greenai.guide

Accueil › Comment faire… ? › Comment choisir un modèle d'IA plus petit ?

Comment faire… ?

Comment choisir un modèle d'IA plus petit ?

Mis à jour · 2 min de lecture

En bref

Définissez ce que « suffisamment bon » veut dire sur des exemples réels, puis testez les modèles du plus petit au plus grand et arrêtez-vous au premier qui réussit. Les petits modèles spécialisés peuvent consommer une fraction de l'énergie des grands modèles généralistes : l'UNESCO et l'University College London font état d'économies allant jusqu'à 90 % sur des tâches adaptées.

Étapes

  1. Notez la tâche et un seuil de réussite, par exemple la part de réponses qui doivent être correctes.
  2. Rassemblez 20 à 50 exemples réels pour les tests.
  3. Essayez d'abord le plus petit modèle ou la version « mini », puis montez en taille seulement s'il n'atteint pas le seuil.
  4. Consultez les évaluations énergétiques publiques comme l'AI Energy Score lorsqu'elles existent.
  5. Gardez un modèle plus grand pour les cas que le petit ne sait pas traiter.
  6. Refaites les tests lorsque les modèles ou votre tâche changent.

Utilisez le plus petit modèle qui atteint votre seuil de qualité, pas le plus performant disponible. Un grand modèle généraliste paie, à chaque requête, pour des capacités dont votre tâche n'aura peut-être jamais besoin.

Pourquoi la taille du modèle compte-t-elle autant ?

C'est généralement le levier le plus important sur l'énergie. Luccioni, Jernite et Strubell ont constaté que les modèles génératifs polyvalents coûtaient des ordres de grandeur plus cher à faire fonctionner que des systèmes spécialisés pour les mêmes tâches. L'UNESCO et l'University College London ont constaté que de petits modèles adaptés à des tâches précises pouvaient réduire la consommation d'énergie jusqu'à 90 %.

Comment tester les candidats ?

  1. Fixez le seuil sur votre propre travail, par exemple « extrait correctement le total de la facture dans 98 % des cas ».
  2. Testez d'abord les petits. Beaucoup de fournisseurs proposent des versions « mini », « lite » ou « flash » ; les familles de modèles à poids ouverts existent en plusieurs tailles.
  3. Arrêtez-vous au premier qui réussit. Plus grand ne veut pas automatiquement dire plus précis pour des tâches ciblées.
  4. Comparez l'énergie, pas seulement le prix. L'AI Energy Score de Hugging Face note les modèles ouverts de une à cinq étoiles selon l'énergie par requête pour des tâches courantes ; consultez lire une note AI Energy Score.

Pour les utilisateurs au quotidien, la même idée s'applique : choisissez l'option rapide ou plus légère de votre chatbot pour les questions simples.

Erreurs fréquentes

  • Choisir sur la réputation plutôt qu'en testant sur vos propres exemples.
  • Mesurer le coût par appel, et non par réussite. Un modèle trop petit qui échoue, et oblige à relancer sur un grand, peut coûter plus cher au total.
  • Ne jamais réévaluer. Les petits modèles progressent vite ; refaites les tests tous les quelques mois.

Pour envoyer automatiquement chaque requête vers la bonne taille, consultez orienter les requêtes vers des modèles plus petits. La méthode complète se trouve dans choisir le bon modèle.

Sources

  1. Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
  2. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
  3. AI Energy Score, Hugging Face (2025)

Rejoignez-nous

Aidez à réduire l’impact de l’IA sur la planète

Recevez par e-mail, environ une fois par mois, les nouveaux guides, appels à financement et fiches des annuaires. Ou ajoutez votre produit, cours, thèse ou recherche aux annuaires.

Aucun suivi. Désinscription en un clic. Autres façons de participer · Confidentialité