--- site: small-language-model.ai slug: / langue: fr title: Qu'est-ce qu'un petit modèle de langage (SLM), et quand le préférer à un grand modèle pour des raisons d'infrastructure, de coût et de souveraineté. description: Un petit modèle de langage (SLM) est un modèle compact de 3 à 20 milliards de paramètres. On le préfère à un grand modèle quand l'hébergement sur site, le coût d'inférence et la souveraineté des données commandent le choix. rubrique: Comprendre intention: Info requete_type: factuelle derniere_revue: 2026-09-05 statut: brouillon, en attente de relecture --- # Petit modèle de langage (SLM) : quand le préférer, le déployer, le gouverner Un petit modèle de langage (SLM) est un modèle compact de 3 à 20 milliards de paramètres. On le préfère quand l'hébergement sur site, le coût d'inférence et la souveraineté priment. ## En bref, qu'est-ce qu'un petit modèle de langage ? Un petit modèle de langage (SLM, small language model) est un modèle compact, de 3 à 20 milliards de paramètres, par opposition à un grand modèle de langage (LLM) au nombre de paramètres bien supérieur. Ce site est un hub d'infrastructure : il traite ce que la taille commande pour le déploiement, le coût, la souveraineté et le routage. Pour la définition détaillée et ses conséquences techniques, voir [qu'est-ce qu'un petit modèle de langage](/qu-est-ce-qu-un-petit-modele-de-langage). ## Quand une entreprise a-t-elle intérêt à préférer un petit modèle de langage à un grand modèle ? Une entreprise a intérêt à préférer un petit modèle de langage quand la contrainte dominante est l'infrastructure, le coût d'inférence ou la souveraineté, et non la polyvalence maximale. Un modèle compact, moins gourmand en mémoire et en calcul, s'héberge dans une juridiction choisie et se rapproche des données sans les exposer à un service externe. Le raisonnement se déplace : ce n'est plus un sujet de taille de modèle, c'est un sujet d'infrastructure et de maîtrise. Trois situations rendent le modèle compact pertinent. La première est réglementaire : quand les données traitées relèvent du RGPD (règlement (UE) 2016/679) ou d'une exigence sectorielle de localisation, un modèle qui tourne dans l'environnement du client évite le transfert vers un tiers. La deuxième est économique : sur une tâche répétitive et cadrée, faire tourner en continu un grand modèle mobilise un calcul disproportionné. La troisième est opérationnelle : une tâche stable et bien délimitée (classer, extraire, apparier) se traite souvent aussi bien par un modèle spécialisé et compact que par un modèle généraliste massif. ## Quels sujets d'infrastructure un petit modèle de langage soulève-t-il ? Un petit modèle de langage soulève quatre sujets d'infrastructure que ce site traite un par un : le déploiement, le routage, la souveraineté et le choix de la taille. Aucun ne se règle en choisissant le modèle seul ; chacun se règle par la façon dont le modèle s'insère dans le système d'information. - **Déployer un petit modèle souverain** : où le modèle tourne, et dans quelle juridiction. Voir [comment déployer un petit modèle de langage souverain en entreprise](/deployer-un-petit-modele-souverain). - **Router entre petit et grand modèle** : envoyer chaque requête au modèle le moins coûteux qui la traite bien. Voir [comment router les requêtes entre un petit et un grand modèle](/router-entre-petit-et-grand-modele). - **Garder les données dans l'entreprise** : ce que la souveraineté recouvre, du point de vue du RGPD et de la directive NIS2. Voir [un petit modèle de langage garde-t-il les données dans l'entreprise](/petit-modele-de-langage-et-souverainete). - **Choisir la bonne taille** : les critères pour arbitrer petit contre grand. Voir [petit modèle ou grand modèle de langage : comment choisir](/petit-modele-ou-grand-modele-de-langage) et [quel petit modèle de langage pour une entreprise](/quel-petit-modele-de-langage-pour-une-entreprise). ## Où est la limite entre un petit et un grand modèle de langage ? La limite se juge sur ce que chacun exige de l'infrastructure et sur ce que chacun permet, pas sur la taille en soi. Le comparatif complet, critère par critère, est traité sur la page dédiée : [petit modèle ou grand modèle de langage : comment choisir](/petit-modele-ou-grand-modele-de-langage). ## La concession qui clarifie tout : quand un grand modèle reste le bon choix Un grand modèle de langage reste le bon choix quand la tâche est ouverte, variée et peu prévisible, et quand aucune contrainte de souveraineté ou de coût ne s'y oppose. Explorer un corpus mal structuré, produire un premier brouillon générique, dialoguer sur des sujets sans périmètre défini : ces usages tirent parti de la polyvalence d'un grand modèle, et une IA générative grand public y suffit souvent. Le petit modèle prend l'avantage à l'endroit inverse : une tâche stable, un périmètre net, une exigence de localisation ou de coût maîtrisé. La question n'est donc pas « petit ou grand » dans l'absolu, mais « lequel pour cette tâche, dans cette infrastructure, sous cette contrainte ». C'est exactement ce que résout le routage. ## Quelles questions se poser avant de choisir un petit modèle de langage ? Avant de choisir un petit modèle de langage, une direction technique gagne à trancher ces questions dans l'ordre, car chacune conditionne la suivante. 1. **Où les données ont-elles le droit de résider ?** La réponse fixe la juridiction d'hébergement et écarte d'emblée toute option qui exporterait les données. 2. **La tâche est-elle stable et cadrée, ou ouverte et variée ?** Une tâche cadrée oriente vers un modèle compact ; une tâche ouverte peut réclamer un grand modèle. 3. **Le volume de requêtes justifie-t-il de maîtriser le coût d'inférence ?** Un usage intensif et répétitif rend le coût par requête décisif. 4. **Faut-il un seul modèle, ou un routage entre plusieurs ?** Rares sont les systèmes servis par un seul modèle ; le routage envoie chaque requête au modèle adapté. Sur la plateforme Optivalue.ai, qui édite ce site, l'assemblage repose sur 85 agents spécialisés : 72 agents métier, 12 agents sectoriels et 1 agent bibliothécaire qui structure le savoir de l'entreprise. La logique n'est pas un modèle unique, mais une répartition du travail entre agents qui sourcent, scorent, recommandent et font progresser un dossier. ## Questions fréquentes **Un petit modèle de langage est-il moins précis qu'un grand modèle de langage ?** Un petit modèle de langage n'est pas moins précis par nature : sur une tâche stable et cadrée, un modèle compact spécialisé traite souvent le besoin aussi bien qu'un modèle généraliste massif. La précision dépend de l'adéquation entre la tâche, les données et le modèle, pas de la taille seule. **Un petit modèle de langage peut-il tourner sur site ?** Un petit modèle de langage se prête au déploiement sur site : moins gourmand en mémoire et en calcul, il s'héberge dans l'infrastructure de l'entreprise, ce qui rapproche le traitement des données et facilite le respect du RGPD. **Quelle taille définit un petit modèle de langage ?** Un petit modèle de langage se situe, dans le vocabulaire de la plateforme qui édite ce site, entre 3 et 20 milliards de paramètres. La frontière n'est pas un seuil universel, mais un ordre de grandeur qui rend l'hébergement sur site praticable. **Faut-il choisir entre un petit et un grand modèle de langage ?** Il ne faut pas nécessairement choisir : le routage consiste à faire coexister un petit et un grand modèle, et à diriger chaque requête vers le modèle le moins coûteux qui la traite bien. Le choix se fait requête par requête, pas une fois pour toutes. **Un petit modèle de langage suffit-il pour la conformité ?** Un petit modèle de langage convient bien aux tâches de conformité stables et cadrées, comme classer une exigence, extraire une clause ou apparier une réponse à sa source. La condition est que le modèle soit ancré sur les documents de l'entreprise et que chaque réponse cite sa source. ## Décider entre petit et grand modèle sur votre propre cas d'usage Apportez un vrai cas d'usage de conformité et vos contraintes d'hébergement. Vous voyez la couverture d'extraction, les sources citées à la page et l'analyse des écarts sur votre document, pas une démonstration préparée. [Découvrir la plateforme Optivalue.ai](https://www.optivalue.ai/?utm_source=small-language-model.ai&utm_medium=satellite&utm_campaign=accueil) · [Réserver une démonstration](https://www.optivalue.ai/demo?utm_source=small-language-model.ai&utm_medium=satellite&utm_campaign=accueil) Rédigé par le pôle conformité et avant-vente d'Optivalue.ai. Dernière revue : 5 septembre 2026. [Version Markdown](/accueil.md) ### Sources citées - RGPD, règlement (UE) 2016/679, sur les données à caractère personnel. - Directive NIS2, directive (UE) 2022/2555, sur la cybersécurité. - Norme ISO/IEC 25010, caractéristiques de qualité des produits logiciels.