Aller au contenu
Retour à Comprendre les modèles

Comprendre les modèles · Chapitre 8 sur 8

Choisir un modèle pour un agent

Choisir un modèle, c'est écarter ceux qui échouent à une limite stricte, puis peser la capacité, la vitesse, le prix par tâche, le contexte et la fiabilité avec les outils pour le travail d'un agent.

18 minutes0 objectifs sur 4 atteints

Objectifs

  • Choisir un agent pour lequel choisir un modèle.À faire
  • Appliquer ses limites strictes et voir quels modèles sont exclus.À faire
  • Peser ce qui reste, le classer et chiffrer un mois de travail.À faire
  • Réussir la vérification.À faire

Étape 1 sur 4 : La lecture

Le bon choix, pas le meilleur

Il n'y a pas de meilleur modèle, seulement celui qui convient le mieux au travail d'un agent. Le choix se fait en deux passes. D'abord les limites strictes : des besoins dont l'agent ne peut pas se passer. Un modèle qui échoue à l'une d'elles est exclu, aussi fort ou bon marché soit-il. Ensuite, vous pesez ce qui reste : vous décidez combien chaque qualité compte pour ce travail, et vous classez les modèles en fonction.

Limites strictes

Modalité : les types d'entrée et de sortie qu'un modèle gère, comme le texte, les images ou le son. Fenêtre de contexte : combien de tokens il lit à la fois, comme au chapitre 2. Politique de données : si le fournisseur peut entraîner ses modèles sur ce que vous envoyez, et la conservation, combien de temps il le garde. Région : où vos données sont traitées ; certaines règles, comme celles de l'UE, s'en soucient. Licence et accès : ce que vous pouvez faire avec un modèle, et qui peut l'utiliser tout court. Les poids ouverts peuvent aussi tourner sur votre propre machine, même sans internet.

Ce que vous pesez

Capacité : à quel point il fait bien le travail. Les benchmarks, comme au chapitre 7, aident quand leurs tâches sont proches des vôtres, mais votre propre évaluation en dit plus : quelques dizaines de tâches réelles du travail, notées par vous. Latence : combien de temps vous attendez une réponse ; plus de réflexion donne en général de meilleures réponses et des attentes plus longues.

Prix par tâche : ce que coûte une tâche terminée. Un agent appelle son modèle plusieurs fois par tâche, et chaque appel est un tour, facturé pour ses tokens en entrée et en sortie. Un prix par token bas peut quand même donner une tâche chère. Fiabilité des appels d'outils : à quelle fréquence le modèle appelle correctement les outils, avec les bonnes entrées. Limites de débit : combien de requêtes et de tokens un fournisseur accepte par minute.

Dans le visuel

Vous choisissez l'un de quatre agents. Ses limites strictes écartent des modèles, vos priorités classent le reste, et un calculateur transforme de vrais prix catalogue en facture mensuelle. Une réponse commentée montre ensuite ce à quoi son choix renonce. Les agents et la taille de leurs tâches sont inventés. Les modèles, prix, fenêtres de contexte, entrées, licences et scores sont réels, tirés d'un instantané daté du 2026-11-03. L'instantané ne contient pas de régions et seulement certaines conditions sur les données, donc certaines limites indiquent « À vérifier » ; il ne contient ni vitesses ni limites de débit, donc vous les testez vous-même.

Étape 2 sur 4 : Essayez : Choisissez un modèle pour cet agent

Choisissez un modèle pour cet agent

Choisissez un agent, appliquez ses limites strictes une à une, pesez ce qui reste et chiffrez un mois de travail, puis comparez avec une réponse commentée.

Mode :RéelSimuléRéel : les modèles et leurs prix catalogue, fenêtres de contexte, entrées, tailles, usage des outils, licences, les conditions sur les données de Google et de Meta selon l'offre et les scores d'Artificial Analysis, dans un instantané daté du 2026-11-03 ; les prix par tâche et le classement en sont déduits dans cette page. Simulé : les quatre agents, leurs limites et la taille de leurs tâches, ainsi que les réponses commentées, sont inventés pour ce chapitre, et aucun modèle ne tourne dans cette page.

Étape 3 sur 4 : Vérification

Vérification

Question 1 sur 3Un bot de support pour une banque européenne doit garder les données clients dans l'UE. Deux modèles peuvent faire le travail ; le moins cher ne tourne que sur des serveurs hors de l'UE. Qu'est-ce qui vient en premier ?

Ensuite : Question 2 sur 3

Question 2 sur 3Le modèle B coûte deux fois plus par token que le modèle A. Dans votre évaluation, B termine une tâche en 2 tours, et A a besoin de 5 tours de même taille. Lequel coûte le moins par tâche ?
Question 3 sur 3Le premier modèle de votre présélection a le meilleur score indépendant, mais l'instantané ne dit rien de sa vitesse ni de la fiabilité de ses appels d'outils. Que faites-vous avant de vous engager ?

Étape 4 sur 4 : Ce que vous savez faire maintenant

Ce que vous savez faire maintenant

  • Séparer les limites strictes qui écartent un modèle des qualités que l'on pèse.
  • Calculer un prix par tâche et par mois à partir des tokens, des tours et des prix catalogue.
  • Classer une présélection selon ce qui compte pour un agent, et dire ce à quoi le choix renonce.
  • Nommer ce que la page d'un modèle ne peut pas vous dire, et le tester dans votre propre évaluation.