Tout le monde regarde les LLMs dominer la scène. Mais zoomons un peu plus près, et quelque chose d'autre se prépare. Les Petits Modèles de Langage (SLMs) sont plus légers, plus rapides et plus accessibles. Pour l'IA agentique et les systèmes décentralisés, ils pourraient être un meilleur choix. Voici pourquoi 🧵

2/ Les LLMs sont juste "grands". Des trillions de paramètres, des généralistes puissants, et coûteux à faire fonctionner. Ils fonctionnent très bien pour des tâches larges et ouvertes. Mais ils sont centralisés, opaques et difficiles à personnaliser. Les SLMs sont compacts, transparents et flexibles. Vous pouvez les affiner et les exécuter selon vos conditions.

3/ Les SLMs brillent dans des environnements réels : Ils sont efficaces, réagissent rapidement et n'ont pas besoin d'une infrastructure lourde. Parfaits pour les dispositifs en périphérie et les cas d'utilisation sensibles à la vie privée. Avec des outils comme la distillation, l'élagage et le raisonnement en temps de test, ils offrent des performances sérieuses à une fraction du coût.

4/ De nouvelles recherches le prouvent. L'Alan Turing Institute a exécuté un modèle de 3 milliards de paramètres sur un ordinateur portable. Avec un réglage intelligent, il a presque égalé les modèles de pointe sur les tâches de raisonnement en santé. Cette vague est en pleine croissance : Phi, Nemotron-H, Qwen3, Mu, SmolLLM, tous poussant les SLM dans le grand public.

5/ Plus de détails sur cette recherche :

6/ Nous croyons en la construction d'une IA qui soit ouverte, locale et décentralisée. Les SLM rendent cela possible. Ce ne sont pas seulement des alternatives légères, ce sont les bases de systèmes agentiques modulaires et évolutifs. Petit n'est pas un compromis. Petit est un choix de design puissant.

7/ Lisez notre blog complet sur ce sujet 👇