Une analyse publiée par ITmedia le 8 septembre 2026 estime que la vague d’intérêt pour les grands modèles de langage locaux (Local LLM) repose sur la maturité simultanée de trois éléments : les modèles à poids ouverts, le matériel capable de les exécuter et les logiciels nécessaires pour en tirer parti. Cette évolution intervient alors que les limites de la dépendance aux services d’intelligence artificielle dans le cloud commencent à apparaître plus clairement.
Qu’entend-on par modèle de langage local ?
L’article définit le modèle local comme un grand modèle de langage à poids ouverts pouvant être exécuté sur un ordinateur personnel ou une station de travail. Les fichiers de poids, associés au moteur d’inférence, permettent de télécharger et d’exécuter le modèle même hors connexion. L’utilisation ne dépend donc pas entièrement de la continuité d’un service cloud ni de la décision de son fournisseur concernant le compte ou l’accès.
ITmedia indique que ce facteur a gagné en importance au cours de l’année 2026, après que des cas liés aux services d’intelligence artificielle dans le cloud ont montré que l’accès pouvait être interrompu soudainement. L’article cite des exemples d’interruptions ou de risques de suspension de comptes, tout en soulignant que d’expliquer l’essor des modèles locaux par ces seules craintes constituerait une simplification excessive.
Première condition : des modèles à poids ouverts plus performants
Le premier élément examiné par l’article est l’évolution rapide des modèles à poids ouverts. Il évoque ce qu’il appelle le « choc DeepSeek » de janvier 2025, lorsque l’entreprise chinoise DeepSeek a lancé le modèle DeepSeek R1, présenté comme approchant les performances du modèle o1 d’OpenAI dans certains domaines, tout en étant proposé gratuitement sous une forme à poids ouverts. Des informations selon lesquelles son entraînement aurait utilisé moins d’unités de traitement graphique que des entreprises comme OpenAI et Google se sont également répandues à l’époque, contribuant à une baisse temporaire de l’action NVIDIA.
L’article met également en avant la famille Qwen d’Alibaba Cloud, qui a gagné en importance après la publication de versions de Qwen3 à poids ouverts en juillet et août 2025. Selon l’analyse, son avantage réside dans son large éventail, allant de petits modèles pouvant être exécutés sur des smartphones à des modèles intermédiaires destinés aux unités de traitement graphique grand public, ainsi qu’à de grands modèles nécessitant des serveurs GPU. Le modèle Qwen3.8-27B, lancé en août 2026, a lui aussi suscité beaucoup d’intérêt en raison de l’affirmation selon laquelle il serait comparable à Claude Opus 4.6.
L’article mentionne d’autres grands modèles chinois, notamment GLM-5.3 de Z.ai, Kimi K3 de Moonshot AI et MiniMax M3 de MiniMax, ainsi que des modèles intermédiaires et de petite taille de Google, NVIDIA et Meta, et des projets japonais de Preferred Networks, SB Intuitions et LLM-jp, rattaché à l’Institut national d’informatique.
Pourquoi cette évolution est-elle importante ?
Le changement concret ne réside pas seulement dans la disponibilité de modèles gratuits, mais aussi dans l’élargissement de la gamme de modèles pouvant être exécutés sur différents appareils, du téléphone à la station de travail et au serveur. Cela ouvre des options supplémentaires aux organisations qui doivent arbitrer entre la confidentialité, la dépendance à un fournisseur cloud, le temps de réponse et le coût d’exploitation.
L’article ne conclut toutefois pas que l’exécution locale constitue toujours une meilleure solution. La partie disponible traite principalement de la condition liée aux modèles et s’achève en présentant la « mémoire unifiée » comme thème de la partie suivante, tandis que le coût d’exploitation, les modalités d’utilisation ainsi que le rôle des fournisseurs et des États restent hors du champ de cette partie. Ainsi, selon les éléments disponibles, l’essor des modèles locaux résulte de la convergence des progrès des modèles, du matériel et des logiciels, et non d’une simple réaction aux risques liés aux services cloud.