pour analyser ces systèmes sans investir d’emblée dans des baies de serveurs lourdes. C’est l’approche que j’ai retenue pour ces mesures. Passer à une IA locale devient pertinent dès lors que la maîtrise des données, l’adaptation métier ou des volumes d’appels continus justifient l’achat et la maintenance du matériel. Ce sont deux démarches d’exploitation bien distinctes.

D’après les documentations publiées par Meta, Muse réclame environ 700 Go de mémoire graphique en quantification NVFP4, et près de 2 To en précision BF16. Leur exemple d’intégration sous macOS mobilise deux Mac Studio équipés de puces M5 Ultra avec 512 Go de mémoire unifiée chacun. Cela illustre des besoins matériels exceptionnels, loin de ce qu’encaisse un MacBook standard.

Pour faire tourner Step 5 en FP8, StepFun mentionne un ensemble de quatre puces B300 ou de huit cartes H200. NVIDIA indique pour sa part qu’un boîtier DGX Spark, une carte H200 ou deux accélérateurs H100 suffisent pour exécuter Nemotron Super VL au format NVFP4. Ces chiffres restent des recommandations constructeurs et non des relevés faits sur mon propre banc d’essai. Les formats de quantification et la longueur des contextes changent drastiquement ces équilibres.

• Identifiez la précision exacte et la version du point de contrôle avant d’estimer vos besoins en VRAM.
• Suivez scrupuleusement le moteur d’inférence préconisé et le schéma de dialogue officiel.
• Démarrez vos essais avec un contexte modéré et un volume raisonnable d’utilisateurs simultanés.
• Validez la conformité du code généré, du JSON et des outils sur vos propres jeux d’épreuves.
• N’étendez le contexte ou la taille des lots qu’après avoir mesuré la consommation réelle de l’infrastructure.

Réussir à charger les poids en mémoire ne suffit pas : votre serveur doit garder de l’espace pour l’état des contextes et les opérations matricielles. Pour ces modèles IA, le terme « local » renvoie souvent à une station professionnelle ou à une grappe de serveurs dédiée. Une simple carte graphique grand public de 24 Go ne peut faire tourner de tels volumes. Si vous cherchez des solutions adaptées à un ordinateur de bureau, consultez mon guide pour faire tourner une IA locale, ainsi que mon test de modèles locaux sur RTX 4090 pour situer les performances accessibles chez soi.

Sélectionner le modèle adapté à vos tâches

Pour des requêtes synthétiques comparables à mes exercices en polonais, DeepSeek et Nemotron s’imposent comme les points de départ les plus évidents d’après mes observations. Tous deux ont répondu juste à l’ensemble du protocole. C’est un argument solide pour les intégrer à vos pré-sélections, sans pour autant dispenser d’essais sur des textes plus longs et des scénarios métier réels.

Muse Spark Open mérite un examen distinct si vous visez la manipulation d’outils et les flux d’ingénierie logicielle mis en avant par Meta. Le blocage sur la conversion temporelle montre une vulnérabilité sous un budget de jetons plafonné ; cela ne disqualifie pas ses facultés sur des chaînes d’agents plus souples. Ce constat s’applique également à Step 5, où il faut surveiller de près si la réflexion interne ne cannibalise pas l’espace accordé à la réponse définitive.

Sur les flux documentaires et visuels, les facultés multimodales de Nemotron attirent l’attention, même si l’exercice de facture appliqué ici ne comportait que du texte brut. Aucune image numérisée, capture d’écran ou vidéo n’a été transmise au cours de mon protocole. Il convient de ne pas confondre les fonctions théoriques d’un catalogue et ce qui a été effectivement éprouvé.

Le coût des requêtes exige une analyse contextualisée. Les tarifs de DeepSeek ventilent les accès entre requêtes profitant du cache et appels non mis en cache, avec une variation entre heures pleines et heures creuses. La dépense relevée lors d’un test historique d’un jour précis ne constitue pas une grille tarifaire permanente. Enfin, les jetons mobilisés durant la réflexion interne pèsent autant sur la facture que les mots affichés, surtout quand un blocage vide le quota alloué sans rien délivrer en sortie.

Les quatre guides de cette série

• Muse Spark Open - Le géant 816B de Meta : configuration système, montage sur Mac, conditions de licence et score de 11/12.
• DeepSeek V4.1 Flash 1017 - Nouveautés de l’itération, grille tarifaire officielle en USD, API Search et Fetch et score de 12/12.
• Quatre modèles ouverts testés en polonais - Méthodologie détaillée, les 12 consignes, débits mesurés, volume de jetons et ajustement de la notation.
• Nemotron 3.5 Super VL face à Step 5 - Deux architectures de pointe aux exigences de déploiement et cadres juridiques opposés.

Vous trouverez d’autres bancs d’essai indépendants au sein du Labo Promptif.

FAQ

Quel modèle est arrivé en tête ?

DeepSeek et Nemotron terminent à égalité avec 12/12 sur mon test en polonais. DeepSeek a enregistré le délai de traitement médian le plus court lors de cette expérience. Ce banc d’essai ne détermine pas le vainqueur pour la programmation, la vision par ordinateur, la rédaction en français ou la conduite d’agents autonomes.

Ces quatre modèles sont-ils exploitables dans un cadre commercial ?

Toutes ces licences autorisent des débouchés commerciaux, mais sous des clauses précises. Le contrat de StepFun exige un accord particulier avant qu’un constructeur n’intègre le système dans un appareil commercial et pour les fournisseurs de modèles en service générant plus de 20 millions USD sur 12 mois. La licence de Meta impose un palier équivalent à 20 millions USD pour les services de modèles managés. Il est indispensable de lire le contrat rattaché à chaque modèle avant tout lancement.

Augmenter le nombre maximal de jetons résout-il les réponses vides ?

Cela peut débloquer la situation, bien que mon test n’ait pas réexécuté les prompts avec une limite rehaussée. Allonger cette marge accroît aussi le temps d’attente et le montant facturé. Il faut envisager cette hausse comme un réglage expérimental et non comme une garantie d’efficacité.

Les conclusions obtenues en polonais s’appliquent-elles aux autres langues ?

Ces résultats indiquent surtout qu’il faut tester spécifiquement les langues ciblées. La syntaxe, l’orthographe, les structures locales et les variantes lexicales acceptables nécessitent un banc d’essai adapté. Traduire les requêtes ne suffit pas à reproduire le niveau de difficulté ou les règles d’évaluation d’origine.