8B IA : que signifie 8B ? 8 milliards de paramètres, 5 Go pour l'exécuter

8B compte des poids, et prédit bien mieux la mémoire que la qualité

Trois modèles 8B obtiennent 6, 7 et 11 à l'Artificial Analysis Intelligence Index (un indice composite de tests publics de raisonnement, de code et de connaissances, relevé le 26 septembre 2026), et Kimi K3 stocke 2.8 billions de paramètres, soit 350 fois plus, pour obtenir 44. Le graphique place 13 modèles ouverts dont les deux chiffres sont publiés ; chaque nombre est le total indiqué sur la fiche du modèle chez son éditeur, et chaque score correspond au mode par défaut, sauf les trois marqués effort max, évalués avec l'effort de raisonnement maximal.

La ligne pointillée est la frontière, le meilleur score à chaque taille, et elle gagne 33 points pour une taille multipliée par 350. En dessous, l'écart à taille égale est aussi large que l'écart entre les tailles. Llama 4 Maverick stocke 400 milliards de paramètres et obtient 10, un point de moins que le 8B d'IBM.

Qu'est-ce qu'un paramètre en IA ? Les nombres appris avec lesquels un modèle prédit

Un paramètre est un nombre appris, un poids du réseau que l'entraînement ajuste et que le modèle consulte pour chaque token qu'il prédit. 8B en compte 8 milliards, et le B signifie billion (milliard) comme le G de Go signifie giga. La fiche de Meta décrit Llama 3.1 comme "a collection of pretrained and instruction tuned generative models in 8B, 70B and 405B sizes". Rien d'autre n'est compté : ni les données d'entraînement, ni la fenêtre de contexte. Qu'est-ce qu'un LLM explique comment les poids sont fixés.

Deux autres lettres apparaissent sur les fiches de modèles. M signifie million, là où vivent les petits modèles d'embeddings et de vision, et T signifie mille milliards : la fiche de Kimi K3 indique 2.8T. Un nom comme Qwen3.6 35B A3B, ou le "284B parameters, 13B activated" de DeepSeek, désigne un modèle à mélange d'experts, qui stocke tous les paramètres mais n'en utilise qu'une partie (3 milliards sur 35 dans le cas de Qwen) pour chaque token. Les paramètres actifs fixent la vitesse. Les paramètres totaux fixent la mémoire, et décident donc si le modèle se charge ou non.

Quelle mémoire pour un modèle 8B ? 16 Go en 16 bits, environ 5 Go quantifié

Un modèle 8B demande environ 16 Go de mémoire en 16 bits et environ 5 Go en téléchargement 4 bits, le format que la plupart des gens utilisent, plus la mémoire de travail pour la conversation. Le calcul est simple : paramètres multipliés par octets par poids, soit 2 octets dans les formats 16 bits que publient les éditeurs (le guide mémoire de Hugging Face compte 2 octets par paramètre pour une copie fp16 des poids), 1 octet en 8 bits, un demi-octet en 4 bits. Voici la famille Llama 3.1, qu'Ollama propose dans les trois tailles, vérifiée le 26 septembre 2026.

La dernière colonne est notre propre division, la taille du téléchargement en bits divisée par le nombre de paramètres, et elle montre que la règle des 4 bits sous-estime d'environ 20 pour cent ce que l'on télécharge réellement : chaque taille de Llama 3.1 tombe entre 4.8 et 4.9 bits par poids, pas 4. Prévoyez donc 5 Go pour un 8B, 43 Go pour un 70B (la page llama3.3 d'Ollama donne les mêmes 43 Go pour Llama 3.3 70B) et 243 Go pour un 405B.

C'est pourquoi le 8B est la taille dont tout le monde parle : 4.9 Go tiennent sur un portable avec 16 Go de RAM ou une carte graphique de 8 Go. La fiche de Mistral pour Ministral 3 8B indique qu'il tient dans 12 Go de VRAM en FP8, et moins après quantification ; celle de Mistral Small 3.1, un modèle de 24B, évoque une seule RTX 4090 ou un MacBook de 32 Go une fois quantifié. Un 70B à 43 Go demande un Mac de 64 Go ou deux cartes de 24 Go, et au-delà, vous louez un serveur.

8B ou 70B, lequel est le meilleur ? Un 8B de 2026 bat un 70B de 2024

L'âge l'emporte sur la taille : Granite 4.2 8B d'IBM, sorti le 25 août 2026, obtient 11 à l'Intelligence Index, alors que Llama 3.3 70B de Meta, de décembre 2024, obtient 8 et Llama 3 70B, d'avril 2024, obtient 5, une estimation d'Artificial Analysis. Le 70B a près de neuf fois plus de poids. Le nombre indique la taille du réseau et ne dit rien des données ni de la recette d'entraînement, là où sont passés deux ans de progrès. Les scores ci-dessous datent du 26 septembre 2026 ; les nombres de paramètres sont ceux des éditeurs.

Au sein d'une même famille et d'une même génération, la taille paie encore : Granite 4.2 3B, 8B et 30B obtiennent 9, 11 et 15. D'une génération à l'autre, elle ne paie plus, et dans les lignes à mélange d'experts le total et l'actif divergent de 18 à 33 fois, si bien que le nombre affiché n'est même pas celui qui travaille sur chaque token.

Les mêmes poids peuvent se retrouver à 14 points d'écart. Qwen3.8 27B obtient 20 dans son mode par défaut et 34 avec l'effort de raisonnement poussé à xhigh, car l'indice mesure aussi combien de temps le modèle réfléchit avant de répondre. Qu'est-ce qu'un modèle de raisonnement explique ce réglage.

Pourquoi les modèles phares de GPT, Claude et Gemini ne publient pas leur nombre de paramètres

Les modèles phares fermés ne publient pas leur taille parce que ce nombre est un détail concurrentiel, et que pour des poids que l'on ne peut pas télécharger il n'apporte rien d'exploitable. Le dernier nombre publié par OpenAI pour un GPT de pointe était celui de GPT-3, 175 milliards, dans l'article de 2020 qui le présentait ; les tailles qu'elle publie concernent ses poids ouverts, et la fiche du modèle gpt-oss d'août 2025 donne à gpt-oss-120b 116.8 milliards de paramètres au total et 5.1 milliards actifs. Google n'a donné de tailles que pour son Gemini Nano embarqué, 1.8 milliard et 3.25 milliards de paramètres dans le rapport Gemini 1.0, et aucune pour Pro ou Ultra. En septembre 2026, GPT-6 Astra et Claude Fable 5.1 obtiennent tous deux 53 au classement Artificial Analysis sans aucune taille à côté, neuf points au-dessus de Kimi K3, le plus grand modèle ouvert avec 2.8 billions.

Lisez le nombre pour acheter du matériel, le score pour acheter des réponses

Le nombre de paramètres est le premier chiffre à lire si vous exécutez un modèle vous-même, car il décide si les poids se chargent, et presque le dernier si vous utilisez un chat hébergé. Un fournisseur hébergé a déjà acheté le matériel : ce que vous payez suit le prix du token, pas la taille.

Pour un usage privé ou hors ligne, un produit hébergé est le mauvais outil : téléchargez les 4.9 Go de Llama 3.1 8B avec Ollama, ou les mêmes poids avec LM Studio, et cela ne coûte rien de plus que l'espace disque. Le guide des LLM open source détaille les licences.