Présentation de Llama, Mistral et Qwen
Découvrez les trois grandes familles de modèles à poids ouverts : licences, tailles et domaines d’excellence de chacune.
Présentation de Llama, Mistral et Qwen est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Pourquoi le code source ouvert ?
Les modèles à poids ouverts vous offrent :
- Aucun coût d'API par jeton
- La confidentialité des données : le modèle s'exécute sur votre matériel
- La personnalisation, avec un réglage fin à n'importe quelle échelle
- Aucune dépendance envers un fournisseur
Coût : heures d'ingénierie, factures de GPU et, généralement, une qualité moindre à la pointe.
Famille Llama (Meta)
- Versions publiées de 2023 à 2025, avec des tailles de 1B à 405B
- Llama 3.x est très performant ; la version 8B rivalise avec les modèles propriétaires de gamme intermédiaire
- Licence communautaire, autorisant l'utilisation commerciale sous certaines conditions
- Écosystème immense ; la plupart des réglages fins sont dérivés de Llama
Famille Mistral (Mistral AI)
- Mistral 7B Instruct : modèle compact très performant
- Mixtral 8x7B : mélange d'experts, rapide et performant
- Mistral Large / Medium : poids propriétaires, disponibles par API
- Licence Apache 2.0 pour les variantes ouvertes
Famille Qwen (Alibaba)
- Qwen 2.5 : modèle de raisonnement à poids ouverts parmi les meilleurs (2024)
- Excellente prise en charge multilingue, en particulier du chinois
- Tailles de 0.5B à 72B
- Apache 2.0
Autres modèles notables
- Gemma (Google) : compact et soigné
- Phi (Microsoft) : minuscule mais performant
- DeepSeek : raisonnement performant à moindre coût
- Yi : solides capacités multilingues
Choisir une taille
| Taille | Cas d'utilisation |
|---|---|
| 1-3B | Appareils périphériques, mobiles, classification |
| 7-8B | GPU unique, agents simples |
| 13-30B | GPU plus puissant ou 2 à 4 petits GPU, agents réels |
| 70B+ | Plusieurs GPU, qualité de pointe |
Évaluations qui comptent
- MMLU : connaissances générales
- GSM8K : mathématiques
- HumanEval : programmation
- MT-Bench : qualité des conversations
- HELM / LMSYS Chatbot Arena : préférence humaine
Choisissez des évaluations adaptées à votre tâche (YOUR).
L'écart avec la pointe se réduit
Les modèles propriétaires de pointe (GPT-4o, Claude Sonnet 4.5) restent en tête sur les évaluations les plus difficiles. Mais les modèles ouverts de 70B égalent les modèles propriétaires de gamme intermédiaire pour la plupart des tâches d'agent.
Considérations relatives aux licences
Vérifiez la licence de chaque modèle :
- Apache 2.0 : totalement permissive
- Licence communautaire Llama : restrictions concernant les services à très grande échelle et certains cas d'utilisation
- Certaines licences « réservées à la recherche » : déploiement commercial interdit
Hébergé ou auto-hébergé
Vous pouvez utiliser des modèles ouverts via des API hébergées (Together AI, Anyscale, Groq, Fireworks) sans gérer l'infrastructure, souvent à moindre coût qu'OpenAI pour une qualité équivalente.
Hosted Open Models on Groq
from openai import OpenAI
client = OpenAI(
base_url='https://api.groq.com/openai/v1',
api_key=GROQ_KEY
)
response = client.chat.completions.create(
model='llama-3.1-70b-versatile',
messages=[{'role': 'user', 'content': 'Hello'}]
)Quand OSS l'emporte
- Confidentialité essentielle : domaines médical, juridique ou militaire
- Très gros volume : chaque centime par appel compte
- Forte personnalisation : réglages fins pour un domaine précis
- Applications multilingues dans lesquelles les fournisseurs propriétaires sont moins performants
Quand les modèles propriétaires l'emportent
- Raisonnement de pointe
- Multimodalité, notamment vision et voix
- Contexte long : Claude / Gemini restent en tête
- Prototypage rapide
Le plus petit modèle performant
Pour un agent interne simple exécuté sur un seul GPU, quelle plage de tailles est généralement utilisée ?
Récapitulatif
Llama, Mistral et Qwen sont les trois grandes familles. Choisissez la plus petite taille qui atteint le niveau de qualité requis. Les fournisseurs hébergés (Groq, Together) vous évitent de gérer l'infrastructure.
Apprends AI Agents avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 60
- Leçons
- 239
Questions Fréquemment Posées
La leçon « Présentation de Llama, Mistral et Qwen » est-elle gratuite ?
Oui — le texte complet de « Présentation de Llama, Mistral et Qwen » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Présentation de Llama, Mistral et Qwen » ?
Découvrez les trois grandes familles de modèles à poids ouverts : licences, tailles et domaines d’excellence de chacune. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AI Agents ?
Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Présentation de Llama, Mistral et Qwen » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?
Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Présentation de Llama, Mistral et Qwen
- Exécuter des modèles locaux avec Ollama et llama.cpp
- Appels de fonctions avec des modèles ouverts (Hermes, Functionary)
- Compromis : latence, coût et capacités