Choisir son IA en 2025 : Guide pratique face à l’avalanche des LLMs

Les LLMs se multiplient, mais comment savoir lequel est fait pour toi ? Explore nos astuces pour éviter les faux-pas !

Salut toi 🤗, partant·e pour démystifier le bal des modèles d’IA ?

On est d'accord, choisir un LLM en 2025, c'est comme parcourir un catalogue de profils bien trop ambitieux, non ? Entre les nouveaux modèles qui poussent comme des fleurs au printemps et les options qui se multiplient plus vite que les théories du complot sur Reddit difficile de savoir où donner de la tête. Et si je te disais que plus gros n'est pas toujours mieux ? 😏 Swipe vers le bas et voyons comment naviguer dans ce labyrinthe de modèles.👇

Un tri sélectif dans le bal des IA en 12 minutes 🕺💃

Choisir son IA en 2025 : Guide pratique face à l’avalanche des LLMs

𝐒𝐨𝐦𝐦𝐚𝐢𝐫𝐞

1️⃣ L'évolution des LLMs : Entre segmentations et raisonnement sous stéroïdes

2️⃣ Mais alors comment choisir et associer le bon modèle au bon usage ?

3️⃣ Compar:IA, l’outil qui lève le voile sur les performances des IA
- Un fonctionnement en quatre étapes
- Ce qui fait de Compar:IA l’allié parfait

4️⃣ Spaces : De l’IA multifonctionnelle à monofonctionnelle
- Quand chaque modèle a sa spécialité
- Mais comment ça marche ?
- Combien ça coûte ?

5️⃣ Vers des modèles hybrides
- Flash News : Sortie de Claude 3.7 Sonnet
- Le virage vers l'hybride
- Bonus : Perspectives sur le modèle GPT-5

L'évolution des LLMs : Entre segmentations et raisonnement sous stéroïdes

2025 est une année charnière : Les grands acteurs de l’IA accélèrent la cadence avec des modèles toujours plus puissants. La nouvelle tendance ? Les capacités de raisonnement IA dont le but est de simuler un chemin de pensée pour augmenter la qualité des sorties. Parmi les dernières sorties en date on trouve :

• OpenAI : o1 (début décembre 2024) et o3 (fin janvier 2025)

• DeepSeek : R1 (fin janvier 2025)

• xAI : Grok 3 Think (mi-février 2025)

• Google : Gemini 2.0 Flash Thinking (début février 2025)

• Alibaba : QwQ de la série Qwen (novembre 2024)

• Anthropic : Claude 3.7 Sonnet Extended (fin février 2025)

• Microsoft : Copilot ThinkDeeper (fin février 2025)

L’effet domino ? À ces nouveaux venus s’ajoute, la tendance déjà marquée de la segmentation des modèles en plusieurs versions (ou modes), visant à ajuster le compromis entre puissance, coût et vitesse. En gros, plutôt que de proposer un seul modèle monolithique, les fournisseurs déclinent leurs IA en variantes pour mieux s’adapter aux cas d’usage. Aujourd’hui, il est courant de voir des modèles dans des versions -mini, -pro, -high, -extended et autre dénominatifs selon les chapelles.

❝ 𝐏𝐬𝐬𝐬𝐭 : Médaille à OpenAi pour son oxymore avec “o3-mini-high” 🤯

Et ça, c’est sans parler des fonctionnalités additionnelles ! Il suffit d’ajouter à tout ça, les deux modes de recherche en ligne pour se sentir perdu dans ce charabia tech 😵 :

• Mode avancé : “Deep Search” ou “Deep Research”

• Mode classique : “Search GPT”, “Web Search”, “Search”

Certes, cette segmentation facilite une mise à disposition plus massive de ces capacités de pointe — à titre d’exemple, o3-mini a été rendu disponible dès janvier 2025 aux utilisateurs gratuits — mais l’effet notable reste tout de même la complexification en terme :

• d’infrastructure : Les fournisseurs eux-mêmes doivent héberger et maintenir plusieurs variantes en parallèle, avec leurs spécificités de sécurité, de mise à jour, etc.

• d’usages : Pour l’utilisateur final, trop d’options sur une interface a tendance à nuire à l’expérience. Et c’est surtout un terrain fertile pour…

Le piège du “dernier modèle = meilleur choix”

Qui n’a jamais cédé à la tentation du modèle le plus puissant, juste parce qu’il était “le dernier” ? Sache que les experts s’accordent pour mettre en garde contre une utilisation “par défaut” du modèle le plus puissant pour deux raisons majeures :

• Surcoût et inefficacité : De manière logique et opérationnelle, les modèles les plus avancés consomment beaucoup plus de ressources CPU/GPU par requête. En les utilisant pour des tâches simples, on gaspille du temps (celui du raisonnement) et de l’énergie (empreinte carbone liées aux calculs rendus superflus).

• Hallucinations et réponses inappropriées : Fait contre-intuitif, certes, mais un modèle plus complexe n’est pas toujours plus pragmatique. Les grands modèles tendent à être plus “créatifs” du fait de leur autonomie de raisonnement et peuvent sur-interpréter des requêtes simples. Qui ne s’est jamais retrouvé dans une conversation tunnel, face à un monologue infini après avoir lancé un simple “ça va ?” Ici, c’est un peu pareil : en résulte une réponse beaucoup trop argumentée et comportant potentiellement plus d’hallucinations.

Mais alors comment choisir et associer le bon modèle au bon usage ?

Une distinction existe déjà côté dev’ avec les appels API car le prix d'une demande de tel ou tel modèle n’est pas le même : Plus c'est puissant, plus c'est cher. Si un développeur insiste pour interroger o1 là où GPT-4o suffirait, il paiera ~x fois plus cher par token sans gain notable. On y pense à deux fois avant de demander à o1 de corriger les fautes d’orthographe d'un mail de 10 lignes.

Mais qu'en est-il des utilisations côté client avec un abonnement type GPT Plus, Claude Pro etc. ? Alors oui, l’utilisation de certains modèles est restreinte sur les plateformes. Exemple, un abonné à ChatGPT Plus est actuellement limité à 50 messages par semaine avec le modèle o1.

Mais au-delà de ça, comment faire ? Le mieux serait de tester par soi-même et d’expérimenter des requêtes avec des modèles plus anciens afin de voir si sur une tâche donnée, ils suffisent globalement à obtenir une réponse efficiente.

☻ 𝐀𝐬𝐭𝐮𝐜𝐞 : Afin de ne pas biaiser l’expérience, il est évidemment recommandé d’utiliser des prompt travaillés et structurés de manière claire et efficace.

Mais encore ? Voyons ensemble plusieurs pistes pour t’aider à aiguiller tes choix d'IA et de LLMs de manière plus responsable et consciente.

1️⃣ Compar:IA, l’outil qui lève le voile sur les performances des IA

Lancé officiellement en février 2025, après une phase bêta lors du Sommet de la Francophonie en octobre 2024, Compar:IA est un outil développé par la Direction interministérielle du Numérique (DINUM) et le Ministère de la Culture. Fruit de 9 mois de développement, l’outil a pour ambition de permettre aux utilisateurs francophones de tester, comparer et évaluer les performances des IA sans biais (notamment de notoriété).

Un fonctionnement en quatre étapes

1. Tu poses une question

2. Tu reçois deux réponses générées par deux modèles d'IA différents

3. L’heure du duel à l’aveugle : tu votes pour ta réponse préférée ou celle qui te semble la plus pertinente. Cette mécanique s’inspire directement des “chatbot arenas” utilisées par les chercheurs, notamment de la plateforme de comparaison d’Hugging Face qui organise des duels de performances similaires pour établir un classement Elo des LLMs.

4. Après le vote, tu découvres l'identité des modèles et surtout des informations supplémentaires sur leurs caractéristiques techniques

5. Ton vote permet d’alimenter un jeu de donnée mis à disposition librement ayant pour objectif d’affiner les prochains modèles sur le français.

Ce qui fait de Compar:IA l’allié parfait

• 🎛️ Des modes de comparaison personnalisés : Tu peux choisir plusieurs mode de comparaison selon ton objectif:

  • Sélection de deux modèles : manuellement ou de manière aléatoire.

  • Mode éco : utilisation uniquement de modèles économes en énergie.

  • Duel asymétrique : création d’un face-à-face volontairement déséquilibré entre un petit et un grand LLM pour évaluer si le déséquilibre se perçoit aussi dans les résultats.

• 🌍 Diversité des modèles : Compar:IA ne se limite pas aux géants du secteur (OpenAI, Anthropic…). Il inclut aussi des IA françaises et internationales, histoire de leur laisser une chance face aux mastodontes.

• 🧠 Développement de l’esprit critique : En comparant plusieurs IA, l’utilisateur est capable d’identifier les forces et faiblesses des modèles, et de prendre du recul sur leurs réponses. En cela, l’outil milite pour un pluralisme des IA génératives.

• ♻️ Une démarche écoresponsable : In fine, chaque test affiche son coût énergétique, histoire de sensibiliser aux enjeux environnementaux liés à l’utilisation massive des IA.

Et c’est ce dernier point qui rend l’outil intéressant dans notre cas. Démocratiser et renseigner sur les impacts, te permet de comprendre comment placer tes propres “curseurs” de puissance. Avec ces connaissances, on finit par éviter consciemment de prendre un marteau-pilon pour écraser une mouche.

Face aux grands modèles multifonctions qui cherchent à tout faire, la tentation est grande de se laisser séduire par leur polyvalence. Mais cette quête d'universalité complexifie non seulement l'expérience utilisateur, mais rend aussi l'impact énergétique bien plus opaque. Et si la solution résidait dans une approche plus ciblée : des IA dédiées, conçues pour répondre spécifiquement à des besoins précis, tout en offrant plus de transparence sur leur empreinte énergétique ? Explorons ensemble cette nouvelle voie.

2️⃣ Spaces : De l’IA multifonctionnelle à monofonctionnelle

Hugging Face 🤗 est une boîte franco-américaine fondée en 2016 par Clément Delangue, Julien Chaumond et Thomas Wolf. Progressivement, Hugging Face est devenu un acteur incontournable dans le panorama de l’IA notamment dans l’open source. Début février 2025, l’entreprise lance Spaces une sorte d’app store qui facilite la recherche dans son répertoire de modèles IA.

Quand chaque modèle a sa spécialité

Spaces regroupe aujourd’hui +400 000 modèles open source uploadés par des dev’ indépendants. Dans la plupart des cas, chacun spécialisé dans l’exécution d’une tâche précise. Pour naviguer dans ce Model Hub, Spaces se dote d’un moteur de recherche et d’une classification en catégories.

À partir de là, tu souhaites :

• Modifier l’expression du visage d’un sujet sur une photo ?
  → Expression Editor

• Générer un modèle 3D à partir d’une image ?
  → TRELLIS

• Faire porter un vêtement précis à un sujet sur une photo ?
  → Kolors Virtual Try

Il y a fort à parier que tu puisses trouver le modèle qu’il te faut pour exécuter n’importe quelle tâche. Sache que tu peux aussi te fier aux likes des utilisateurs pour avoir un avant-goût de l’efficacité d’un modèle ou de ceux qui ont le plus de succès actuellement.

Mais comment ça marche ?

Lorsqu’un développeur a travaillé un modèle, s’il le souhaite, il peut le mettre à disposition sur Spaces pour le partager avec la communauté. À partir de là, n’importe qui peut télécharger/cloner les modèles mis en ligne. Le hic, c’est qu’après, pour faire tourner un modèle sur son ordinateur personnel il faut un paquet de puissance graphique, les fameux “GPU” (vraiment beaucoup parfois). Face à cette situation, Hugging Face propose aux utilisateurs de mettre à disposition leur propre infrastructure et d’utiliser à distance leur GPU/puissance de calcul pour faire tourner une IA.

Combien ça coûte ?

Un utilisateur en mode gratuit peut “louer” jusqu’à 5 minutes par jour la puissance de l’infrastructure d’Hugging Face. Dans beaucoup de cas, cela suffit, mais sinon, la plateforme propose un compte Pro à 9$/mois pour une utilisation moins restrictive.

ⓘ Voir les détails du pricing sur Hugging Face

Spaces offre une autre manière de penser l’utilisation de l’IA, dans un rapport qui se voudrait plus frugale de par son fonctionnement. En effet, c’est moins récréatif mais l’idée est d’aller droit au but : Tu sais exactement ce que vise, tu utilises la puissance nécessaire pour cela, pas plus, pas moins.

Vers des modèles hybrides : le futur point 3️⃣

Flash News : Sortie de Claude 3.7 Sonnet

Le 24 février, Anthropic a dévoilé son nouveau modèle Claude 3.7 Sonnet. Claude 3.5 Sonnet excellait déjà dans le codage informatique, comme on l’a vu ensemble dans notre article sur Bolt.new, c’était le modèle préféré de tous les développeurs. Avec 3.7 Sonnet, Anthropic enfonce le clou et semble verticaliser son cœur de cible. Eh oui, en l’absence de fonctions “de base” comme le mode vocal ou même la recherche sur le web, on pourrait dire que Claude prend un sacré retard. Mais c’est qu’en parallèle des fonctions plus orientées dev’ voient le jour comme Claude Code.

Ce nouvel outil permet d’automatiser des tâches complexes directement depuis le terminal, comme lire et modifier du code, lancer des tests, ou encore envoyer des commits sur GitHub. Tu n’y comprends rien ? Rien de grave, c’est juste le témoin que, pour la première fois, un grand LLM se spécialise dans un secteur et un métier.

ⓘ Voir la fiche complète de la sortie de Claude 3.7 Sonnet

Fun fact, pour démontrer la performance du modèle, Anthropic a lancé “Claude Plays Pokemon” un live sur Twitch où l’IA tente de jouer, sans instructions préalables, à Pokémon Rouge/Bleu (1996) — l’occasion de replonger dans ce jeu mythique pour tous les 90’s 🐣.

Le virage vers l'hybride

Au-delà de confirmer et perfectionner les capacités rédactionnelles et de codage de son prédécesseur, Claude 3.7 Sonnet représente une avancée significative car c’est le premier modèle doté de capacités de raisonnement développées par Anthropic. Pour aller plus loin, c’est surtout le premier véritable pas vers l’IA “hybride”. En gros, en activant le mode “Normal”, c’est l’IA qui choisit de manière autonome la puissance à déployer face à une requête (si un raisonnement est nécessaire ou non).

👍 Unification de l’architecture, simplification pour les utilisateurs

Fini les acrobaties entre modèles et fonctionnalités pour répondre à chaque demande (rédaction, image, réflexion, canevas, recherche avancée, etc.). Désormais, c’est le modèle lui-même qui se charge de déployer en coulisse la bonne "compétence" en fonction de ton prompt. Imagine : tu veux un résumé d’article ? L’IA sélectionne automatiquement le modèle optimal pour condenser l’info sans altérer les nuances. Besoin d’une image qui va avec ? Elle bascule d’elle-même vers un module de génération d’images. Bref, un vrai couteau suisse 2.0 permettant, par ailleurs, d’optimiser la consommation de puissance de calcul en fonction des compétences sollicitées.

👎 L’illusion du contrôle et la perte du sens critique

Mais attention, chaque rose a ses épines 🌹. Derrière cette apparence de simplicité, un risque majeur se profile : celui de faire paraître l’IA encore plus "magique" aux yeux des utilisateurs. On clique, on reçoit une réponse brillante, mais sait-on vraiment pourquoi elle a été formulée ainsi ? Non. Et c’est là tout le danger. En se reposant sur un modèle unifié qui décide de tout en interne, l’utilisateur perd le contrôle technique et, surtout, la compréhension des mécanismes à l'œuvre. Fini le choix du modèle le plus adapté à chaque tâche, et donc fini aussi la capacité à vérifier si l’outil est biaisé ou non. À force de se contenter de réponses impeccablement formulées, on pourrait risquer d’oublier de se demander comment elles sont produites et pourquoi.

La preuve par l’exemple : Quand ChatGPT s’invite dans les débats politiques

Pour illustrer cette dérive, impossible de passer à côté de la séquence de l’émission Rhinocéros revenant sur l’intervention d’une invitée sur France Info. En pleine discussion politique, cette dernière n’a pas hésité à brandir le résultat d’un prompt qu’elle aurait soumis à ChatGPT comme argument d’autorité. Problème : au-delà de la pertinence de l’argument, un détail m’a fait tiquer. Et si le prompt utilisé était lui-même biaisé ? Ou pire, il est très probable que le profil ChatGPT de l’invitée, nourri de conversations antérieures, oriente les réponses dans le sens de ses convictions ? 🤔

Dans le cas d’une super IA hybride, on pourrait se retrouver avec d’un côté, l’IA unifiée simplifiant l’accès aux compétences avancées ; de l’autre, une boîte noire où la détection des biais est encore plus complexe. Et quand on voit que des personnalités publiques commencent à citer des LLMs comme s’il s’agissait d’experts impartiaux, on se dit qu’il est grand temps d’ajouter quelques garde-fous éthiques dans cette équation 😉.

Bonus : Perspectives sur le modèle GPT-5

Tout semble indiquer que les grands modèles d'IA s'orientent vers une approche hybride comme Claude 3.7 Sonnet. ​Le 12 février, Sam Altman, PDG d'OpenAI, a partagé sur X la feuille de route de l'entreprise concernant les modèles d'IA GPT-4.5 et GPT-5. Reconnaissant la complexité croissante de la gamme de produits d'OpenAI, Altman a exprimé le désir de simplifier les offres pour revenir à une "intelligence unifiée magique" (sic). Après GPT-4.5, dévoilé le 27 février comme étant le dernier modèle n’intégrant pas la fonction “raisonnement”, l'objectif principal d'OpenAI sera d'unifier les modèles des séries o et GPT. Bien qu’aucune date de sortie n’ait été communiquée, Altman indique que GPT-5 serait disponible dans les mois suivant la sortie de GPT-4.5.