Aller au contenu principal
Audit Stratégique

Petit ou grand modèle d'IA : lequel pour votre PME ?

ChatGPT ou un modèle plus petit hébergé chez vous : comment choisir le modèle d'IA selon la tâche, la sensibilité des données, le volume et le coût d'une PME.

Quand une PME marocaine envisage d’intégrer l’IA, la discussion se réduit souvent à une question : « on utilise ChatGPT ? » C’est une bonne réponse pour beaucoup de situations, et une mauvaise pour d’autres. Entre un grand modèle accessible en ligne et un modèle plus petit qui tourne sur une infrastructure dédiée, le choix ne se fait pas au prestige.

Cet article donne les critères pour choisir, sans jargon et sans citer de marques de modèles : ce qui compte pour une PME, c’est la tâche, les données et le budget.

Pour les projets où plusieurs agents doivent travailler sur une base de connaissances commune, avec une infrastructure dédiée, la page AI Labs présente la démarche, sur devis.

Deux familles, en deux phrases

Les grands modèles (LLM) sont les modèles généralistes que tout le monde connaît à travers ChatGPT. Ils comprennent des demandes variées, rédigent, raisonnent. Vous y accédez en général chez un fournisseur, et vous payez à l’usage.

Les petits modèles (SLM) sont plus compacts. Ils font moins de choses, mais ils les font vite et à bas coût, et peuvent être installés sur une infrastructure que vous maîtrisez.

Aucun n’est meilleur dans l’absolu. Un petit modèle qui classe vos e-mails en une seconde fait mieux son travail qu’un grand modèle plus lent et plus cher. À l’inverse, pour analyser un contrat ambigu, vous voudrez la puissance du grand.

Les quatre critères de choix

1. La nature de la tâche

C’est le premier tri. Plus la tâche est répétitive et bien cadrée, plus un petit modèle suffit. Plus elle est ouverte et ambiguë, plus il faut un grand modèle.

2. La sensibilité des données

Que contiennent les documents que le modèle va lire : des listes de produits, ou des contrats, des données de santé, des informations financières ? Plus l’information est sensible, plus la question « où est-elle traitée ? » devient centrale.

Nous avons détaillé le cadre dans notre article sur les données clients et la loi 09-08, et sur l’endroit où vivent vos données.

3. Le volume

Un modèle facturé à la demande est économique à faible volume, et coûteux à très fort volume. Si vous traitez des milliers de messages par jour, le coût à l’usage d’un grand modèle peut dépasser celui d’une infrastructure dédiée.

4. La rapidité et la disponibilité

Une réponse affichée à un client sur WhatsApp doit arriver vite. Un traitement de nuit sur des centaines de documents peut prendre son temps. Le délai attendu oriente le choix.

Qui fait quoi, dans une PME

Voici une répartition typique. Elle est indicative : le bon choix se vérifie sur vos cas.

TâcheModèle plus adaptéPourquoi
Classer les demandes entrantes (urgent, devis, réclamation)PetitTâche cadrée, très répétitive
Extraire les champs d’une facture ou d’un bon de commandePetitFormat connu, volume régulier
Répondre aux questions fréquentes à partir de vos documentsPetit ou moyenLes réponses viennent de votre base, pas du modèle
Rédiger une proposition personnaliséeGrandDemande de la nuance et du style
Analyser un contrat et signaler les clauses à vérifierGrandRaisonnement sur du texte ambigu
Résumer un long échange ou un procès-verbalPetit à grand selon la longueurDépend du volume de texte

Cette répartition montre pourquoi une approche mixte est souvent la plus raisonnable : chaque tâche reçoit le modèle dont elle a besoin, ni plus ni moins.

L’approche mixte, concrètement

Dans une architecture mixte, une couche d’aiguillage reçoit chaque demande et décide quel modèle la traite.

  • les demandes simples vont vers un petit modèle, rapide et économique ;
  • les demandes complexes ou sensibles vont vers le modèle adapté, avec les règles d’accès correspondantes ;
  • tout passe par un point unique, ce qui permet de tracer ce qui est envoyé, de limiter ce qui sort de l’entreprise et de mesurer l’usage.

Ce point unique est souvent plus important que le choix du modèle lui-même : c’est lui qui vous donne le contrôle.

Les pièges à éviter

Croire que « plus gros » veut dire « meilleur ». Pour une tâche cadrée, un grand modèle est un luxe coûteux et plus lent.

Croire que « petit » veut dire « sûr ». La sécurité vient de l’endroit où le modèle tourne et de qui y accède, pas de sa taille.

Ne pas tester sur vos données. Un modèle peut impressionner en démonstration et décevoir sur vos messages réels, notamment lorsqu’ils mélangent darija, français et abréviations. Testez sur une cinquantaine de cas réels avant de décider.

Tout envoyer dans un outil grand public. Coller un contrat ou une liste de clients dans un service en ligne gratuit, c’est décider sans le savoir de ce qui sort de l’entreprise. Mieux vaut le décider explicitement.

Choisir avant de cartographier. Le modèle vient après la description de ce que vous faites. Notre article sur la cartographie d’un processus décrit la méthode.

Comment décider, en pratique

  1. Listez les tâches que vous voulez confier à l’IA, avec un exemple réel pour chacune.
  2. Classez-les par sensibilité des données et par volume.
  3. Testez chaque tâche sur une cinquantaine de cas, avec le modèle le plus simple qui peut convenir.
  4. Mesurez la qualité et le coût, puis montez en puissance seulement là où le résultat est insuffisant.

Cette démarche part du plus simple et ne monte que si nécessaire. Elle évite de payer pour de la puissance que personne n’utilise.

Pour un tour d’horizon complet du sujet, notre article sur l’intégration de l’IA dans l’entreprise, étape par étape détaille la suite.

En résumé

  • Deux familles : grands modèles généralistes et petits modèles plus rapides et moins coûteux
  • Quatre critères : nature de la tâche, sensibilité des données, volume, rapidité
  • Une approche mixte, avec un point d’aiguillage unique, est souvent la plus raisonnable
  • « Plus gros » ne veut pas dire meilleur, « plus petit » ne veut pas dire plus sûr
  • Testez sur une cinquantaine de cas réels avant de décider

Pour savoir quel modèle convient à vos tâches, le diagnostic part de votre manière de travailler, et l’offre Clarity commence par un audit avant toute construction.

Questions fréquentes

Quelle différence entre un petit et un grand modèle d'IA ?

Un grand modèle, du type de ceux qui font tourner ChatGPT, sait faire beaucoup de choses et raisonne sur des demandes complexes. Un petit modèle est plus limité, mais plus rapide, moins coûteux à l'usage et pouvant tourner sur une infrastructure que vous maîtrisez. Le bon choix dépend de la tâche, pas d'une hiérarchie.

Un petit modèle est-il plus sûr pour mes données ?

Il peut l'être, à condition d'être hébergé sur une infrastructure que vous contrôlez. Le fait qu'il soit petit ne protège rien en soi : ce qui compte, c'est où il tourne, qui y accède et ce qui est enregistré. Demandez ces trois réponses à votre prestataire.

Faut-il choisir un seul modèle pour toute l'entreprise ?

Rarement. Une approche mixte est souvent plus économique et plus prudente : de petits modèles pour les tâches répétitives et cadrées, un grand modèle pour les cas complexes. Une couche de routage décide quel modèle traite quelle demande.

Comment savoir si un modèle convient à mon besoin ?

En le testant sur cinquante cas réels de votre activité, avec les vrais messages, les vrais documents et vos exceptions. Un modèle brillant sur des exemples de démonstration peut se montrer médiocre sur vos données, notamment en darija ou avec des documents mal scannés.

Vous voulez appliquer ça dans votre business ?

Obtenez votre Audit Stratégique

En 30 minutes, on identifie vos 3 leviers prioritaires de transformation digitale et on vous donne un plan d'action concret — sans engagement.

Demander mon audit gratuit

Audit 100% gratuit · Réponse sous 24h · Aucun engagement