Glossaire de l'IA ouverte : GGUF, quantification, LoRA, MoE

Les termes qu’on croise sur les fiches de modèles, définis en une ou deux phrases. Les exemples sont tirés des éléments suivis par Radar IA.

Poids ouverts (open weights)

Modèle dont les paramètres entraînés sont téléchargeables, ce qui permet de l'exécuter chez soi. Cela ne dit rien de la licence : certains poids ouverts interdisent l'usage commercial.

Paramètres

Nombres appris pendant l'entraînement ; leur quantité (en milliards, « B ») donne l'ordre de grandeur de la taille du modèle et de la mémoire nécessaire.

Quantification

Réduction de la précision des paramètres (par exemple de 16 bits à 4 ou 8 bits) pour diminuer la mémoire et accélérer l'exécution, au prix d'une légère perte de qualité. Exemples suivis : Ternary-Bonsai-2-27B-gguf, Qwen3.8-27B-GGUF, Underdog-Saluki-27B-1.0, Swift-Qwen3.8-27B-GGUF, Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF.

GGUF

Format de fichier de llama.cpp, repris par Ollama et LM Studio, qui regroupe les poids quantifiés et les métadonnées d'un modèle en un seul fichier exécutable sur un PC. Exemples suivis : Ternary-Bonsai-2-27B-gguf, Qwen3.8-27B-GGUF, Underdog-Saluki-27B-1.0, Swift-Qwen3.8-27B-GGUF, Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF.

Safetensors

Format de stockage des poids conçu pour être chargé rapidement et sans exécuter de code, utilisé par défaut par la bibliothèque transformers. Exemples suivis : JEV-27B-VL, laya, MiniCPM5-2B, Edge0-35B-A3B-preview, Qwen3.8-27B.

MLX

Bibliothèque d'Apple pour exécuter des modèles sur les puces Apple Silicon ; un dépôt MLX contient des poids préparés pour elle. Exemples suivis : Edge0-35B-A3B-preview, Qwen-Image-2.1-Uncensored-Quantized.

Fine-tune (affinage)

Entraînement complémentaire d'un modèle existant sur des données ciblées, pour le spécialiser sur une tâche, un style ou une langue. Exemples suivis : Swift-Qwen3.8-27b, clef, Qwen-Image-2.1, d1-3B, clef-flash.

Adaptateur (LoRA)

Petit jeu de paramètres supplémentaires entraîné par-dessus un modèle de base, qu'on charge avec lui ; LoRA est la méthode la plus répandue. Exemples suivis : JEV-27B-VL, Edge0-35B-A3B-preview, MiniMax-H3-Character-Swap-LoRA.

Fusion (merge)

Modèle obtenu en combinant les poids de plusieurs modèles de même architecture, sans nouvel entraînement complet.

Modèle de base

Modèle dont un autre est dérivé (quantification, fine-tune, adaptateur, fusion). Hugging Face l'indique dans les métadonnées base_model. Exemples suivis : JEV-27B-VL, Ternary-Bonsai-2-27B-gguf, Qwen3.8-27B-GGUF, Edge0-35B-A3B-preview, Underdog-Saluki-27B-1.0.

Mixture of Experts (MoE)

Architecture où seule une partie des paramètres (les « experts » choisis) travaille pour chaque mot : le modèle est gros sur le disque mais moins coûteux à exécuter qu'un modèle dense de même taille.

Fenêtre de contexte

Quantité maximale de texte, comptée en tokens, que le modèle peut prendre en compte en une fois (consigne, documents et réponse compris). Exemples suivis : Ternary-Bonsai-2-27B-gguf, Qwen3.8-27B-GGUF, Underdog-Saluki-27B-1.0, Swift-Qwen3.8-27B-GGUF, Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF.

Token

Unité de texte manipulée par un modèle : un mot court, un morceau de mot ou un signe.

Accès restreint (gated)

Dépôt Hugging Face dont le téléchargement exige d'accepter des conditions ou d'être approuvé par l'éditeur. Exemples suivis : speaker-diarization-3.1, speaker-diarization-community-1, LTX-2.5, Qwen3.8-Flash-Next-Uncensored-GGUF, OrcaSAQ-2-Cyber-27B-Uncensored-GGUF.

Licence permissive

Licence (Apache 2.0, MIT…) qui autorise l'usage, y compris commercial, la modification et la redistribution, sous réserve de conserver les mentions. Exemples suivis : JEV-27B-VL, Ternary-Bonsai-2-27B-gguf, Qwen3.8-27B-GGUF, laya, MiniCPM5-2B.

Embedding (plongement)

Vecteur de nombres qui représente le sens d'un texte ; sert à la recherche sémantique et au RAG. Exemples suivis : embeddinggemma-2, embeddinggemma-2-GGUF, dinov3-vitl16-pretrain-lvd1689m.

RAG

Retrieval-Augmented Generation : le modèle répond en s'appuyant sur des passages retrouvés dans vos documents au lieu de sa seule mémoire.

OCR

Reconnaissance optique de caractères : transformation d'une image ou d'un PDF scanné en texte exploitable. Exemples suivis : laya, clef, Unlimited-OCR, d1-3B, clef-flash.

Transcription (ASR)

Reconnaissance automatique de la parole : conversion d'un enregistrement audio en texte. Exemples suivis : speaker-diarization-3.1, Audio8-ASR-Infinite, speaker-diarization-community-1, whistle, parakeet-redux.

Diarisation

Repérage de « qui parle quand » dans un enregistrement, souvent combiné à la transcription.

Modèle vision-langage

Modèle qui prend en entrée des images et du texte, par exemple pour décrire une image ou lire un document. Exemples suivis : JEV-27B-VL, Qwen3.8-27B, Swift-Qwen3.8-27B-GGUF, Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NEO-CODER-MAX-MTP-GGUF, Qwen3.8-27B-GSQ-RCO-GGUF.

Appel d'outils (tool calling)

Capacité d'un modèle à produire un appel structuré vers une fonction ou une API, base des agents IA.

Space

Application de démonstration hébergée sur Hugging Face, souvent faite avec Gradio ou Streamlit. Exemples suivis : jev-decision-index, multi-harness-rl, LightOnOCR-3-Demo, System One Arcade, MiniMax-H3-Turbo-Lora.

Dataset

Jeu de données publié sur Hugging Face pour entraîner ou évaluer des modèles. Exemples suivis : typed-decisions, Fable-5.1-Max-Reasoning-Filtered-10000x, yodas3, EgoDemo, wikipedia.

Score Radar

Note de 0 à 100 calculée par Radar IA : 40 % popularité, 30 % diffusion, 20 % fraîcheur, 10 % pertinence pour l'IA pratique (voir la page Méthode).