Que signifient les chiffres des modèles d’IA ? 3B, 7B, 20B…

Quand la taille ne fait pas tout

Si vous vous êtes déjà intéressé à l’intelligence artificielle, vous avez certainement croisé des expressions comme « modèle 7B » ou « LLM 20 milliards de paramètres ». Mais que signifient réellement ces chiffres — et surtout, sont-ils vraiment le critère le plus important pour choisir une solution IA ?

Des milliards de quoi, exactement ?

Le « B » signifie « milliards » — et il désigne le nombre de paramètres du modèle. Un paramètre est, en simplifiant, une connexion apprise pendant l’entraînement du modèle sur des milliards de textes. Plus il y en a, plus le modèle a potentiellement « mémorisé » de connaissances générales.

Un modèle 3B possède 3 milliards de paramètres. Un modèle 70B en possède soixante-dix fois plus. Sur le papier, le plus grand semble meilleur. Dans la pratique, c’est beaucoup plus nuancé.

Pourquoi un grand modèle ne garantit pas de meilleures réponses

La qualité d’une réponse dépend de trois facteurs principaux. La qualité des données représente environ 45% du résultat — c’est-à-dire les documents, règlements et contenus métier que le système consulte pour répondre. La qualité du prompt, soit la façon dont la question est posée, compte pour environ 28%. Le modèle lui-même n’intervient que pour environ 22%.

Autrement dit : un modèle 7B bien configuré, alimenté par des données métier précises et interrogé avec des questions bien formulées, surpassera régulièrement un modèle 70B généraliste mal utilisé.

La contrainte matérielle, un critère souvent oublié

Les grands modèles exigent des ressources considérables. Un modèle 70B nécessite typiquement 40 à 80 Go de RAM — ce qui implique des serveurs puissants, une connexion cloud, et des coûts importants. Un modèle 7B ou 8B peut fonctionner sur un mini PC de bureau, en local, sans internet, avec des performances tout à fait satisfaisantes pour des usages professionnels ciblés.

C’est précisément le choix qu’a fait ArkeoAI : privilégier un modèle compact, optimisé pour les données métier de nos clients, plutôt qu’un modèle massif dépendant du cloud.

Ce qu’il faut retenir

Plus de paramètres ne signifie pas automatiquement plus de pertinence. Ce qui compte, c’est l’adéquation entre le modèle, les données et l’usage. Un système bien conçu avec un modèle modeste fera toujours mieux qu’un modèle géant mal orienté.

La puissance est dans la précision, pas dans la taille.