Aller au contenu principal

Catalogue des Modèles LLM as a Service

Vue d'ensemble​

Cloud Temple LLMaaS propose 46 modèles de langage large soigneusement sélectionnés et optimisés pour répondre aux exigences SecNumCloud les plus strictes. Notre catalogue couvre l'ensemble du spectre, des micro-modèles ultra-efficaces aux modèles extrêmement volumineux.

Statistiques Globales​

MétriqueValeur
Nombre total de modèles46 modèles
Contexte minimum2,048 tokens
Contexte maximum262,144 tokens
ConformitéSecNumCloud ✅ HDS ✅ Souveraineté ✅ C5 ✅
Localisation100% France 🇫🇷

Tarification​

Type d'utilisationPrix
Tokens d'entrée1.9€ / million de tokens
Tokens de sortie8€ / million de tokens
Raisonnement avancé8€ / million de tokens

Modèles de Grande Taille​

cogito:32b​

Deep Cogito • 32B paramètres • Contexte : 32,000 tokens

Version avancée du modèle Cogito offrant des capacités de raisonnement et d'analyse considérablement amplifiées, conçue pour les applications les plus exigeantes en matière d'intelligence artificielle analytique.

Spécifications techniques:

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Raisonnement Compréhension Analyse

Cas d'usage :

  • Analyse de scénarios multi-factoriels avec évaluation probabiliste des résultats
  • Résolution de problèmes scientifiques avec démonstration formelle des étapes
  • Applications à haute criticité nécessitant précision et vérifiabilité des résultats
  • Systèmes experts dans des domaines spécialisés (juridique, médical, technique)
  • Analyse avec raisonnement multi-étapes et explicabilité complète des conclusions

gemma3:27b​

Google • 27B paramètres • Contexte : 120,000 tokens

Modèle révolutionnaire de Google offrant un équilibre optimal entre puissance et efficacité, avec un rapport performance/coût exceptionnel pour les applications professionnelles exigeantes.

Spécifications techniques:

  • Vitesse : 21 tokens/seconde
  • Consommation : 6.35 kWh/million tokens
  • Licence : Google Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision Agent Grand contexte

Cas d'usage :

  • Analyse de documents avec contexte étendu jusqu'à 120K tokens (environ 400 pages)
  • Indexation et recherche sémantique dans des bases documentaires volumineuses
  • Traitement d'images et texte en simultané grâce aux capacités multimodales
  • Extraction structurée de données à partir de PDF et documents scannés
  • Intégration avec des outils externes via l'API function calling

glm-4.7-flash:30b​

Zhipu AI • 30B paramètres • Contexte : 120,000 tokens

Version Flash du modèle GLM-4.7, optimisée pour la vitesse et l'efficacité.

Spécifications techniques:

  • Vitesse : 103 tokens/seconde
  • Consommation : 1.41 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Rapide Grand Contexte Multilingue

Cas d'usage :

  • Assistants conversationnels rapides
  • Analyse de documents longs (200k)
  • Tâches de raisonnement avec faible latence

glm-4.7:358b​

⚠️ ATTENTION : Ce modèle est déprécié. Modèle supprimé du catalogue le 30/03/2026.

Zhipu AI • 358B paramètres • Contexte : 120,000 tokens

Modèle polyvalent de haute performance conçu par Zhipu AI, excellent dans le raisonnement logique, la compréhension multilingue et les tâches complexes.

Spécifications techniques:

  • Vitesse : 18 tokens/seconde
  • Consommation : 7.41 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Raisonnement Grand Contexte Multilingue

Cas d'usage :

  • Tâches de raisonnement complexe
  • Analyse de documents longs
  • Assistants conversationnels avancés

gpt-oss:120b​

OpenAI • 120B paramètres • Contexte : 120,000 tokens

Modèle de langage open-weight de pointe d'OpenAI, offrant de solides performances avec une licence flexible Apache 2.0.

Spécifications techniques:

  • Vitesse : 104 tokens/seconde
  • Consommation : 2.19 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : MoE Agent Raisonnement Open-Source Très Large

Cas d'usage :

  • Agents conversationnels avancés avec raisonnement complexe et intégration d'outils.
  • Applications nécessitant une transparence totale du processus de raisonnement (chain-of-thought).
  • Scénarios commerciaux nécessitant une licence permissive (Apache 2.0).
  • Fine-tuning pour des tâches spécialisées nécessitant un modèle de base puissant.

llama3.3:70b​

Meta • 70B paramètres • Contexte : 132,000 tokens

Modèle multilingue de pointe développé par Meta, conçu pour exceller dans le dialogue naturel, le raisonnement complexe et la compréhension nuancée des instructions.

Spécifications techniques:

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Agent Dialogue Multilingue

Cas d'usage :

  • Chatbots multilingues prenant en charge 8 langues simultanément
  • Exécution d'instructions complexes enchaînées (prompt chaining)
  • Traitement d'une fenêtre de dialogue de 60K tokens pour historique conversationnel
  • Analyse de documents juridiques ou techniques volumineux (>100 pages)
  • Génération de textes structurés avec fidélité aux consignes stylistiques

ministral-3:14b​

Mistral AI • 14B paramètres • Contexte : 250,000 tokens

Le plus puissant de la famille Ministral, conçu pour les tâches complexes sur infrastructure locale.

Spécifications techniques:

  • Vitesse : 31 tokens/seconde
  • Consommation : 4.30 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Haute Performance Edge Raisonnement Code

Cas d'usage :

  • Résolution de problèmes complexes en local
  • Assistants de codage et d'ingénierie
  • Analyse approfondie de documents avec raisonnement

nemotron-3-nano:30b​

NVIDIA • 30B paramètres • Contexte : 250,000 tokens

Modèle NVIDIA optimisé pour le raisonnement complexe et l'utilisation d'outils, déployé avec un contexte étendu.

Spécifications techniques:

  • Vitesse : 89 tokens/seconde
  • Consommation : 1.62 kWh/million tokens
  • Licence : NVIDIA Community License
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Raisonnement Grand Contexte

Cas d'usage :

  • Agents autonomes complexes avec appels d'outils multiples
  • Raisonnement logique et résolution de problèmes
  • Analyse de documents longs avec extraction précise

olmo-3:32b​

AllenAI • 32B paramètres • Contexte : 65,536 tokens

Le premier modèle de raisonnement entièrement ouvert à cette échelle, rivalisant avec les meilleurs modèles propriétaires.

Spécifications techniques:

  • Vitesse : 19 tokens/seconde
  • Consommation : 7.02 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Open-Source Grand Contexte Raisonnement Transparent Code Haute Performance

Cas d'usage :

  • Raisonnement complexe et résolution de problèmes multi-étapes
  • Développement logiciel avancé et génération de code
  • Analyse approfondie nécessitant une transparence sur le processus de décision

olmo-3:7b​

AllenAI • 7B paramètres • Contexte : 65,536 tokens

Modèle "Fully Open" de référence, offrant une transparence totale (données, code, poids) et une efficacité remarquable.

Spécifications techniques:

  • Vitesse : 37 tokens/seconde
  • Consommation : 1.65 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Open-Source Grand Contexte Transparent Efficient Maths Code

Cas d'usage :

  • Recherche académique et scientifique nécessitant une reproductibilité totale
  • Tâches de programmation et résolution de problèmes mathématiques
  • Analyse de documents moyens avec traçabilité complète

qwen-coder-next:80b​

Qwen Team • 80B paramètres • Contexte : 250,000 tokens

Modèle MoE de pointe optimisé pour le code et le raisonnement complexe.

Spécifications techniques:

  • Vitesse : 98 tokens/seconde
  • Consommation : 1.47 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Programmation MoE Grand Contexte AWQ

Cas d'usage :

  • Assistant de programmation avancé (Repo-scale)
  • Analyse et refactorisation de code complexe
  • Agents autonomes d'ingénierie logicielle

qwen3-2507:235b​

Qwen Team • 235B paramètres • Contexte : 130,000 tokens

Modèle MoE massif de 235 milliards de paramètres, avec seulement 22 milliards actifs, offrant des performances de pointe.

Spécifications techniques:

  • Vitesse : 58 tokens/seconde
  • Consommation : 3.93 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : MoE Agent Raisonnement Très Large

Cas d'usage :

  • Résolution de problèmes mathématiques et logiques complexes
  • Tâches nécessitant une vaste base de connaissances
  • Assistant de codage avancé
  • Analyse approfondie de documents

qwen3-2507:30b-a3b​

Qwen Team • 30B paramètres • Contexte : 250,000 tokens

Version améliorée du mode non-pensée de Qwen3-30B, avec des capacités générales, une couverture de connaissances et un alignement utilisateur améliorés.

Spécifications techniques:

  • Vitesse : 104 tokens/seconde
  • Consommation : 1.39 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Agent Grand Contexte MoE Multilingue

Cas d'usage :

  • Tâches complexes nécessitant un suivi d'instructions précis et un raisonnement logique.
  • Applications multilingues avec une large couverture de connaissances.
  • Génération de texte de haute qualité pour des tâches ouvertes et subjectives.
  • Analyse de documents très volumineux grâce au contexte de 250k tokens.

qwen3-coder:30b​

⚠️ ATTENTION : Ce modèle est déprécié. Préconisation de migration vers qwen-coder-next:80b.

Qwen Team • 30B paramètres • Contexte : 250,000 tokens

Modèle MoE optimisé pour les tâches d'ingénierie logicielle, avec un contexte très long.

Spécifications techniques:

  • Vitesse : 104 tokens/seconde
  • Consommation : 1.39 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Programmation Grand Contexte MoE

Cas d'usage :

  • Agents d'ingénierie logicielle pour explorer et modifier des bases de code
  • Génération de code complexe avec compréhension à l'échelle du dépôt (repository-scale)
  • Tâches de raisonnement sur des contextes étendus
  • Amélioration de code via apprentissage par renforcement

qwen3-next:80b​

Qwen Team • 80B paramètres • Contexte : 250,000 tokens

Modèle Next 80B de Qwen, optimisé pour les grands contextes et le raisonnement.

Spécifications techniques:

  • Vitesse : 98 tokens/seconde
  • Consommation : 1.47 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Agent Raisonnement Grand Contexte MoE

Cas d'usage :

  • Agents conversationnels avancés avec intégration d'outils
  • Analyse de documents très volumineux (jusqu'à 260k tokens)
  • Génération de code et tâches complexes nécessitant raisonnement structuré

qwen3-omni:30b​

Qwen Team • 30B paramètres • Contexte : 32,768 tokens

Qwen3-Omni 30B est un modèle omnimodal natif, capable de comprendre le texte, l'image, la vidéo et l'audio dans un même flux.

Spécifications techniques:

  • Vitesse : 86 tokens/seconde
  • Consommation : 2.65 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Omni Audio Vision Agent Multimodal BF16

Cas d'usage :

  • Interactions multimodales fluides (parle, voit, écoute)
  • Analyse vidéo et audio combinée
  • Assistants intelligents de nouvelle génération

qwen3-vl:235b​

Qwen Team • 235B paramètres • Contexte : 200,000 tokens

Le modèle multimodal le plus puissant du catalogue, alliant une compréhension visuelle de pointe à des capacités de raisonnement exceptionnelles.

Spécifications techniques:

  • Vitesse : 31 tokens/seconde
  • Consommation : 7.35 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Raisonnement Grand Contexte NVFP4 Blackwell Vision

Cas d'usage :

  • Automatisation de processus documentaires complexes (OCR multilingue, extraction structurée)
  • Agents visuels intelligents pour l'interaction logicielle et l'automatisation d'interface
  • Analyse scientifique et technique avancée (STEM, raisonnement spatial 3D)
  • RAG Multimodal sur documents volumineux (>200k tokens) et vidéos

qwen3-vl:30b​

Qwen Team • 30B paramètres • Contexte : 250,000 tokens

Modèle multimodal de pointe (Qwen3-VL) offrant une compréhension visuelle exceptionnelle et un raisonnement temporel précis.

Spécifications techniques:

  • Vitesse : 43 tokens/seconde
  • Consommation : 3.10 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision Agent Grand Contexte Multimodal Vidéo OCR

Cas d'usage :

  • Analyse approfondie de vidéos longues et surveillance intelligente
  • Extraction de données structurées complexes (documents, tableaux, graphiques)
  • Assistants visuels avancés avec compréhension spatiale
  • Raisonnement multimodal sur des séquences d'événements

qwen3-vl:32b​

Qwen Team • 32B paramètres • Contexte : 250,000 tokens

Variante haute performance de Qwen3-VL, optimisée pour les tâches de vision les plus exigeantes.

Spécifications techniques:

  • Vitesse : 17 tokens/seconde
  • Consommation : 7.84 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision Agent Grand Contexte Multimodal Vidéo OCR

Cas d'usage :

  • Analyse scientifique et technique d'images haute résolution
  • Automatisation de processus visuels complexes
  • Compréhension détaillée de scènes dynamiques

qwen3:14b​

Qwen Team • 14B paramètres • Contexte : 131,072 tokens

Modèle Qwen3 14B équilibré, offrant de solides performances générales avec une bonne vitesse d'inférence.

Spécifications techniques:

  • Vitesse : 68.2 tokens/seconde
  • Consommation : 0.90 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Agent Polyvalent Multilingue

Cas d'usage :

  • Assistants virtuels performants
  • Génération de contenu de qualité
  • Tâches de classification et d'extraction

Modèles Spécialisés​

bge-m3:567m​

BAAI • 567M paramètres • Contexte : 8,192 tokens

Modèle d'embedding multilingue de pointe (BGE-M3), offrant des capacités de recherche sémantique exceptionnelles sur plus de 100 langues.

Spécifications techniques:

  • Vitesse : 171 tokens/seconde
  • Consommation : 0.36 kWh/million tokens
  • Licence : MIT
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Embedding Multilingue Efficient

Cas d'usage :

  • Recherche sémantique multilingue
  • Retrieval-Augmented Generation (RAG)
  • Clustering et classification de documents

deepseek-ocr​

DeepSeek AI • 3B paramètres • Contexte : 8,192 tokens

Modèle OCR spécialisé de DeepSeek, conçu pour une extraction de texte haute précision avec préservation de la mise en forme.

Spécifications techniques:

  • Vitesse : 79 tokens/seconde
  • Consommation : 1.01 kWh/million tokens
  • Licence : MIT licence
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision OCR Efficient

Cas d'usage :

  • Extraction de texte structuré (Markdown/latex) depuis des images/PDF
  • Numérisation de documents avec tableaux et formules complexes

devstral-small-2:24b​

Mistral AI & All Hands AI • 24B paramètres • Contexte : 200,000 tokens

Seconde itération de Devstral (Small 2), modèle agentique de pointe pour l'ingénierie logicielle, déployé sur serveur GPU haute performance.

Spécifications techniques:

  • Vitesse : 38 tokens/seconde
  • Consommation : 3.80 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ✅ Sécurité

Tags : Agent Programmation Vision Open-Source Grand Contexte FP8 Rapide

Cas d'usage :

  • Agents de codage autonomes nécessitant une faible latence
  • Refactoring rapide de code
  • Tâches d'ingénierie itératives

+++++++ REPLACE

devstral:24b​

⚠️ ATTENTION : Ce modèle est déprécié. Préconisation de migration vers devstral-small-2:24b.

Mistral AI & All Hands AI • 24B paramètres • Contexte : 120,000 tokens

Devstral 24b est un LLM agentique spécialisé pour l'ingénierie logicielle, co-développé par Mistral AI et All Hands AI.

Spécifications techniques:

  • Vitesse : 44 tokens/seconde
  • Consommation : 3.28 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ✅ Sécurité

Tags : Agent Programmation Open-Source Grand Contexte FP8

Cas d'usage :

  • Exploration et modification de bases de code
  • Agents autonomes d'ingénierie logicielle
  • Refactoring et génération de code complexe

embeddinggemma:300m​

Google • 300M paramètres • Contexte : 2,048 tokens

Modèle d'embedding de pointe de Google, optimisé pour sa taille, idéal pour les tâches de recherche et de récupération sémantique.

Spécifications techniques:

  • Vitesse : 175 tokens/seconde
  • Consommation : 0.35 kWh/million tokens
  • Licence : Google Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Embedding Compact Sémantique Efficient Multilingue

Cas d'usage :

  • Recherche et récupération d'informations (Retrieval)
  • Classification et clustering de documents
  • Recherche de similarité sémantique
  • Déploiement sur des appareils à ressources limitées (mobile, laptop)

gemma3:1b​

Google • 1B paramètres • Contexte : 120,000 tokens

Micro-modèle Gemma 3, ultra-rapide et efficace.

Spécifications techniques:

  • Vitesse : 53 tokens/seconde
  • Consommation : 1.15 kWh/million tokens
  • Licence : Google Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Compact Efficient Edge

Cas d'usage :

  • Classification de texte rapide
  • Chatbots simples
  • Prototypage rapide

gemma3:4b​

Google • 4B paramètres • Contexte : 120,000 tokens

Modèle compact Gemma 3 4B, offrant un excellent ratio performance/taille.

Spécifications techniques:

  • Vitesse : 48.0 tokens/seconde
  • Consommation : 1.27 kWh/million tokens
  • Licence : Google Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Compact Efficient Edge

Cas d'usage :

  • Assistants personnels sur laptop
  • Résumé de texte
  • Traduction légère

gpt-oss:20b​

OpenAI • 20B paramètres • Contexte : 120,000 tokens

Modèle de langage open-weight d'OpenAI, optimisé pour l'efficacité et le déploiement sur du matériel grand public.

Spécifications techniques:

  • Vitesse : 9 tokens/seconde
  • Consommation : 14.81 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : MoE Agent Raisonnement Open-Source Compact Rapide

Cas d'usage :

  • Déploiements sur des appareils à ressources limitées (edge devices) ou des serveurs à faible coût.
  • Applications nécessitant une inférence rapide avec de bonnes capacités de raisonnement.
  • Cas d'usage agentiques avec appel de fonctions, navigation web et exécution de code.
  • Fine-tuning pour des tâches spécialisées sur du matériel grand public.

granite-embedding:278m​

IBM • 278M paramètres • Contexte : 8,192 tokens

Modèle d'embedding IBM Granite ultra-compact, conçu pour une efficacité maximale.

Spécifications techniques:

  • Vitesse : 196.3 tokens/seconde
  • Consommation : 0.31 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Embedding Compact Efficient

Cas d'usage :

  • Recherche sémantique
  • Clustering de documents

granite4-small-h:32b​

IBM • 32B (9B actifs) paramètres • Contexte : 128,000 tokens

Modèle MoE (Mixture-of-Experts) d'IBM, conçu comme un "cheval de bataille" pour les tâches d'entreprise quotidiennes, avec une excellente efficacité pour les longs contextes.

Spécifications techniques:

  • Vitesse : 49 tokens/seconde
  • Consommation : 2.95 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ✅ Sécurité

Tags : Agent Raisonnement Sécurité MoE Grand Contexte Efficient

Cas d'usage :

  • Agents conversationnels pour le support client avec accès à des bases de connaissances étendues.
  • Automatisation de workflows d'entreprise nécessitant l'utilisation de plusieurs outils.
  • Analyse de documents longs avec une consommation de ressources optimisée.
  • Déploiements sur des infrastructures de taille moyenne grâce à son efficacité.

granite4-tiny-h:7b​

IBM • 7B (1B actif) paramètres • Contexte : 128,000 tokens

Modèle MoE hybride ultra-efficace d'IBM, conçu pour la faible latence, les applications "edge" et locales, et comme brique de base pour les workflows agentiques.

Spécifications techniques:

  • Vitesse : 58 tokens/seconde
  • Consommation : 2.30 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ✅ Sécurité

Tags : Agent Raisonnement Sécurité MoE Grand Contexte Efficient Rapide Compact

Cas d'usage :

  • Applications embarquées et "edge" nécessitant une faible latence.
  • Tâches rapides au sein de workflows agentiques plus larges (ex : function calling).
  • Analyse de documents sur du matériel grand public.
  • Déploiements nécessitant une empreinte mémoire minimale.

medgemma:27b​

Google • 27B paramètres • Contexte : 128,000 tokens

MedGemma est un modèle ouvert parmis les plus performants de Google pour la compréhension de textes et d'images médicales, basés sur Gemma 3.

Spécifications techniques:

  • Vitesse : 22 tokens/seconde
  • Consommation : 6.56 kWh/million tokens
  • Licence : Google Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Médical Vision Spécialisé Grand Contexte

Cas d'usage :

  • Interprétation d'images médicales (Génération de rapports et VQA)
  • Compréhension de textes médicaux et raisonnement clinique (Aide à la décision)
  • Interaction patient (Entretien et triage médical)
  • Synthèse de dossiers médicaux et recherche dans la littérature

ministral-3:3b​

Mistral AI • 3B paramètres • Contexte : 250,000 tokens

Modèle compact de pointe de Mistral AI, conçu pour l'efficacité sur les déploiements locaux et edge.

Spécifications techniques:

  • Vitesse : 50 tokens/seconde
  • Consommation : 1.22 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Compact Efficient Edge

Cas d'usage :

  • Inférence locale sur appareils mobiles ou edge devices
  • Assistants personnels réactifs
  • Tâches de routage et classification rapides

ministral-3:8b​

Mistral AI • 8B paramètres • Contexte : 250,000 tokens

Modèle de taille intermédiaire de la famille Ministral, offrant un équilibre optimal entre performance et ressources.

Spécifications techniques:

  • Vitesse : 55 tokens/seconde
  • Consommation : 2.42 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Efficient Edge Raisonnement

Cas d'usage :

  • Assistants conversationnels avancés en local
  • Analyse de documents et extraction d'informations
  • Tâches nécessitant un bon compromis vitesse/qualité

mistral-small3.2:24b​

Mistral AI • 24B paramètres • Contexte : 128,000 tokens

Mise à jour mineure de Mistral Small 3.1, améliorant le suivi d'instructions, la robustesse du function calling et réduisant les erreurs de répétition.

Spécifications techniques:

  • Vitesse : 27 tokens/seconde
  • Consommation : 5.35 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ✅ Sécurité

Tags : Vision Agent Sécurité Instruction Following

Cas d'usage :

  • Agents conversationnels avec un suivi d'instructions amélioré
  • Intégration robuste avec des outils externes via function calling
  • Applications nécessitant une grande fiabilité pour éviter les répétitions
  • Cas d'usage identiques à Mistral Small 3.1 avec des performances accrues

qwen3-2507-think:4b​

Qwen Team • 4B paramètres • Contexte : 250,000 tokens

Modèle Qwen3-4B optimisé pour le raisonnement, avec des performances améliorées sur les tâches logiques, les mathématiques, la science et le code, et un contexte étendu à 250K tokens.

Spécifications techniques:

  • Vitesse : 52 tokens/seconde
  • Consommation : 2.56 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Agent Raisonnement Grand Contexte Compact Rapide

Cas d'usage :

  • Tâches de raisonnement très complexes (logique, maths, science, code).
  • Agents conversationnels avec un historique de conversation très étendu (256k tokens).
  • Analyse de documents très volumineux avec raisonnement profond.
  • Intégration avec des outils externes via function calling sur de très grands contextes.

qwen3-2507:4b​

⚠️ ATTENTION : Ce modèle est déprécié. Déprécié.

Qwen Team • 4B paramètres • Contexte : 250,000 tokens

Version mise à jour du mode non-pensée de Qwen3-4B, avec des améliorations significatives des capacités générales, une couverture de connaissances étendue et un meilleur alignement avec les préférences des utilisateurs.

Spécifications techniques:

  • Vitesse : 30 tokens/seconde
  • Consommation : 4.44 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Agent Grand Contexte Compact Rapide Multilingue

Cas d'usage :

  • Tâches générales nécessitant un suivi d'instructions précis et un raisonnement logique.
  • Applications multilingues avec une large couverture de connaissances.
  • Génération de texte de haute qualité pour des tâches ouvertes et subjectives.
  • Analyse de documents très volumineux grâce au contexte de 256k tokens.

qwen3-embedding:0.6b​

Qwen Team • 0.6B paramètres • Contexte : 32,768 tokens

Modèle d'embedding Qwen3 ultra-léger, optimisé pour la vitesse et l'efficacité sur les infrastructures à ressources limitées.

Spécifications techniques:

  • Vitesse : N/A
  • Consommation : 0.57 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Embedding Compact Efficient

Cas d'usage :

  • Recherche sémantique rapide
  • Classification de texte en temps réel

qwen3-embedding:4b​

Qwen Team • 4B paramètres • Contexte : 40,000 tokens

Modèle d'embedding Qwen3-4B ultra-performant, offrant une compréhension sémantique profonde et une fenêtre de contexte étendue.

Spécifications techniques:

  • Vitesse : N/A
  • Consommation : 0.57 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Embedding Grand Contexte Efficient

Cas d'usage :

  • Recherche sémantique sur documents longs
  • RAG avec fenêtres de contexte étendues
  • Analyse sémantique de précision

qwen3-vl:2b​

Qwen Team • 2B paramètres • Contexte : 250,000 tokens

Modèle multimodal ultra-compact Qwen3-VL, apportant des capacités de vision avancées sur edge devices.

Spécifications techniques:

  • Vitesse : 64 tokens/seconde
  • Consommation : 0.95 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision Compact Efficient Multimodal Edge OCR

Cas d'usage :

  • Analyse d'images en temps réel sur appareils mobiles
  • OCR et lecture de documents légers
  • Tri et classification visuelle rapide

qwen3-vl:4b​

Qwen Team • 4B paramètres • Contexte : 250,000 tokens

Modèle multimodal Qwen3-VL équilibré, offrant de solides performances de vision avec une empreinte réduite.

Spécifications techniques:

  • Vitesse : 57 tokens/seconde
  • Consommation : 2.34 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision Compact Multimodal Efficient Vidéo OCR

Cas d'usage :

  • Analyse documentaire automatisée (factures, formulaires)
  • Compréhension de contenu vidéo
  • Assistants visuels interactifs

qwen3-vl:8b​

Qwen Team • 8B paramètres • Contexte : 250,000 tokens

Modèle multimodal Qwen3-VL (8B), offrant des performances de vision avancées avec une empreinte raisonnable.

Spécifications techniques:

  • Vitesse : 44 tokens/seconde
  • Consommation : 3.03 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ✅ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Vision Compact Multimodal Efficient Vidéo OCR

Cas d'usage :

  • Analyse documentaire automatisée
  • Compréhension de contenu vidéo
  • Assistants visuels interactifs

qwen3:0.6b​

Qwen Team • 0.6B paramètres • Contexte : 40,000 tokens

Modèle Qwen3 ultra-léger de 0.6 milliard de paramètres, offrant une vitesse d'inférence exceptionnelle pour les tâches simples et rapides.

Spécifications techniques:

  • Vitesse : 46 tokens/seconde
  • Consommation : 1.33 kWh/million tokens
  • Licence : Apache 2.0
  • Localisation : FR 🇫🇷

Capacités: ✅ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Compact Rapide Efficient Multilingue

Cas d'usage :

  • Tâches de traitement de texte simples
  • Classification et tri rapide
  • Assistants légers avec faible latence

rnj-1:8b​

Essential AI • 8B paramètres • Contexte : 32,000 tokens

Modèle 8B "Open Weight" spécialisé dans le code, les mathématiques et les sciences (STEM).

Spécifications techniques:

  • Vitesse : 31 tokens/seconde
  • Consommation : 1.97 kWh/million tokens
  • Licence : Open Weights
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ✅ Raisonnement • ❌ Sécurité

Tags : Code Maths STEM Raisonnement Efficient

Cas d'usage :

  • Assistant de programmation avancé et génération de code
  • Résolution de problèmes mathématiques complexes
  • Tâches scientifiques et techniques (STEM)

translategemma:12b​

Google • 12B paramètres • Contexte : 128,000 tokens

Modèle de traduction ouvert de pointe basé sur Gemma 3, couvrant 55 langues.

Spécifications techniques:

  • Vitesse : 30 tokens/seconde
  • Consommation : 4.44 kWh/million tokens
  • Licence : Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Traduction Multilingue Spécialisé

Cas d'usage :

  • Traduction de documents longs
  • Communication inter-langues
  • Localisation de contenu

translategemma:27b​

Google • 27B paramètres • Contexte : 120,000 tokens

Modèle de traduction haute performance basé sur Gemma 3 27B.

Spécifications techniques:

  • Vitesse : 44 tokens/seconde
  • Consommation : 6.35 kWh/million tokens
  • Licence : Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Traduction Multilingue Spécialisé Haute Performance

Cas d'usage :

  • Traduction de haute précision
  • Traduction de documents techniques
  • Nuances littéraires et culturelles

translategemma:4b​

Google • 4B paramètres • Contexte : 128,000 tokens

Version compacte du modèle de traduction TranslateGemma, optimisée pour la rapidité.

Spécifications techniques:

  • Vitesse : 38 tokens/seconde
  • Consommation : 1.27 kWh/million tokens
  • Licence : Gemma Terms of Use
  • Localisation : FR 🇫🇷

Capacités: ❌ Outils/Agent • ❌ Vision • ❌ Raisonnement • ❌ Sécurité

Tags : Traduction Multilingue Spécialisé Efficient

Cas d'usage :

  • Traduction rapide de textes
  • Traduction sur appareils à ressources limitées
  • Localisation en temps réel

Cas d'Usage Recommandés​

Dialogue multilingue​

Chatbots et assistants capables de communiquer dans plusieurs langues avec détection automatique, maintien du contexte sur l'ensemble de la conversation et compréhension des spécificités linguistiques

Modèles recommandés:

  • Llama 3.3
  • Mistral Small 3.2
  • Qwen 3
  • Openai OSS
  • Granite 4

Analyse de documents longs​

Traitement de documents volumineux (>100 pages) avec maintien du contexte sur l'ensemble du texte, extraction d'informations clés, génération de résumés pertinents et réponse à des questions spécifiques sur le contenu

Modèles recommandés:

  • Gemma 3
  • Qwen next
  • Qwen 3
  • Granite 4

Programmation et développement​

Génération et optimisation de code dans multiples langages, débogage, refactoring, développement de fonctionnalités complètes, compréhension des implémentations algorithmiques complexes et création de tests unitaires

Modèles recommandés:

  • DeepCoder
  • Qwen3 coder
  • Granite 4
  • Devstral

Analyse visuelle​

Traitement direct d'images et documents visuels sans pré-traitement OCR, interprétation de diagrammes techniques, graphiques, tableaux, dessins et photos avec génération d'explications textuelles détaillées du contenu visuel

Modèles recommandés:

  • deepseek-OCR
  • Mistral Small 3.2
  • Gemma 3
  • Qwen 3 VL

Sécurité et conformité​

Applications nécessitant des capacités spécifiques en matière de sécurité ; filtrage de contenu sensible, traçabilité des raisonnements, vérification RGPD/HDS, minimisation des risques, analyse des vulnérabilités et respect des réglementations sectorielles

Modèles recommandés:

  • Granite Guardian
  • Granite 4
  • Devstral
  • Mistral Small 3.2
  • Magistral small

Déploiements légers et embarqués​

Applications nécessitant une empreinte minimale en ressources, déploiement sur appareils à capacité limitée, inférence en temps réel sur CPU standard et intégration dans des systèmes embarqués ou IoT

Modèles recommandés:

  • Gemma 3n
  • Granite 4 tiny
  • Qwen 3 VL (2B)