Méthodologie : comment nous recueillons, vérifions et classons les modèles d'IA ouverts
Comment ai-opensource.com choisit les modèles, vérifie les faits, estime la mémoire, classe les licences et met les pages à jour.
En bref. Nous ne listons que les modèles dont les poids sont téléchargeables par tous, prenons les faits aux sources primaires, estimons la mémoire avec une formule publiée, classons les licences d’après leur texte, et affichons une date de mise à jour sur chaque page.
Ce que nous listons
Un modèle entre au catalogue si le public peut télécharger ses poids, y compris les téléchargements filtrés qui demandent d’accepter une licence d’abord. Nous ne listons pas les modèles API uniquement, les poids fuyés ni les annonces sans poids. Le catalogue est éditorialisé plutôt qu’exhaustif : nous nous concentrons sur les modèles actuels, largement utilisés ou techniquement notables, et nous marquons les plus anciens comme legacy au lieu de les supprimer.
D’où viennent les faits
Chaque page de modèle cite ses sources, et chaque actu aussi. Nous utilisons les sources primaires dans cet ordre :
- Le fichier de licence dans le dépôt du modèle.
- La fiche du modèle, les fichiers de configuration et les tailles réelles des checkpoints.
- L’annonce ou le rapport technique du développeur.
- Les métadonnées de plateformes comme l’API Hugging Face, et le dépôt de code du projet.
Nous n’utilisons ni rumeurs, ni posts de réseaux sociaux, ni pages d’agrégateurs comme unique source d’un chiffre. Quand les sources se contredisent, nous le disons sur la page. La date de sortie est celle où le développeur a annoncé le modèle ou publié les poids, pas la création du dépôt.
Benchmarks
Nous ne menons pas notre propre suite de benchmarks et ne classons pas les modèles sur un score unique. Les chiffres de benchmark de ce site sont rapportés par les développeurs, avec le protocole de test qu’ils ont choisi, et sont étiquetés comme tels. Comment évaluer soi-même un modèle d’IA explique comment tester un modèle sur votre propre travail.
Comment nous estimons la mémoire
Les estimations sont volontairement simples et prudentes. Elles servent à planifier, pas comme garantie.
| Format | Octets par paramètre |
|---|---|
| FP32 | 4 |
| BF16, FP16 | 2 |
| FP8, INT8 | 1 |
| INT4, FP4 | 0.5 |
| MXFP4 | 0.53 |
| NVFP4 | 0.56 |
| Ternaire (poids de −1, 0 ou +1, soit environ 1.75 bit par poids) | 0.22 |
| GGUF Q4 (Q4_K_M, environ 4.8 bits par poids) | 0.6 |
La mémoire des poids vaut paramètres multipliés par octets par paramètre. Nous ajoutons 15 % pour les tampons d’exécution et une cache de contexte modeste. Puis ces règles s’appliquent :
- Les modèles à mélange d’experts gardent tous les experts en mémoire, donc nous utilisons les paramètres totaux, pas les actifs. Les actifs n’affectent que la vitesse.
- Les modèles de langage sont listés avec une estimation en 4 bits, car ils sont couramment quantisés. Si le développeur fournit des poids en 4 bits ou ternaires, nous utilisons plutôt la taille réelle du téléchargement plus 10 %.
- Les modèles d’image, vidéo, voix, musique et embeddings sont rarement quantisés, donc nous utilisons les poids tels que fournis plus 15 %. Les pipelines à plusieurs composants, comme un encodeur de texte séparé, utilisent le téléchargement total.
- Le minimum du développeur lui-même prime sur notre formule dès qu’il le déclare ou le mesure.
- Les contextes longs demandent plus. La cache clé-valeur grossit à chaque token, donc un long prompt peut exiger bien plus que ces chiffres. Le guide mémoire contient un exemple détaillé.
Nous plaçons ensuite chaque modèle dans un niveau matériel selon ce chiffre :
| Niveau | Jusqu’à |
|---|---|
| Ordinateur portable ou téléphone | 16 Go |
| GPU de jeu | 32 Go |
| Station de travail | 96 Go |
| Desktop à grande mémoire | 512 Go |
| Serveur GPU | 1 536 Go |
| Cluster multi-nœuds | Plus de 1 536 Go |
Comment nous classons les licences
Nous lisons le fichier de licence lui-même, pas seulement l’étiquette sur la page du modèle, et nous signalons quand les deux divergent. Chaque licence relève de l’un des trois types :
- Permissive : vous pouvez utiliser, modifier et vendre le modèle, et les conditions sont légères, comme garder la mention. Apache 2.0 et MIT en sont des exemples.
- Conditionnelle : l’usage commercial est permis, avec des conditions supplémentaires. Nous les étiquetons : attribution, accord d’hébergement, plafond de revenus, restrictions territoriales, politique d’usage, revue de sécurité, filtrage des sorties ou règles de nommage.
- Non commerciale : usage de recherche et personnel uniquement. L’usage commercial exige un accord séparé.
Nous indiquons aussi si l’Open Source Initiative a approuvé la licence et la date de notre dernière vérification du texte. C’est une aide à la lecture, pas un conseil juridique. Licences d’IA expliquées vous donne une liste de contrôle à utiliser avant de lancer votre produit.
Listes, comparatifs et sélection vedette
Les palmarès et les comparatifs sont des choix éditoriaux. Chacun énonce ses critères et donne une raison pour chaque choix. Les modèles vedettes de l’accueil sont un ensemble d’environ vingt, choisis pour couvrir une gamme de tailles et de catégories. Être vedette n’est pas un classement. Quand le catalogue change, nous revoyons les listes qui mentionnent les modèles concernés.
Mises à jour et corrections
Chaque page affiche la date de sa dernière vérification. Les actus affichent la date de l’événement et celle de notre dernière vérification. Quand nous trouvons une erreur, nous corrigeons la page et mettons à jour sa date, et si une correction change une conclusion, nous le disons sur la page. Signalez les erreurs via le lien de contact en pied de page.
Données ouvertes
Le catalogue est publié en données ouvertes : modèles en JSON et CSV, licences en JSON. Les textes et données sont sous CC BY 4.0 : vous pouvez les réutiliser en citant la source.
Langues et assistance par IA
L’anglais est la version de référence, et les traductions le suivent. Nous utilisons des outils d’IA pour la recherche et la rédaction, mais nous ne publions pas un chiffre que nous ne pouvons pas retracer jusqu’à une source. Chaque page de modèle porte au moins un lien de source, et les actus listent les leurs.