Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Model card

Une model card (fiche de modèle) est un court document publié avec un modèle de machine learning qui explique à quoi il sert, comment il a été entraîné et évalué, où ses performances sont faibles, et comment il doit ou ne doit pas être utilisé.

Aussi appelé : model documentation, README model card

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

Mitchell et al. ont proposé les model cards en 2018 pour rendre plus transparente la documentation des modèles. Leur idée était qu'un modèle publié devrait s'accompagner d'une documentation de ses usages prévus et de ses performances mesurées dans différentes conditions et pour différents groupes de personnes, afin qu'il risque moins d'être utilisé là où il fonctionne mal.

Ce que contient une model card

Les sections habituelles sont les détails du modèle (qui l'a construit, version, architecture, licence du modèle), les usages prévus et hors périmètre, les données d'entraînement, les résultats d'évaluation sur des benchmarks d'IA publics, les limites et biais connus, et des notes de sécurité. Pour les LLM, on trouve souvent aussi la fenêtre de contexte, les langues prises en charge, le format de prompt et des réglages recommandés comme la température.

Sur Hugging Face, la model card est le README du dépôt : un fichier Markdown avec des métadonnées supplémentaires en en-tête. Les laboratoires qui publient des modèles open-weight en publient généralement une à cet endroit.

Comment l'utiliser

Lisez les sections sur l'usage prévu et les limites avant le tableau des benchmarks. Vérifiez sur quelles données le modèle a été entraîné (voir données d'entraînement de l'IA) et si les évaluations correspondent à votre tâche et à votre langue. Notez qui a mené les évaluations.

Limites

Une model card est rédigée par le créateur du modèle. L'OWASP note que les model cards fournissent des informations mais aucune garantie sur la provenance réelle d'un modèle : une fiche convaincante sur un modèle copié ou altéré ne prouve donc rien. Vérifiez aussi l'éditeur et les empreintes des fichiers, surtout pour des poids téléchargés.

Termes liés

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.
Données d'entraînement de l'IA
Les données d'entraînement de l'IA sont l'ensemble des exemples dont un modèle apprend, comme du texte web, du code, des images, des transcriptions ou des paires annotées. Leur volume, leur qualité, leur composition et leurs licences déterminent ce que le modèle sait faire et là où il échoue.
Licence de modèle
Une licence de modèle (model license) regroupe les conditions juridiques selon lesquelles les poids d'un modèle, et parfois son code et ses données, peuvent être utilisés, modifiés et partagés. Les conditions vont des licences ouvertes permissives aux licences non commerciales ou sur mesure restrictives.
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.
Attaque de la chaîne d'approvisionnement IA
Une attaque de la chaîne d'approvisionnement IA (AI supply-chain attack) compromet une application d'IA par l'intermédiaire de quelque chose dont elle dépend, comme un modèle téléchargé, un adaptateur LoRA, un jeu de données, un paquet Python, un serveur MCP ou une skill d'agent, au lieu d'attaquer directement l'application.

Sources