Ressources

Le grand atlas des modeles IA, du monde entier

Ici, on parle des grandes familles americaines, europeennes et chinoises, avec leurs equivalences, leurs rôles et leurs usages, sans transformer le sujet en concours de logos.

Le but n'est pas de memoriser des dizaines de noms. Le but est de comprendre qui joue quel rôle: le cerveau premium, le sprinteur économique, le modèle de code, l'atelier visuel ou la plateforme multimédia.

USA, Europe, Chine
Equivalences simples
Docs officielles
Comparaisons utiles

Voir l'atlas detaille Voir les actus

Sans jargon Visuel d'abord

Comprendre Comparer Appliquer

Comprendre en clair 🫏

Le complexe, rendu évident

Comment l'IA génère du texte, des images, des vidéos, de la voix, et ce qui distingue vraiment les grands modèles : expliqué simplement, avec une analogie et des sources vérifiées.

Comment l'IA génère du texte

L'IA n'écrit pas une phrase entière d'un coup : elle la devine un petit bout à la fois, comme on complète un mot sur le bout de la langue.

Quand l'IA écrit, elle ne pense pas à ce qu'elle va dire : elle prédit juste le prochain « morceau » de texte (un mot ou un bout de mot, qu'on appelle un token), puis le suivant, et ainsi de suite. Pour bien choisir, elle relit tout ce qui précède et décide quels mots comptent le plus à cet instant : c'est le mécanisme d'« attention », le cœur d'une architecture appelée Transformer, qui regarde toute la phrase d'un coup au lieu de la lire de gauche à droite. À force d'avoir vu des montagnes de textes, elle a appris quelles suites de mots sont les plus probables, et elle rejoue cette intuition à chaque pas. C'est puissant parce que prédire le mot suivant l'oblige, sans qu'on le lui demande, à apprendre la grammaire, le sens, le style et des tonnes de connaissances. Mais c'est aussi sa faiblesse : elle cherche ce qui « sonne juste » et probable, pas ce qui est vrai, et rien ne vérifie un fait au passage. Quand elle ne sait pas, elle comble quand même le trou avec la suite la plus plausible : c'est ça, une « hallucination ».

L'analogie

C'est comme le texto qui suggère le mot suivant au-dessus de ton clavier, mais en bien plus malin : à chaque mot tapé, il propose la suite la plus probable. Sauf que l'IA enchaîne ces suggestions des centaines de fois pour écrire des paragraphes entiers, en gardant en tête tout ce qui a déjà été écrit. Et comme ton clavier, elle propose parfois un mot très crédible... mais totalement à côté.

Creuser dans le cours →

Sources (3)

Comment l'IA crée des images

Pour dessiner un chat, l'IA ne part pas d'une page blanche : elle part d'un écran de neige télé et le « débrouille » jusqu'à voir un chat apparaître.

Au départ, l'IA affiche un fouillis de points aléatoires, comme la « neige » d'une vieille télé sans signal. Pendant son entraînement, on lui a montré des millions d'images qu'on a peu à peu noyées sous ce grain, et elle a appris à faire l'inverse : retirer un peu de bruit à chaque fois. Pour générer une image, elle répète donc ce nettoyage des dizaines de fois ; à chaque étape elle devine « si je gomme un peu de grain, qu'est-ce qui se cache là-dessous ? », et une forme se précise pas à pas. Votre texte (le prompt) sert de boussole : à chaque coup de gomme, l'IA compare ce qu'elle voit avec vos mots et oriente le débruitage vers « un chat roux » plutôt que vers autre chose. Pour aller vite, elle ne travaille pas sur les millions de pixels finaux mais sur une version compressée et résumée de l'image — un brouillon interne appelé espace latent — qu'un dernier module traduit en image nette. Les mains ratent souvent parce qu'elles sont petites, rares et tordues dans tous les sens sur les photos d'entraînement : l'IA a vu des doigts mais n'a jamais compris qu'une main en a exactement cinq.

L'analogie

C'est comme un sculpteur devant un bloc de marbre brut : il n'ajoute rien, il enlève de la matière petit à petit jusqu'à ce que la statue apparaisse. Votre prompt, c'est le croquis posé à côté qui lui dit quoi dégager — sauf que pour les doigts, le croquis est flou, alors il en sculpte parfois six.

Creuser dans le cours →

Sources (2)

Comment l'IA génère des vidéos

Une vidéo IA, ce n'est pas un film qu'on tourne : c'est du « bruit » télévisuel que la machine sculpte image par image jusqu'à ce qu'un monde apparaisse.

L'IA part d'un écran rempli de grésillement aléatoire, comme une vieille télé sans antenne, et le nettoie petit à petit jusqu'à révéler l'image demandée : c'est ce qu'on appelle la diffusion. Pour une vidéo, le défi en plus est le temps : il ne suffit pas de faire une belle image, il faut que toutes les images de la séquence s'enchaînent sans que les objets se déforment ou changent de couleur d'un instant à l'autre. Pour y arriver, des modèles comme Sora (OpenAI) ou Veo (Google) ne traitent pas chaque image isolément : ils découpent la vidéo en petits cubes d'« espace-temps » et les génèrent ensemble, en regardant à la fois ce qui se passe à côté et juste avant et après. C'est cette vision globale qui donne la cohérence : un chien reste le même chien quand il court, et une ombre bouge logiquement. Le revers, c'est le coût : une seule seconde de vidéo contient des dizaines d'images, chacune nettoyée des dizaines de fois, ce qui demande une puissance de calcul colossale. Voilà pourquoi quelques secondes de vidéo IA peuvent coûter autant que des centaines d'images fixes et tournent sur des fermes de processeurs graphiques très chers.

L'analogie

Imagine un sculpteur devant un bloc de neige granuleuse (le bruit). Pour une photo, il dégage une seule statue. Pour une vidéo, il doit sculpter une rangée de statues légèrement différentes, en s'assurant que, mises bout à bout, elles donnent l'illusion d'un seul personnage qui bouge en douceur. Et plus la séquence est longue, plus il y a de blocs à tailler, image après image : d'où l'effort énorme.

Creuser dans le cours →

Sources (3)

Comment l'IA comprend et imite la voix

En quelques secondes d'enregistrement, une machine peut aujourd'hui apprendre à parler avec votre voix — voici comment elle entend, et comment elle imite.

La voix par l'IA, ce sont deux trajets opposés. Pour COMPRENDRE (on dit « speech-to-text »), un modèle comme Whisper d'OpenAI transforme le son en une sorte d'image des fréquences (un « spectrogramme »), puis devine mot après mot ce qui a été dit — il a appris en écoutant 680 000 heures d'audio aspirées sur le web. Pour PARLER (« text-to-speech »), c'est l'inverse : l'IA fabrique d'abord cette image-son à partir du texte, puis un « vocodeur neuronal » (comme WaveNet) la retransforme en vraie onde sonore, avec un timbre naturel. Le clonage vocal ajoute une touche : on montre au modèle un court extrait d'une voix réelle, et il apprend à appliquer ce timbre à n'importe quelle phrase. C'est ce dernier point qui crée le danger : quelques secondes suffisent à imiter quelqu'un, et des escrocs s'en servent pour appeler en se faisant passer pour un proche en détresse — une fraude qui a explosé ces dernières années.

L'analogie

Comprendre la voix, c'est comme un musicien qui écoute un air et écrit les notes sur une partition. Parler, c'est l'inverse : un autre musicien lit la partition et rejoue l'air. Le clonage vocal, c'est quand ce second musicien a écouté votre façon de jouer pendant dix secondes et peut désormais rejouer n'importe quelle chanson exactement avec votre « son » à vous.

Creuser dans le cours →

Sources (3)

Ce qui distingue vraiment les grands LLM

Deux IA peuvent réciter la même réponse et pourtant ne pas jouer dans la même cour : la vraie différence se cache dans ce qu'on ne voit pas.

Un grand modèle de langage (LLM), c'est une IA qui a appris à manier le langage en lisant d'énormes quantités de textes. Quatre choses les séparent vraiment. D'abord la taille : on la mesure en "paramètres", les milliards de petits réglages internes du modèle ; plus il y en a, plus il peut retenir de nuances, mais ce qui compte aussi c'est la qualité des données lues, pas seulement leur quantité. Ensuite l'architecture : un modèle "dense" fait travailler tous ses paramètres à chaque mot, tandis qu'un modèle "Mixture-of-Experts" n'allume qu'une poignée de spécialistes selon la question, ce qui le rend plus rapide et moins coûteux à capacité égale. Vient la fenêtre de contexte : la quantité de texte que le modèle peut "garder sous les yeux" en même temps (mesurée en tokens, des petits morceaux de mots) ; plus elle est large, plus il peut lire un long document sans en oublier le début. Enfin, certains sont des modèles de "raisonnement" : avant de répondre, ils réfléchissent étape par étape en interne, ce qui les rend bien meilleurs en maths, en code et en logique, mais plus lents et plus chers. Résultat : il n'existe pas de "meilleur" modèle dans l'absolu, seulement le mieux adapté à votre usage.

L'analogie

Pensez à une équipe de cuisine. Le nombre de paramètres, c'est la taille de la brigade ; mais une petite brigade bien formée bat une grande mal entraînée (la qualité des données). Un modèle dense réveille tous les cuisiniers pour chaque plat ; un Mixture-of-Experts n'appelle que le pâtissier pour un dessert et le rôtisseur pour une viande, donc c'est plus rapide. La fenêtre de contexte, c'est la taille du plan de travail : trop petit, et on perd les ingrédients posés au début de la recette. Et un modèle de raisonnement, c'est le chef qui goûte et corrige avant d'envoyer l'assiette, au lieu de la servir d'un coup.

Creuser dans le cours →

Sources (3)

Pourquoi certains modèles « réfléchissent »

Et si la différence entre une bonne et une mauvaise réponse, c'était simplement quelques secondes de « réflexion » avant de parler ?

Un modèle d'IA classique répond du tac au tac : il crache le premier enchaînement de mots qui lui semble probable, sans s'arrêter. Les modèles dits « de raisonnement » (comme o1 et o3 d'OpenAI, ou DeepSeek-R1) font autre chose : avant de te donner leur réponse finale, ils écrivent pour eux-mêmes une longue suite d'étapes, un brouillon de pensée appelé « chaîne de raisonnement ». Ils posent le problème, testent une piste, se corrigent, vérifient, et ce n'est qu'ensuite qu'ils répondent. Ce brouillon est en grande partie caché, mais c'est lui qui fait la différence : sur les maths, le code ou la logique, ces modèles sont nettement plus justes. La contrepartie est réelle : « penser » prend du temps et coûte cher, car chaque étape de réflexion est du texte généré qu'il faut produire et facturer. Du coup on les réserve aux questions difficiles, et on garde les modèles rapides pour les tâches simples.

L'analogie

C'est la différence entre deux élèves face à un problème de maths. Le premier lève la main tout de suite et lance la première réponse qui lui passe par la tête. Le second prend son brouillon, écrit ses étapes, vérifie son calcul, rature, recommence, puis donne sa réponse. Le second est plus lent et use plus de papier, mais il se trompe beaucoup moins. Un modèle de raisonnement, c'est l'élève qui sort son brouillon.

Creuser dans le cours →

Sources (3)

Repere

Un nom de famille n'est pas une fiche technique

Dire 'Claude', 'GPT' ou 'Qwen' ne suffit pas. Il faut toujours regarder la version exacte, son rôle, sa date et son statut.

Repere

Le meilleur modèle du monde n'existe pas

Un modèle peut être excellent en code, moyen en image, très rapide mais moins profond, ou parfait pour un coût donné.

Repere

Le marché n'est pas seulement américain

La France, l'Europe et surtout la Chine pèsent lourd avec des familles comme Mistral, Qwen, GLM, DeepSeek, Kimi, MiniMax ou Hunyuan.

Repere

Une comparaison utile regarde le rôle, pas le buzz

On compare des sprinteurs entre eux, des cerveaux premium entre eux et des modèles visuels entre eux, pas des objets totalement différents.

Panorama des modèles 🌍

Qui fait quoi, en clair

Les grandes familles d'IA de 2026, expliquées simplement : à quoi sert chacune, ce qui la distingue, et si elle est « ouverte » (téléchargeable par tous) ou « fermée » (accessible seulement via son service).

GPT & o-series (OpenAI)

Fermé

OpenAI, entreprise américaine basée à San Francisco (créatrice de ChatGPT)

C'est l'assistant IA le plus connu au monde, le moteur de ChatGPT. Il écrit, répond, code, analyse des images et raisonne sur des problèmes difficiles. Sa force : un seul modèle (GPT-5) qui décide tout seul s'il doit répondre vite ou réfléchir longuement avant de parler.

L'analogie

C'est un peu comme un couteau suisse devenu intelligent : avant, vous deviez choisir la bonne lame vous-même (un modèle rapide « GPT » ou un modèle qui réfléchit « o-series »). Maintenant, l'outil sent ce dont vous avez besoin et sort la bonne lame tout seul.

À savoir : En 2025-2026, OpenAI a fusionné ses deux familles en une seule. GPT-5 (août 2025) a fait disparaître la séparation entre les modèles « rapides » (GPT) et les modèles « qui raisonnent » (o1, o3, o4) : un routeur automatique bascule en mode réflexion seulement quand la question est dure. Le modèle phare actuel est GPT-5.5, sorti le 23 avril 2026.

Sources (2)

Claude (Anthropic)

Fermé

Anthropic, entreprise américaine fondée en 2021 par d'anciens d'OpenAI (dont Dario et Daniela Amodei).

Claude est un assistant IA conversationnel qui excelle à écrire, raisonner, analyser de longs documents et surtout coder. Sa marque de fabrique : être à la fois très capable et particulièrement prudent et honnête, conçu pour rester utile sans déraper.

L'analogie

C'est un peu comme un collègue brillant et hyper consciencieux : ultra-doué pour les tâches difficiles (surtout la programmation), mais qui préfère dire « je ne suis pas sûr » plutôt que d'inventer, et qui réfléchit avant de répondre.

À savoir : La famille est déclinée en trois tailles — Haiku (rapide et léger), Sonnet (équilibré) et Opus (le plus puissant). Fin 2025, Anthropic a lancé Claude Opus 4.5, présenté comme son meilleur modèle pour le code et les agents, tout en divisant son prix par environ trois (5 $ / 25 $ par million de tokens). Particularité maison : Claude est entraîné par « Constitutional AI », une charte écrite de principes qui le guide vers des réponses honnêtes et inoffensives.

Sources (2)

Gemini (Google)

Fermé

Google DeepMind, la division IA de Google (États-Unis)

Gemini est l'assistant IA tout-terrain de Google : il comprend et raisonne nativement sur du texte, des images, du son, de la vidéo et du code, le tout en même temps. Sa grande force est sa mémoire géante (jusqu'à 1 million de mots-jetons d'un coup) et son intégration partout dans les produits Google (Recherche, Gmail, Docs, Android).

L'analogie

C'est un peu comme un assistant personnel qui aurait étudié dans toutes les matières à la fois (texte, dessin, musique, films) et qui vit déjà dans tous vos outils du quotidien : au lieu d'aller le chercher, il est déjà à côté de vous dans votre boîte mail, vos documents et votre téléphone.

À savoir : Course effrénée : Gemini 3 Pro est sorti en novembre 2025, suivi de Gemini 3.1 Pro en février 2026 (raisonnement plus que doublé), puis de Gemini 3.5 Flash dévoilé à Google I/O le 19 mai 2026 — une version rapide et économique qui dépasse pourtant le « Pro » de l'année précédente. La version haut de gamme Gemini 3.5 Pro a été annoncée mais retenue en préversion, sa sortie grand public étant attendue pour juin 2026.

Sources (2)

Mistral (Mistral AI)

Ouvert

Mistral AI, jeune entreprise française fondée en 2023 à Paris par d'anciens chercheurs de Meta et Google DeepMind (Arthur Mensch, Guillaume Lample, Timothée Lacroix).

C'est une famille d'intelligences artificielles qui comprennent et écrivent du texte, codent, analysent des images et parlent. Sa grande force : des modèles efficaces et souvent « ouverts » (téléchargeables et installables par n'importe qui), portés par le champion européen de l'IA, avec un fort attachement à la souveraineté et à la confidentialité des données.

L'analogie

C'est un peu comme un grand chef cuisinier qui, au lieu de garder ses recettes secrètes, vous offre le livre de recettes complet : vous pouvez cuisiner chez vous, à votre façon. Là où d'autres IA restent enfermées dans leur restaurant, Mistral vous laisse emporter le savoir-faire à la maison.

À savoir : En 2025-2026, Mistral est devenue la pépite européenne de l'IA : valorisée autour de 11-14 milliards d'euros avec le fabricant néerlandais ASML comme premier actionnaire, elle a sorti fin 2025 Mistral Large 3, l'un des plus gros modèles « à poids ouverts » d'un grand laboratoire (675 milliards de paramètres, licence libre Apache 2.0). Fait marquant : fin mai 2026, son assistant « Le Chat » a été rebaptisé « Vibe » avec de nouvelles capacités autonomes (agents).

Sources (2)

Llama (Meta)

Ouvert

Meta (la maison de Facebook, Instagram et WhatsApp), États-Unis

Llama est la famille d'IA « ouverte » de Meta : des modèles puissants que n'importe qui peut télécharger gratuitement pour les faire tourner sur ses propres machines, sans dépendre d'un service en ligne. Sa grande force : avoir mis une IA de niveau professionnel entre les mains de tous, ce qui en a fait le moteur d'une bonne partie du monde de l'IA libre.

L'analogie

C'est un peu comme une recette de grand chef publiée gratuitement : au lieu de devoir aller au restaurant (payer un service fermé), vous recevez la recette complète pour cuisiner chez vous, l'adapter à votre goût et même ouvrir votre propre cantine avec.

À savoir : Tournant en 2026 : Meta a adopté une double stratégie. D'un côté Llama reste ouvert (avec Llama 4 en 2025, puis Llama 5 annoncé en avril 2026), mais de l'autre Meta a lancé en avril 2026 « Muse Spark », son tout premier modèle FERMÉ (poids non téléchargeables), développé par sa nouvelle division Superintelligence Labs. Pour la première fois, le géant du « tout ouvert » réserve son modèle le plus avancé à son propre service.

Sources (2)

DeepSeek

Ouvert

DeepSeek, un laboratoire d'IA chinois basé à Hangzhou, fondé en 2023 par Liang Wenfeng et financé par le fonds spéculatif High-Flyer (Chine).

DeepSeek crée des modèles d'IA très puissants capables de discuter, coder et raisonner étape par étape, qu'il publie gratuitement et librement (« open-weight »). Sa force : offrir un niveau proche des meilleurs modèles fermés américains, mais pour une fraction du coût.

L'analogie

C'est un peu comme un grand chef étoilé qui, au lieu de garder ses recettes secrètes, les distribue gratuitement à tout le monde : tout le monde peut cuisiner le même plat chez soi, sans payer le restaurant de luxe.

À savoir : Début 2025, son modèle de raisonnement R1 a créé un choc mondial : des performances dignes des géants américains pour un coût d'entraînement bien plus faible. En avril 2026, DeepSeek a enchaîné avec V4 (versions Flash et Pro), le Pro étant un modèle « mixture-of-experts » de 1,6 billion de paramètres avec une fenêtre de contexte d'1 million de tokens, publié sous licence MIT — le plus gros modèle open-weight jamais diffusé.

Sources (2)

Grok (xAI)

Fermé

xAI, la société d'intelligence artificielle d'Elon Musk, basée aux États-Unis.

Grok est un assistant IA conversationnel intégré au réseau social X (ex-Twitter). Sa grande force : un accès en temps réel à ce qui se dit sur le web et sur X, plus un ton volontairement vif, drôle et moins « lissé » que ses rivaux.

L'analogie

C'est un peu comme l'ami branché et taquin qui est toujours au courant de la dernière actu et des dernières tendances : il répond avec humour et franc-parler, là où les autres assistants restent plus sages et prudents.

À savoir : Lancé en juillet 2025, Grok 4 (avec sa version « Heavy » qui réfléchit en parallèle) a placé xAI parmi les modèles de pointe. Depuis, la famille avance vite : Grok 4.3, sorti en avril 2026, offre une fenêtre de contexte d'un million de mots, peut produire directement des PDF, tableurs et présentations, et affiche l'un des plus faibles taux d'erreurs (« hallucinations ») du marché.

Sources (2)

Qwen (Alibaba)

Ouvert

Alibaba Cloud (groupe Alibaba), le géant chinois du e-commerce et du cloud

Qwen (« Tongyi Qianwen ») est une grande famille d'IA qui comprend et génère du texte, du code, des images et de la voix, en plus de 100 langues. Sa force : des modèles très performants que (presque) tout le monde peut télécharger gratuitement et utiliser, même pour des projets commerciaux.

L'analogie

C'est un peu comme une immense bibliothèque en libre accès, ouverte par un grand groupe : au lieu de garder ses livres sous clé, Alibaba offre ses « cerveaux » au monde entier, qui peut les copier, les adapter et les améliorer librement.

À savoir : En 2026, Qwen est devenue la famille de modèles ouverts la plus téléchargée au monde : plus d'un milliard de téléchargements et plus de 200 000 variantes dérivées créées par la communauté sur Hugging Face. Les versions Qwen3 (2025), puis Qwen3.5 et Qwen3.6 (début 2026) restent ouvertes sous licence Apache 2.0, tandis que les tout derniers modèles « Max » les plus puissants (Qwen3.7-Max, mai 2026) sont, eux, fermés et accessibles seulement via le cloud d'Alibaba.

Sources (2)

Lire un modele

Les axes de comparaison qu'on regarde vraiment

famille de modele vs version exacte
qualite de raisonnement
qualite de code
multimodalite
image / video / voix
latence
cout
contexte long
outils et agents
hebergement et open-weight
langues et localisation
controle, garde-fous et deprecations

Et ensuite

Aller plus loin : l'atlas détaillé, fournisseur par fournisseur

La page suivante descend d'un cran: famille par famille, rôle par rôle, avec les modèles premium, les variantes rapides, les blocs créatifs et les sources officielles à consulter.

Ouvrir l'atlas detaille