Comprendre et choisir son modèle IA

Le marché des modèles évolue rapidement. Les modèles, prix et conditions cités dans ce cours correspondent à une photographie de mi-2026. Vérifie toujours les offres et les politiques applicables avant une décision d’achat ou un usage sensible.

Pourquoi tu fais ça

Le modèle IA influence la qualité, la vitesse et le coût d’une tâche. La route par laquelle tu y accèdes influence aussi le traitement de tes données, les garanties contractuelles et les possibilités d’action de l’agent.

Dans CEO-OS, le choix d’un modèle n’est donc pas une préférence de marque. C’est une décision de travail et de gouvernance : quelle capacité faut-il pour cette tâche, avec quel niveau de confidentialité, quel budget et quel degré de contrôle ?

Objectif

À la fin de ce cours, tu sauras :

• expliquer simplement ce qu’est un LLM et ce qu’il ne garantit pas ;
• distinguer un modèle, un provider, une interface et une politique de données ;
• comprendre pourquoi plusieurs modèles doivent pouvoir être utilisés dans un même système ;
• comparer une route à partir de la qualité, de la vitesse, du coût et de la confidentialité ;
• comprendre ce que couvre réellement le terme ZDR ;
• appliquer l’heuristique de routage de CEO-OS et savoir quand la remettre en question.

Ce cours explique les critères et les arbitrages. Les connexions, les paramètres OpenCode et les tests pratiques sont traités dans les cours d’installation et de sécurité.

Avant de commencer

Aucun compte, réglage ou test n’est nécessaire pour suivre ce cours. Il se lit avant la configuration technique afin de comprendre les choix qui seront présentés dans les tutoriels suivants.

Le modèle mental : quatre éléments

Pour analyser une configuration IA, distingue toujours :

• le modèle, qui génère la réponse ;
• le provider, qui héberge et exécute ce modèle ;
• l’interface ou le harnais, dans lequel tu travailles et qui prépare la requête ;
• la politique de données, qui encadre la rétention, l’entraînement, la modération et les sous-traitants.

Cette séparation permet de changer de modèle sans reconstruire le Business Brain. Elle évite aussi une confusion fréquente : utiliser OpenCode ou un abonnement connu ne suffit pas à déduire où les données sont traitées.

Comprendre ce qu’est un LLM

Un LLM, ou grand modèle de langage, est entraîné sur de grandes quantités de données pour prédire la suite la plus probable d’une séquence. Il reçoit une demande et un contexte, puis génère une réponse token par token.

Un token est une unité de texte : un mot court, une partie de mot, un signe ou un nombre. Les API facturent généralement séparément les tokens d’entrée et de sortie. La longueur du contexte, la réponse demandée et les appels d’outils peuvent donc influencer le coût.

Le modèle ne connaît pas spontanément ton entreprise. Il ne consulte pas automatiquement le Business Brain. L’interface, les instructions, les fichiers lus et les outils disponibles déterminent le contexte qu’il reçoit.

Une réponse fluide n’est pas une garantie de vérité. Le modèle peut se tromper, inventer une source, manquer une contrainte ou produire une conclusion fragile. Pour une décision importante, le niveau de contrôle doit être proportionné au risque : contexte pertinent, sources, vérification et jugement humain.

Ce qui fait varier la qualité

La qualité observée dépend de plusieurs facteurs :

• les capacités du modèle sur la tâche précise ;
• la clarté de la demande et du résultat attendu ;
• la qualité du contexte transmis ;
• la capacité à utiliser des outils de recherche ou de vérification ;
• la longueur et la complexité du raisonnement ;
• les contrôles effectués avant d’utiliser la réponse.

Un modèle haut de gamme ne compense pas durablement un contexte absent, une consigne ambiguë ou une méthode de validation inexistante.

Le modèle n’est pas le provider

Le modèle est le cerveau logiciel. GPT, Claude, GLM, Qwen, Kimi et DeepSeek désignent des familles ou des versions de modèles, avec des forces différentes en rédaction, analyse, code, contexte long, vitesse ou usage d’outils.

Le provider est le service qui fait tourner ce modèle sur son infrastructure. Il peut modifier :

• le prix et la facturation ;
• la vitesse, la disponibilité et les limites ;
• la région de traitement ;
• la conservation des prompts, fichiers et logs ;
• l’utilisation des données pour l’entraînement ;
• les certifications et engagements contractuels ;
• les mécanismes de modération et d’accès humain.

Un même modèle open source peut être servi par plusieurs providers. Le cerveau est comparable, tandis que la route, le prix et les garanties peuvent changer.

Pour les modèles fermés comme GPT ou Claude, le modèle et l’infrastructure sont généralement opérés par OpenAI ou Anthropic. Il faut alors distinguer le produit utilisé : abonnement grand public, offre entreprise, API ou outil développeur.

Le rôle d’OpenCode

OpenCode est l’interface et le harnais de travail recommandé. Il relie ta demande, le workspace local, les règles, les skills, les outils autorisés et la route de modèle choisie.

OpenCode ne détermine donc pas automatiquement le niveau de confidentialité. Une session peut transmettre au modèle :

• ta demande ;
• les instructions actives ;
• l’historique utile ;
• les fichiers ou extraits lus ;
• les résultats renvoyés par les outils.

Le Business Brain reste local dans son stockage, mais un contenu lu par l’agent peut être envoyé à un provider externe. La confidentialité se raisonne sur le flux complet, pas sur le lieu où le fichier est enregistré.

Pourquoi utiliser plusieurs modèles

Les modèles haut de gamme se rapprochent souvent sur les tâches courantes. Les écarts de benchmark ne prédisent pas toujours le meilleur résultat sur le vocabulaire, les formats et les décisions propres à une entreprise.

CEO-OS adopte une logique multi-modèle :

• un modèle principal pour le travail quotidien ;
• une route adaptée aux données sensibles ;
• une option plus puissante pour les tâches qui justifient un raisonnement long ;
• la possibilité de re-tester ou de changer de route quand le contexte évolue.

Cette approche réduit la dépendance à un fournisseur unique et évite de payer en permanence la capacité maximale pour des tâches simples.

Comment comparer les modèles

Les benchmarks servent à orienter une recherche. Ils ne remplacent pas une comparaison sur le travail réel. Artificial Analysis est un point de départ utile pour regarder l’intelligence mesurée, la vitesse et le prix, en tenant compte de la date et de la méthode du benchmark.

Les critères à comparer sont :

Critère	Ta question
Qualité	Le résultat est-il juste, utile et suffisamment nuancé ?
Fiabilité	Le modèle respecte-t-il les contraintes et signale-t-il ses incertitudes ?
Vitesse	Le délai convient-il au rythme de travail ?
Coût	Le coût par tâche ou l’abonnement est-il cohérent avec la valeur créée ?
Contexte	Le modèle accepte-t-il la quantité d’information nécessaire ?
Outils	Fonctionne-t-il correctement avec les outils et le harnais utilisés ?
Confidentialité	La route autorise-t-elle la catégorie de données concernée ?
Accès	L’offre, les limites et la disponibilité sont-elles adaptées ?

La bonne comparaison utilise la même demande, le même contexte et le même résultat attendu. Elle observe le nombre de corrections nécessaires, le respect du format et les erreurs concrètes, pas uniquement le ressenti ou le classement général.

Les modèles retenus comme points de départ

La liste suivante correspond à la configuration de référence envisagée pour mi-2026. Elle doit être revue lorsque le marché, les offres ou les conditions changent.

Modèle	Route envisagée	Forces à évaluer	Vigilance
GLM 5.3 Flash	Synthetic AI ou OpenRouter avec route ZDR	Usage quotidien, vitesse, raisonnement, agent	Vérifier le modèle exact, le tarif et les providers réellement ZDR
GPT 5.6	Abonnement ChatGPT compatible avec OpenCode	Création, code, rédaction longue	Un abonnement grand public n’est pas automatiquement ZDR
Opus 5	Claude Code	Raisonnement long, analyse profonde, rédaction nuancée	Vérifier l’accès, les limites et les conditions de traitement

GLM 5.3 Flash est présenté comme le modèle quotidien de référence grâce à son rapport capacité, vitesse et coût. Les ordres de grandeur cités dans la source sont d’environ 0,20 $ par million de tokens en entrée et 0,50 $ en sortie. Ce ne sont pas des tarifs garantis : ils doivent être vérifiés au moment de la décision.

Le provider et le rôle d’OpenRouter

OpenRouter est un intermédiaire qui donne accès à plusieurs modèles et providers avec une intégration et une facturation communes. Il est utile pour :

• comparer plusieurs modèles sur la même tâche ;
• accéder à des modèles open source à la consommation ;
• basculer rapidement d’une route à l’autre ;
• appliquer des critères de confidentialité quand la configuration le permet ;
• éviter de multiplier les clés et les comptes pendant une phase de test.

OpenRouter peut sélectionner une route selon la disponibilité et les réglages choisis. Cette souplesse ajoute toutefois un maillon au flux. Il faut connaître la politique d’OpenRouter et celle du provider final réellement utilisé.

Quand choisir un provider direct

OpenRouter couvre la majorité de tes besoins. Un provider direct se justifie lorsqu’une exigence précise est démontrée : abonnement développeur, engagement contractuel renforcé, infrastructure européenne, prix plus bas, vitesse ou limites adaptées à un usage intensif.

Provider	Positionnement à vérifier	Cas possible
Synthetic AI	Abonnement développeur annoncé autour de 30 $/mois avec GLM 5.3 Flash et ZDR	Données privées au quotidien, si les conditions sont confirmées
DeepInfra	Tarifs bas à la consommation et catalogue open source	Volume variable et optimisation du coût
Infomaniak AI Tools	Provider suisse, infrastructure en Suisse, API compatible OpenAI	Besoin de localisation ou de contraintes européennes explicites
Fireworks AI	Infrastructure rapide et offre FirePass annoncée pour l’usage agentique	Usage agentique intensif, si le modèle et l’offre conviennent

Le principe est de commencer par la route la plus simple qui couvre le besoin. Un provider direct est une réponse à une contrainte observée, pas une collection de comptes à ouvrir par anticipation.

La confidentialité en trois dimensions

Pour une donnée client, financière, juridique, médicale, RH ou stratégique, trois questions doivent être séparées.

Rétention

Le service conserve-t-il le prompt, les fichiers, la réponse ou les logs techniques ? Pendant combien de temps ? La réponse peut varier entre le chat grand public, l’API et l’offre développeur d’une même entreprise.

Entraînement

Les données peuvent-elles servir à entraîner ou améliorer de futurs modèles ? Refuser l’entraînement ne signifie pas que les données ne sont pas conservées pour la sécurité, le support ou la modération.

Accès humain

Dans quelles circonstances une personne peut-elle consulter une requête ou une réponse : abus, sécurité, support, obligation légale ou amélioration du service ?

Le nom de la marque ne suffit pas. La politique pertinente est celle du produit et de la route réellement utilisés.

Comprendre le ZDR

ZDR, ou Zero Data Retention, désigne un engagement de non-rétention des données dans un périmètre défini. Le provider s’engage à ne pas conserver le contenu des requêtes après leur traitement, selon les conditions applicables à l’offre.

ZDR ne signifie pas automatiquement :

• que toute métadonnée technique disparaît ;
• que tous les outils appelés par la requête sont couverts ;
• que les intermédiaires ont les mêmes engagements ;
• que les obligations légales et les mécanismes de sécurité sont inexistants ;
• que le fichier n’a jamais quitté ton ordinateur.

Une route ZDR chez le provider final ne corrige pas une permission locale trop large ni une fuite vers un outil connecté. La protection doit être vérifiée maillon par maillon.

Offre grand public et offre développeur

ChatGPT Plus et Claude Pro sont des abonnements grand public. Une option de refus d’entraînement peut y être disponible, mais elle ne constitue pas automatiquement un engagement ZDR. Une rétention de sécurité ou de modération peut subsister.

Une API ou une offre développeur peut proposer un ZDR contractuel. Dans la configuration de référence de ce cours, Synthetic AI est présenté comme une offre développeur ZDR et OpenRouter comme une route permettant de demander des providers compatibles ZDR en mode Privacy. Ces affirmations doivent être confirmées dans les conditions à jour avant tout usage sensible.

Heuristique de routage de CEO-OS

Cette heuristique sert de point de départ à tes décisions. Elle ne remplace pas une politique d’entreprise, un contrat ou une validation technique.

Situation	Route de départ
Donnée non sensible ou publique	ChatGPT via l’accès compatible avec OpenCode
Données sensibles au quotidien	Synthetic AI avec engagement ZDR vérifié
Données sensibles occasionnelles	Route habituelle pour le non-sensible, OpenRouter en mode Privacy avec ZDR pour le cas concerné
Raisonnement particulièrement long ou analyse profonde	Opus via Claude Code, après vérification des conditions de traitement

La règle opérationnelle est simple : choisir la route la moins coûteuse et la plus simple qui respecte le niveau de qualité et de confidentialité requis. Si la donnée est sensible, elle doit passer par une route approuvée et documentée pour ce niveau de donnée.

Exemple de décision

Tu veux préparer une note à partir d’un article public, puis analyser un compte rendu de comité contenant une marge, le nom d’un client et un risque RH.

Pour l’article public, un modèle principal choisi pour sa vitesse, sa qualité et son coût suffit. Pour le compte rendu, le sujet n’est plus uniquement la qualité de l’analyse : la route doit aussi autoriser cette catégorie de données, avec des garanties de rétention et de traitement vérifiées. Si aucune route approuvée n’est disponible, tu dois anonymiser le contenu, utiliser une donnée fictive ou traiter la question autrement.

Le modèle peut rester le même dans les deux cas. C’est la route et son niveau de garantie qui changent selon la tâche.

Quand remettre le choix en question

Recompare les routes lorsque :

• la qualité déçoit sur une tâche répétée ;
• les corrections humaines deviennent trop nombreuses ;
• le volume ou la facture change fortement ;
• un modèle ou une offre disparaît ;
• les limites de vitesse ou de contexte gênent le travail ;
• la politique de données est modifiée ;
• une nouvelle catégorie de données doit être traitée ;
• un autre modèle apporte un gain mesurable.

Le changement doit être fondé sur une tâche comparable et une date de vérification. Une annonce ou un classement seul ne suffit pas.

Ressources

• Artificial Analysis
• OpenRouter
• OpenRouter Privacy
• Synthetic AI
• DeepInfra
• Infomaniak AI Tools
• Fireworks AI
• Anatomie du système
• Sécurité, confidentialité et secrets

Ce qu’il faut retenir

• Le modèle produit la réponse, le provider l’exécute, l’interface prépare le contexte et la politique de données encadre le traitement.
• La qualité dépend du modèle, du contexte, des outils et des contrôles, pas du modèle seul.
• OpenCode permet de changer de route sans changer la structure du Business Brain.
• OpenRouter simplifie la comparaison et le routage, tout en ajoutant un intermédiaire à vérifier.
• Un abonnement grand public, un refus d’entraînement et un engagement ZDR sont trois choses différentes.
• Le ZDR ne protège que le périmètre prévu par les conditions applicables et ne couvre pas automatiquement les autres outils de la chaîne.
• Cette approche privilégie un modèle quotidien, une route sensible et une option de puissance maximale, avec réévaluation régulière.

Suivant : Lexique IA