Modèle de frontière
Un modèle de frontière (frontier model) est l'un des modèles d'IA généralistes les plus performants disponibles à un moment donné, généralement issu d'un laboratoire bien financé. Le terme est relatif et apparaît aussi dans les politiques de sûreté de l'IA.
Aussi appelé : frontier lab, frontier AI
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
« Frontière » décrit une position, pas une caractéristique technique. Un modèle est de frontière s'il se situe au sommet ou près du sommet en capacités au moment de sa sortie. Un modèle qui était de frontière il y a deux ans ne l'est généralement plus. Les laboratoires qui construisent ces modèles sont souvent appelés laboratoires de frontière (frontier labs).
Deux usages du mot
Dans le langage courant, modèle de frontière désigne les grands modèles de langage les plus forts sur les benchmarks difficiles et les leaderboards. Sur ce site, les classements montrent quels modèles sont en tête en ce moment.
Dans les textes de politique publique, le terme est plus étroit. Un article de 2023 sur la régulation de l'IA de frontière définissait celle-ci comme des modèles de fondation très performants susceptibles d'avoir des capacités assez dangereuses pour menacer la sécurité publique. Des lois et des cadres de sûreté volontaires ont depuis repris l'idée sous leurs propres formes. Ces définitions diffèrent : vérifiez donc laquelle utilise une règle donnée ; cette page ne constitue pas un conseil juridique.
Différence avec les modèles à poids ouverts
Frontière et poids ouverts sont deux questions distinctes. La plupart des modèles de frontière ne sont accessibles que par API, mais certains modèles à poids ouverts s'approchent de la frontière. « Frontière » indique à quel point un modèle est performant ; « poids ouverts » indique si vous pouvez le télécharger.
Pourquoi c'est important quand vous construisez
Les modèles de frontière coûtent en général le plus cher par token et peuvent être plus lents. Beaucoup de tâches n'en ont pas besoin. Un schéma courant consiste à envoyer les requêtes difficiles à un modèle de frontière et les requêtes courantes à un modèle plus petit, ce que fait le routage de LLM.
Termes liés
- Grand modèle de langage
- Un grand modèle de langage (LLM, large language model) est un réseau de neurones doté de milliards de paramètres, entraîné sur de grandes quantités de texte à prédire le token suivant, ce qui lui permet d'écrire, de répondre à des questions, de résumer et de suivre des instructions.
- Modèle open-weight
- Un modèle open-weight (modèle à poids ouverts) est un modèle dont les poids entraînés sont publiés pour que chacun puisse les télécharger et les exécuter, souvent sans le code d'entraînement ni l'ensemble des données d'entraînement ; il n'est donc pas forcément open source.
- Benchmark d'IA
- Un benchmark d'IA (banc d'essai) est un ensemble fixe et public de tâches avec une méthode de notation convenue, utilisé pour comparer des modèles sur le même test, par exemple les tickets de code résolus, les questions d'examen réussies ou la qualité de récupération sur de nombreux jeux de données.
- Routage de LLM
- Le routage de LLM (LLM routing) consiste à envoyer chaque requête au modèle de langage le plus adapté, souvent un modèle bon marché pour les prompts simples et un modèle plus puissant pour les prompts difficiles, afin d'équilibrer coût, vitesse et qualité.
- Petit modèle de langage
- Un petit modèle de langage (small language model, SLM) est un modèle de langage doté de relativement peu de paramètres, généralement quelques milliards ou moins, conçu pour tourner sur un ordinateur portable, un téléphone ou un seul GPU à un coût inférieur à celui d'un grand modèle.