Lotook
Toutes les quelques semaines, un nouveau modèle prend la tête d’un classement et la même question revient : faut-il changer ? Ma réponse honnête est presque toujours que cela dépend de ce que vous en faites, et que le modèle le plus récent est rarement le meilleur point de départ.
Il n’existe pas un seul meilleur modèle d’IA. Il existe un modèle qui convient le mieux à votre tâche, à votre budget et à vos contraintes. Ce guide présente la méthode que j’utiliserais pour choisir, ainsi qu’un test rapide à effectuer avant d’engager de l’argent ou du code auprès d’un fournisseur.
Où en sommes-nous cet automne ?
À l’automne 2026, chacun des plus grands laboratoires a lancé une nouvelle génération, à environ un mois d’intervalle.
- Anthropic a publié Claude Opus 5.5 le 22 septembre et Claude Sonnet 5.5 le 28 septembre. Selon Anthropic, Opus 5.5 atteint le niveau de Claude Fable 5.1 pour la plupart des tâches à un coût inférieur de 40% à celui d’Opus 5, et Sonnet 5.5 est plus de 30% plus rapide que Sonnet 5.
- Google a annoncé Gemini 4 Argon le 30 septembre, d’abord pour un groupe de spécialistes de la cyberdéfense, puis l’a rendu disponible le 13 octobre aux développeurs et aux entreprises du monde entier via son API, ainsi qu’aux abonnés payants de l’application Gemini.
- OpenAI a lancé GPT-6 Astra début septembre, puis les modèles plus petits GPT-6 Sol et Luna le 22 septembre. Le 7 octobre, l’entreprise a indiqué que les nouveaux modèles allaient être proposés aux utilisateurs de ChatGPT, sur les offres gratuites comme payantes.
Des familles de modèles à poids ouverts comme DeepSeek et Qwen ont aussi publié de nouvelles versions pendant l’été et l’automne. Pour en savoir plus sur les changements, consultez notre tour d’horizon des modèles sortis à l’automne 2026 et notre article sur les modèles à poids ouverts de cette année.
Au moment où vous lirez ces lignes, certains de ces noms auront changé. Les questions ci-dessous resteront les mêmes : elles constituent donc un meilleur point de départ qu’une liste de gagnants.
Partez de la tâche, pas du classement
Avant de comparer les modèles, notez ce que vous attendez réellement de l’un d’eux. La plupart des usages réels entrent dans quelques catégories :
- Rédaction et révision : brouillons, reformulations, résumés, traduction.
- Analyse et recherche : lecture de longs documents, comparaison de sources, réponses à des questions sur des données.
- Programmation : écriture, explication, révision et correction de code.
- Extraction et classification : extraction de champs de documents, étiquetage de tickets, aiguillage de messages.
- Conversation : échanges avec les clients, où le ton, la sécurité et la cohérence comptent plus que la seule intelligence brute.
- Agents : tâches en plusieurs étapes où le modèle utilise des outils de façon autonome. Notre article expliquant ce qu’est un agent d’IA présente leurs différences.
Cette étape paraît évidente, mais c’est celle que la plupart des gens sautent. Un modèle brillant en raisonnement complexe peut être surdimensionné et trop cher pour étiqueter des tickets d’assistance. Un petit modèle rapide, parfait pour l’étiquetage, peut échouer sur un contrat de 60 pages.
Six questions décisives
1. La tâche est-elle vraiment difficile ?
La plupart des familles de modèles proposent désormais plusieurs niveaux : un grand modèle phare, un modèle intermédiaire polyvalent et un petit modèle rapide.
| Niveau | Adapté à | Compromis |
|---|---|---|
| Modèle phare | Raisonnement complexe, code difficile, longues tâches d’agent, analyses à enjeux élevés | Coût le plus élevé, généralement le plus lent |
| Intermédiaire | La plupart des tâches de rédaction, de recherche et de programmation, et le travail courant en entreprise | Passe parfois à côté de problèmes subtils ou comportant plusieurs étapes |
| Petit | Classification à grand volume, extraction, saisie semi-automatique, conversation simple | Moins performant pour les nuances, les longs documents et le raisonnement |
Par défaut, je commence au niveau intermédiaire et ne passe au niveau supérieur que si je peux désigner des échecs précis que le modèle plus grand corrige réellement. « Il semble plus intelligent » n’est pas une raison de payer plusieurs fois plus.
2. À quelle fréquence allez-vous l’utiliser ?
Si vous utilisez une application de conversation, votre coût est celui de l’abonnement et cette question compte à peine. Si vous développez avec une API, le coût augmente avec l’utilisation, mesurée en tokens. Les tokens de sortie coûtent généralement plusieurs fois plus cher que ceux d’entrée : les tâches qui produisent beaucoup de texte coûtent donc plus cher que celles qui en lisent beaucoup. Si vous envoyez sans cesse les mêmes longues instructions, recherchez la mise en cache des prompts. Si vous n’avez pas besoin de réponses immédiates, cherchez une tarification par lots.
Les prix changent aussi, parfois selon un calendrier. Google a lancé Gemini 4 Argon à un tarif API de lancement de $2 par million de tokens d’entrée et $10 par million de tokens de sortie jusqu’au 30 novembre 2026. Ensuite, selon Google, le tarif standard est de $4 et $20. Si vous préparez le budget de l’année prochaine, basez-vous sur le second tarif.
3. Quelle vitesse faut-il ?
Un client qui attend dans une fenêtre de conversation remarque chaque seconde. Ce n’est pas le cas d’un rapport produit pendant la nuit. La vitesse comporte deux aspects : le délai avant l’apparition des premiers mots et la rapidité avec laquelle le reste arrive. Les modèles phares et les modes de « réflexion » sont souvent sensiblement plus lents et, pour une utilisation interactive, cela compte davantage que quelques points de benchmark.
4. Quelle quantité doit-il lire en une fois ?
La fenêtre de contexte limite la quantité de texte que le modèle peut prendre en compte en une fois : vos instructions, la conversation et les documents éventuels. Beaucoup de modèles actuels acceptent des entrées très longues. Mais une grande fenêtre ne garantit pas une utilisation fiable de tout son contenu. Si votre travail dépend d’un détail enfoui à la page 47, testez précisément cela.
5. Où vos données peuvent-elles aller ?
Cette question élimine des options plus vite que toute autre : posez-la donc tôt.
- Le fournisseur peut-il conserver vos données ou les utiliser pour l’entraînement avec l’offre que vous utilisez réellement ?
- Vos données doivent-elles rester dans un pays ou une région en particulier ?
- Des contrats ou des réglementations exigent-ils certaines certifications ?
- Le modèle doit-il fonctionner sur votre propre infrastructure ?
Si les données ne peuvent pas quitter votre environnement, les modèles à poids ouverts que vous hébergez vous-même sont peut-être la seule solution adaptée. Notre guide pour utiliser l’IA au travail sans divulguer de données sensibles détaille les points à vérifier.
6. À quoi doit-il se connecter ?
Un modèle fonctionne rarement seul. Vérifiez qu’il prend en charge ce dont vous avez besoin : utilisation d’outils, sortie structurée, images ou audio, traitement de fichiers et plateforme cloud déjà utilisée par votre entreprise. Les grands modèles sont désormais disponibles sur plusieurs clouds, mais les fonctionnalités n’arrivent pas toujours partout le même jour.
Poids ouverts ou modèle fermé ?
Les modèles fermés s’utilisent via l’application ou l’API d’un fournisseur. Les modèles à poids ouverts publient leurs poids pour que vous puissiez les télécharger et les exécuter vous-même.
Les modèles fermés dominent généralement les tâches les plus difficiles et ne nécessitent aucune infrastructure de votre part. Vous échangez du contrôle contre de la simplicité.
Les modèles à poids ouverts vous donnent le contrôle de vos données, des coûts prévisibles à grand volume et une marge de personnalisation. En contrepartie, vous prenez en charge l’hébergement, les mises à jour et les mesures de sécurité. Lisez aussi la licence. Le terme « ouvert » recouvre des conditions allant de très permissives à assez restrictives.
Pour beaucoup d’équipes, la réponse réaliste est d’utiliser les deux : un modèle fermé pour les tâches difficiles à faible volume et un modèle à poids ouverts pour les tâches à grand volume, sensibles ou pour lesquelles le coût est déterminant.
Utilisez les benchmarks pour présélectionner, pas pour trancher
Les benchmarks sont utiles pour réduire le nombre de candidats, avec quelques réserves.
Les résultats publiés par le créateur d’un modèle sont choisis par ce dernier. Considérez-les comme des affirmations jusqu’à ce que quelqu’un d’autre les reproduise, comme vous le feriez en vérifiant toute réponse d’IA avant de vous y fier.
Les comparateurs indépendants sont utiles. Artificial Analysis mesure l’intelligence, la vitesse et le prix des modèles et des fournisseurs. Arena, anciennement LMArena, classe les modèles selon les votes des utilisateurs lors de comparaisons directes à l’aveugle. Les deux méritent d’être consultés. Aucun ne connaît votre tâche.
Et les benchmarks populaires finissent par s’user. Lorsque tous les meilleurs modèles obtiennent des scores dans le haut des 90, les écarts ne vous apprennent plus grand-chose.
Le benchmark le plus fiable est votre propre travail.
Faites votre propre test de 30 minutes
Vous n’avez pas besoin d’une équipe d’évaluation pour faire un choix judicieux. Il vous faut des exemples réels et une comparaison équitable.
- Rassemblez 10 à 20 exemples réels de la tâche, dont quelques cas complexes ou difficiles. Retirez d’abord tout élément confidentiel.
- Notez à quoi ressemble une bonne réponse pour chaque exemple avant de voir les résultats. Une courte liste suffit : faits exacts, bon format, longueur raisonnable, aucune invention.
- Testez deux ou trois modèles candidats sur les mêmes exemples avec les mêmes instructions.
- Comparez à l’aveugle si possible. Collez les réponses dans un document sans les noms des modèles et évaluez-les selon votre liste. Vous serez surpris de voir à quel point les marques influencent votre jugement.
- Notez le coût et le temps de chaque essai.
- Examinez les échecs, pas seulement les moyennes. Une réponse fausse mais assurée dans un contexte sensible peut compter davantage qu’un score global légèrement meilleur.
Si deux modèles sont à égalité, choisissez le moins cher ou le plus rapide. Si le modèle coûteux ne gagne que sur les cas les plus difficiles, ne lui envoyez que ceux-là.
Si vous cherchez simplement un point de départ
- Pour vous-même : utilisez le modèle par défaut de l’assistant que vous payez déjà. Passez à son modèle phare ou à son mode de « réflexion » pour les problèmes vraiment difficiles, et consultez un second fournisseur lorsque l’enjeu est important. Un désaccord entre deux bons modèles est un signal utile.
- Pour une petite équipe : adoptez un modèle intermédiaire comme standard dans le cadre d’une offre professionnelle approuvée, et confiez les cas difficiles à un modèle phare.
- Pour les développeurs : utilisez un petit modèle pour la classification et l’extraction à grand volume, un modèle intermédiaire pour la plupart des générations et un modèle phare uniquement lorsque vos propres tests montrent qu’il est rentable.
Prévoyez de choisir à nouveau
Les modèles deviennent rapidement meilleurs et moins chers : considérez donc cette décision comme temporaire. En production, fixez une version précise du modèle pour éviter que son comportement ne change à votre insu. Conservez votre jeu de test, exécutez-le à nouveau à chaque nouvelle version et ne changez que si le nouveau modèle l’emporte sur vos propres exemples. Je mettrais un rappel dans mon calendrier pour le faire une fois par trimestre.
Sources
- Anthropic, Introducing Claude Opus 5.5, 22 septembre 2026, et Introducing Claude Sonnet 5.5, 28 septembre 2026
- Google, Gemini 4 Argon: our next era of frontier intelligence, 30 septembre 2026, et Gemini 4 Argon: Built to solve your hardest problems, 13 octobre 2026
- Google Cloud, Gemini 4 Argon available on Google Cloud, 13 octobre 2026
- TechCrunch, OpenAI launches GPT-6 Sol and Luna, 22 septembre 2026
- OpenAI, GPT-6 Sol and GPT-6 Luna: October 2026 update, 7 octobre 2026
- Artificial Analysis et Arena
