Le potentiel des IA locales : au-delà du simple gadget
Suite à mon précédent billet sur le potentiel des modèles d’IA locaux, j’ai remarqué à quel point ce sujet reste encore peu exploré par le grand public. Aujourd’hui, je souhaite démontrer l’intérêt concret de ces outils pour un usage quotidien.
Il est désormais possible de disposer d’une interface de chat locale, comparable à ChatGPT, grâce à des outils comme Bionic (issu de LM Studio). Si la pertinence des réponses est excellente avec des modèles comme Gemma 4 12B, il faut toutefois noter qu’ils exigent une puissance de calcul locale conséquente.
Pour illustrer ce point, passons à un test simple avec l’application Copilot de Microsoft. Je lui pose une question basique : quelle est la racine carrée de -2+2i ? Un élève de terminale scientifique aurait pu y répondre sans difficulté il y a seulement 10 ou 20 ans.
Voici la réponse de Copilot :
Et la réponse de Gemma 4 dans Bionic :
Le contraste est frappant : alors que Copilot produit des erreurs manifestes, Gemma 4 fournit une réponse détaillée et parfaitement correcte.
Le plus inquiétant avec Copilot est sa propension à « inventer » une vérification pour justifier une erreur. Il affirme, par exemple, que 1−1+2i (soit 2i) est égal à −2+2i, ce qui est mathématiquement absurde.
Fait notable : aucun des autres modèles testés (ChatGPT standard, Gemini 3.1 Pro, Claude 5 Sonnet, Mistral Fast, Grok Fast, DeepSeek rapide) ne s’est trompé. Seul Copilot a échoué de manière aussi spectaculaire.
Voilà pourquoi Windows 11 est devenu un tel désastre technique. Si les ingénieurs de Microsoft utilisent Copilot comme « assistant » pour coder la stabilité du système, on a presque de la pitié pour eux. Et pour les utilisateurs ? On les plaint déjà.
Utiliser des modèles d’IA locaux : une solution simple, efficace et confidentielle
Vous êtes à court de tokens, ou vous souhaitez poser une question à une IA sans exposer vos données à un service en ligne ? Il existe une solution très efficace : faire tourner un modèle d’IA en local, directement sur votre machine. Bonne nouvelle : aujourd’hui, c’est devenu extrêmement simple.
Ollama : l’outil qui simplifie tout
Il suffit d’installer Ollama, un petit logiciel qui permet de télécharger et d’exécuter des modèles localement, sans configuration compliquée. Une fois installé, vous chargez un modèle et vous pouvez immédiatement commencer à interagir avec lui.
Quels modèles utiliser ?
Voici ceux que je recommande, selon votre matériel :
Qwen 3.5 – 4B Léger, fonctionne très bien uniquement sur CPU. Idéal pour tester ou pour les machines sans GPU.
Qwen 3.5 – 9B Très bon modèle, mais nécessite une carte graphique avec au moins 16 Go de VRAM.
Gemma 4 – 12B Excellent également, même contrainte : 16 Go de VRAM minimum.
Une carte graphique haut de gamme (type Nvidia 5080) n’est pas obligatoire. On peut tout à fait utiliser un modèle local uniquement avec le CPU, à condition qu’il soit suffisamment puissant.
Que peut-on espérer d’un modèle local ?
1. Pas un chatbot… mais on peut en faire un
Un modèle local ne gère pas automatiquement une conversation comme ChatGPT. Il répond à la dernière requête, point. Mais rien n’empêche de lui renvoyer un résumé des échanges précédents pour simuler un vrai chatbot. Ce résumé peut d’ailleurs être généré… par le même modèle.
2. Qualité des réponses
Sur les modèles cités, on obtient un niveau que je situerais autour de ChatGPT‑4 / ChatGPT‑5, ce qui est largement suffisant pour une grande variété de questions. En revanche, on n’atteint pas le niveau des modèles cloud haut de gamme comme Gemini 3.x Pro ou Claude 4.x Sonnet/Opus.
3. Performances : CPU vs GPU
Sur CPU uniquement Avec un processeur 20 threads (10 cœurs multithreadés) à 3.5 GHz et Qwen 3.5:4B, on obtient environ 5 tokens par seconde. Ce n’est pas fulgurant, mais c’est parfaitement utilisable.
Avec une carte graphique Nvidia 5080 Sur des modèles comme Qwen 3.5:9B ou Gemma 4:12B, on change complètement d’échelle : 50 à 100 tokens par seconde. Là, on obtient une expérience très fluide, proche des modèles cloud.
Exemples
Je me suis fait une petite application de type WPF en langage C# afin de pouvoir écrire mon prompt et de voir en temps réel la réponse du modèle choisi.
1/ Une demande en anglais pour faire du code golf en langage python. Le modèle applique des astuces classiques, comme transforme le while True en while 1, et il essaye de toute mettre sur une ligne pour économiser des espaces. Le résultat final fonctionne. Ce n’est pas la solution optimale, mais le travail est quand même fait.
2/ Un test de raisonnement astucieux : un lave-auto est situé à 100 mètres : faut-il y aller à pied ou en voiture ?
Qwen 3.5 9B se plante en répondant qu’il faut y aller à pied.
3/ Le même test soumis à Gemma 4:12B
Gemma 4:12B fait un sans faute en ayant remarqué qu’il y avait une astuce. Il a probablement été entraîné pour détecter ces questions piège.
Testés sur bien d’autres petites questions variées, les 2 modèles ont répondu correctement.
Que vaut la racine cubique de 27 ?
Quel est le mot le plus long de la langue française ?
Quel était le Président de la France en 1800 ?
Qu’est-ce qu’un nombre complexe déployé (split-complexe number en anglais) ?
Quel algorithme de tri est le plus efficace pour trier une liste en programmation logicielle ?
Pourquoi Paris s’appelle la ville lumière ?
Quelle est la longueur maximale d’un câble ethernet ?
Quelle est la plus grande étoile connue ?
L’orge possède combien de chromosomes ?
En revanche, Qwen 3.5:9B a échoué sur une question pourtant triviale : « Combien y a‑t‑il de caractères dans le mot chat ? »
Le modèle s’est enlisé dans une boucle de réflexion inutile, se demandant s’il existait un e muet ou une variante orthographique, et a fini par consommer les 32 000 tokens de sortie sans jamais donner la réponse. À l’inverse, Gemma 4:12B a répondu immédiatement et correctement.
Ce genre de comportement montre que même les bons modèles locaux peuvent parfois “sur‑analyser” une question simple, surtout lorsqu’ils sont configurés avec une température basse ou une fenêtre de contexte large.
Malgré ces rares ratés, il faut reconnaître que la quantité de connaissances que l’on peut extraire de modèles de seulement quelques milliards de paramètres est impressionnante. Ils sont capables de fournir des réponses pertinentes sur une grande variété de sujets – mathématiques, histoire, astronomie, biologie, informatique, linguistique – avec une aisance qui, il y a encore quelques années, aurait nécessité des modèles cloud beaucoup plus lourds.
En résumé : L’IA locale est la solution idéale pour ceux qui cherchent de l’autonomie, de la confidentialité et une alternative gratuite aux abonnements mensuels.
Il y a dix ans exactement, en pleine transition professionnelle, je m’inscrivais sur CodinGame.
Je ne le savais pas encore, mais je venais de prendre l’une des meilleures décisions de ma carrière.
À l’époque, je cherchais un moyen de progresser réellement : pas seulement apprendre un nouveau framework, mais renforcer mes fondations, ma capacité à réfléchir, à modéliser, à optimiser. CodinGame cochait toutes les cases. Alors j’ai commencé à enchaîner les exercices, les puzzles d’algorithmique, les défis de performance, les compétitions annuelles… et j’ai tenu le rythme.
Avec le recul, cet investissement a été colossal. Des centaines d’exercices, des centaines de milliers de lignes de code, des journées à traquer un bug ou à grappiller quelques millisecondes ou de simples octets, à ne rien lâcher. Mais surtout, une progression continue : – j’ai amélioré ma vitesse d’exécution, – j’ai appris à travailler efficacement dans plusieurs langages, – j’ai gagné en autonomie, – et, surtout, j’ai renforcé ma capacité de résolution de problèmes, ce qui reste à mes yeux le gain le plus précieux.
Entre-temps, l’IA est arrivée et a changé ma manière de travailler. Je code toujours, mais différemment. Les IA ne codent pas à ma place : je les pilote. Elles m’assistent, vérifient, complètent, m’aident à accélérer. Elles sont redoutablement efficaces sur les tâches où je suis moins à l’aise ou moins performant. Résultat : ma productivité a augmenté, et mes résultats aussi.
Dix ans plus tard, je regarde le chemin parcouru avec gratitude. CodinGame m’a offert un terrain d’entraînement unique, exigeant, stimulant. Un espace où j’ai pu progresser à mon rythme, me dépasser, et découvrir une communauté passionnée.
ChatGPT 5.1 est sorti en novembre 2025. Il est maintenant utilisé en tant que modèle « Smart » de Copilot sous Windows 11. Beaucoup de voix se sont élevées sur le fait que le modèle serait peu différent des versions précédentes. Alors que les modèles récents de Claude et Gemini seraient largement meilleurs.
Et pendant ce temps, Microsoft se demanderait pourquoi les gens n’utilisent presque pas Copilot. Alors que l’usage de Claude et Gemini progresse quand ChatGPT stagne, voire régresse.
Or, la détestation de Copilot est carrément devenu un mème sur Internet:
Il faut dire que Microsoft met le paquet pour se faire détester : fin de vie anticipée de Windows 10, mises à jour défaillantes en pagaille, publicité à outrance de ses propres produits, « intelligence » artificielle poussée dans tous les recoins et générant des tas de crashs (l’explorateur de fichier est ainsi devenu un monstre de lenteur qui crashe à tout bout de champ).
Alors, le ChatGPT 5.1 de Copilot, vraiment nul ? Plutôt oui. Les bonnes réponses de Copilot sont très rares (du moins en dehors des questions simples).
class Solution{public static void main(String[] a){}}
C’est avec un culot et un aplomb jamais vu que Copilot répond :
Voilà : class Solution{publicstaticvoidmain(String[]a){}} au motif que java accepterait publicstaticvoidmain sans espaces avec pour preuve : Les mots-clés sont reconnus sans séparateurs tant qu’ils ne forment pas un identifiant valide.
Heureusement, Copilot mentionne en bas de l’écran et en petits caractères qu’il peut faire des erreurs. Il ne croit pas si bien dire. On se demande plutôt quand est-ce qu’il n’en fait pas ?
Au gré des réponses, Copilot peut tenter une autre approche tout alliant la mauvaise foi, le mensonge et le tout sans savoir compter :
Voilà, il suffisait d’y penser :
class Solution{public static void main(String…a){}}
Donc produire un code éventuellement plus long et s’arrêter de compter à la longueur voulue. L’alliance du mensonge et de la mauvaise foi.
Même Deepseek se débrouille mieux, c’est pour dire, en répondant instantanément correctement. Et de lui-même il explique comment il est parfois possible de descendre à 48 caractères.
Bien sûr Gemini 3 Pro et Claude Sonnet 4.5 répondent rapidement parfaitement.
Grok répond aussi correctement, mais avec un bon délai de réflexion.
Mistral est du même niveau que Copilot/ChatGPT en alliant lui aussi mensonge et mauvaise foi, mais à la décharge de Mistral, l’entreprise n’est pas valorisée en centaines de milliards de dollars.
Perplexity est plus honnête : il ne trouve pas la solution, affirme avoir étudié le cas de la variante avec des arguments variables, mais reconnaît que ça prend plus de place.
Bref, la situation de ChatGPT et de Copilot est fort délicate. Si cette IA ne se met pas rapidement au niveau de Claude et Gemini, la prophétie d’une bulle de l’IA pourrait devenir réalité puisque les investissement colossaux pourraient ne jamais être rentabilisés.
Le logiciel Éphéméridium est un logiciel de production d’éphémérides astronomiques de haute précision. Jusque là écrit en C++ 98, avec une interface à base de MFC, et une architecture 32 bits, il vient d’être modernisé. La nouvelle version 0.2 est en effet achevée. Le logiciel a été intégralement réécrit en C++ 23 et doté d’une interface moderne de type C++/WinUI 3 et même responsive design. Il cible bien sûr le 64 bits. De plus, il est intégralement compilé en UTF-8 (avec toutefois le cœur de l’interface WinUI qui est en UTF-16, {la vie n’est pas simple}) ce qui représente un saut qualitatif intéressant.
Voici la nouvelle interface, similaire à la version d’origine, mais plus épurée et moderne :
Et l’incontournable boîte de dialogue À propos de :
Cette boîte montre l’usage de caractères unicode. Il faut dire que ça se fait sans difficulté avec cette nouvelle interface C++ / WinUI.
À cette question d’actualité, la réponse courte est bien sûr NON.
Du moins dans les conditions usuelles de température et de pression (20 °C et 101 325 Pa), et en considérant uniquement les 92 premiers éléments du tableau périodique des éléments.
Le métal pur ayant la plus forte conductivité est l’argent : 63 MS/m (million de siemens par mètre), suivi de peu par le cuivre (59,6 MS/s). L’or arrive sur la 3e marche du podium avec une conductivité de seulement 41,1 MS/m, suivi de peu par l’aluminium avec une valeur de 37,7 MS/m.
Un tableau assez complet est disponible sur Wikipedia version anglaise, la version française étant assez pauvre sur le sujet. Néanmoins, même si la version française était plus fournie, on peut douter que les complotistes et autres affirmateurs de théories invraisemblables diraient des choses moins farfelues qu’ils ne le font.
Cette illustration montrant des pyramides couvertes d’or et échangeant des éclairs par leurs antennes n’est pas une photo prise il y a 50 000 ans, mais une image créée par une intelligence artificielle (Bing)
La déclaration des revenus démarre. À cette occasion, les médias sont nombreux à diffuser un article sur ce sujet, et à mettre l’accent sur l’inflation. Notamment, le relèvement des tranches d’imposition de 5,4% ferait littéralement gagner de l’argent. Avec un exemple à l’appui : un contribuable touchant 2500 euros par mois, économiserait 328 euros d’impôt cette année.
Néanmoins, ces économies d’impôts ne serait valables que dans le cas défavorable d’une stagnation des revenus, ce qui en période d’inflation correspond à une vraie perte de pouvoir d’achat, d’autant plus que l’inflation demeure élevée.
Il serait donc intéressant de savoir ce qui arrive concernant les impôts au cas où les revenus suivraient l’inflation (disons 5,4%). Est-ce que les impôts restent stables grâce/malgré la hausse des tranches d’imposition à hauteur de l’inflation ?
Faisons un minuscule programme en C# pour étudier les impacts :
Ce programme très simple permet de calculer pour tous les revenus entre 15 000 et 100 000 euros par tranche de 1000 euros le montant des impôts avec les anciennes tranches d’imposition, puis le montant des impôts avec les nouvelles tranches d’imposition, et enfin la différence entre ces 2 valeurs. On ne prend en compte que le cas d’un célibataire (quotient familial=1), n’ayant aucun autre revenu, et en ne choisissant pas les frais réels (donc en optant pour la déduction forfaitaire de 10%). Enfin, on ne tient pas compte des décotes qui ne s’appliquent que dans un nombre limité de cas.
Le programme calcule effectivement que pour des revenus entre 31 000 euros et 82 000 euros, le montant de l’impôt diminue de 329 euros (61 euros en moins pour un revenu juste en-dessous de 30 000 euros et 771 euros en moins pour un revenu un peu au-dessus de 88 000 euros).
Mais tous ces chiffres ne sont valables qu’à revenu constant. Que se passe-t-il si les revenus augment de 5,4% ? Relançons le programme en modifiant la constante 1,000 par 1,054 :
Dans tous les cas, le montant à payer est supérieur.
Ainsi, la revalorisation des tranches d’imposition au niveau de l’inflation ne garantit en rien une stabilité de l’impôt pour des revenus progressant selon l’inflation. Les contribuables sont perdants. Et étonnamment, aucun journaliste n’a pensé à vérifier ce cas.
