Modèles open-weight face aux modèles frontière : l'écart s'est refermé
Un modèle open-weight est un modèle dont les poids sont téléchargeables et que vous pouvez exécuter où vous voulez — sur votre propre serveur, selon votre politique, sans compteur de tokens ni fournisseur capable de changer le modèle sous vos pieds. Il y a deux ans, ce choix impliquait d'accepter un modèle nettement plus faible. Les chiffres publics actuels disent que ce n'est plus le cas.
Les chiffres, datés
LiveBench est un benchmark public, actualisé en continu, qui note les modèles sur le raisonnement, le code, le code agentique, les mathématiques, l'analyse de données, la langue et le suivi d'instructions. Dans sa version de juin 2026 — 66 modèles, relevée le 03/10/2026 — les meilleurs modèles open-weight sont dans le peloton de tête, et mènent une catégorie :
LiveBench, version du 25/06/2026 · livebench.ai · 66 modèles · relevé le 03/10/2026
DeepSeek V4.1 Flash (open-weight, sorti le 10/09/2026) obtient 77,27 en code agentique, devant la meilleure entrée propriétaire, Claude Opus 5.5 max, à 71,72.
Le même modèle atteint 81,11 en moyenne sur les sept catégories — devant GPT-5.6 Sol max (81,05), GPT-5.5 xhigh (80,19) et Claude Opus 5 max (80,08). Le leader global, Claude Fable 5.1 max à 83,41, est à environ 2,3 points.
Derrière DeepSeek V4.1 Flash : smaug-agentic est 13e (79,51), Kimi K3 15e (79,19), Qwen 3.8 Max 17e (78,46), DeepSeek V4 Pro 23e (77,44) et smaug-flash 24e (77,44).
Meilleur rang open-weight par catégorie
Position du meilleur modèle open-weight dans chaque catégorie LiveBench, sur 66 modèles (même relevé) :
| Catégorie | Meilleur rang open-weight |
|---|---|
| Code agentique | n°1 |
| Suivi d'instructions | n°5 |
| Raisonnement | n°9 |
| Analyse de données | n°9 |
| Code | n°10 |
| Langue | n°11 |
| Mathématiques | n°16 |
Note de méthode : le score global est la moyenne des sept moyennes de catégories, calculée à partir du fichier publié par LiveBench ; il peut différer de quelques décimales de l'affichage du site. Un benchmark mesure des tâches de benchmark — lors d'un diagnostic IA, nous refaisons la comparaison sur vos propres charges avant de recommander quoi que ce soit.
Ce que l'open-weight change pour une entreprise
Coût et usage
Un modèle que vous exécutez vous-même n'a ni compteur de tokens ni licence par utilisateur : un usage quasi illimité pour le prix de la machine. Pour les charges lourdes du quotidien, c'est une fraction du coût des API frontière.
Confidentialité par construction
Les poids tournent là où vivent vos données. Une requête sensible traitée par un modèle open-weight local ne franchit jamais votre frontière — rien à anonymiser, aucune politique de rétention à croire sur parole.
Aucune dépendance
Aucun fournisseur ne peut en augmenter le prix, le retirer du marché ou changer son comportement du jour au lendemain. BrainOutput est multi-modèles : quand un modèle open-weight plus fort paraît, nous le benchmarkons et basculons l'alias — vos workflows ne changent pas.
Là où la frontière reste devant — et comment nous routons
Honnêtement : la frontière reste devant au score global. Le meilleur modèle propriétaire mène la version juin 2026 de LiveBench avec environ 2,3 points d'avance sur le meilleur open-weight, et les entrées propriétaires dominent six catégories sur sept.
C'est pourquoi BrainOutput route par tâche au lieu de parier sur un seul modèle. Le travail sensible va à un modèle open-weight sur votre matériel ou votre cloud privé — point final. Le travail non sensible peut aller vers une API frontière quand elle est réellement plus forte, mais seulement si votre politique l'autorise. L'open-weight est le défaut ; la frontière est une option que vous activez.
Questions fréquentes
Qu'est-ce qu'un modèle open-weight ?
Un modèle dont les poids entraînés sont publiés, que chacun peut télécharger et exécuter sur sa propre infrastructure. Vous ne louez pas des réponses à une API — vous détenez le modèle lui-même.
Les modèles open-weight valent-ils vraiment les modèles frontière ?
Dans la version juin 2026 de LiveBench (relevée le 03/10/2026) : en code agentique, oui — le meilleur modèle open-weight est premier sur 66. Au global, le meilleur open-weight est 9e sur 66, à environ 2,3 points du leader, et devant des modèles frontière sortis quelques mois plus tôt. Nous n'écrivons « égale ou dépasse » que là où les chiffres datés le montrent.
« Open-weight », est-ce la même chose qu'« open source » ?
Pas exactement : open-weight signifie que les poids sont téléchargeables et exécutables partout ; les conditions de licence varient selon les modèles. Opérationnellement, l'essentiel est identique dans les deux cas — le modèle peut tourner sur une infrastructure que vous contrôlez, sans compteur d'usage.
Pouvons-nous exécuter ces modèles sur notre propre matériel ?
Oui — c'est précisément l'objet de notre offre matériel et inférence privée. Quel modèle tient sur quelle machine dépend de la taille du modèle et du nombre d'utilisateurs simultanés ; nous le dimensionnons pendant le diagnostic IA plutôt que de publier des affirmations non mesurées.
Ces chiffres sont-ils à jour ?
Ils proviennent de la version juin 2026 de LiveBench, relevée le 03/10/2026 ; le domaine bouge chaque mois et le classement changera. Nous revérifions au moment du diagnostic, et nos pages modèles suivent les nouvelles versions à mesure qu'elles entrent dans le benchmark.
Découvrez ce que l'open-weight peut faire sur vos charges
Un diagnostic IA cartographie vos processus, classe ce qui est sensible et benchmark les modèles open-weight actuels sur vos vraies tâches — des chiffres datés, les vôtres cette fois.
Sources
- LiveBench — June 2026 release (livebench.ai) — consulté le 2026-10-03