Choisir un LLM frugal et souverain : ce que disent les données de novembre 2026

Choisir un LLM pour un agent ne se joue plus sur un seul classement. Trois critères mesurables suffisent à cadrer la décision : la capacité agentique (le modèle sait-il enchaîner des outils ?), la frugalité (combien de paramètres sont activés par token et combien coûte une tâche ?) et la souveraineté (où et par qui le modèle est-il exécuté ?).

Les données de novembre 2026 donnent un paysage plus contrasté que les discours. Les modèles fermés gardent la tête de l'indice agentique : Gemini 4 Carbon (45,8), Claude Opus 5.5 (45,7) et GPT-6 Astra (44,3). Mais le meilleur compromis capacité, coût et documentation se trouve chez les modèles à poids ouverts : DeepSeek-V4.1-Flash affiche 38,2 d'indice agentique, 8 milliards de paramètres actifs, 2,96 $ par tâche Terminal-Bench et un indice de conformité IA Act (ICA) de 87,5 sur 100.

Côté européen, Mistral Large 4 est le choix le plus solide : 34,9 d'indice agentique, 52 milliards de paramètres actifs, 9,41 $ par tâche et le meilleur ICA du catalogue (88,2). Il est hébergé par Mistral AI, fournisseur qualifié souverain. Pour un budget minimal, DeepSeek-V4-Flash-0731 descend à 0,81 $ par tâche avec 29,1 d'indice agentique et le même ICA de 87,5.

La souveraineté n'est pas une propriété du modèle seul. Elle se qualifie offre par offre : fournisseur européen, datacenter détenu en Europe, hébergement en Europe, zéro rétention et poids ouverts. Sur 440 modèles, 44 ont au moins une offre souveraine, portée par 17 hébergeurs qualifiés. Un modèle chinois à poids ouverts hébergé chez Scaleway ou OVHcloud obtient une offre souveraine ; un modèle fermé américain hébergé dans une région parisienne d'AWS reste partiel.

Dernier point, décisif : l'ICA mesure la documentation du fournisseur, pas votre conformité. Il ne remplace ni une analyse juridique ni un test sur votre corpus. La capacité ne dit rien de la documentation : Mistral Large 4 obtient 88,2 d'ICA, alors que plusieurs modèles mieux classés sur l'indice agentique restent sous 3. L'ICA se vérifie séparément, modèle par modèle.

Trois critères, une même exigence de preuve

L'analyse repose sur un catalogue public et une règle simple : aucune donnée n'est inventée, aucun indice n'est recalculé. Les classements, les prix et les scores sont repris de l'API, puis croisés avec des tables de référence documentées (paramètres, contexte, KV cache, preuves IA Act, offres des hébergeurs).

Tous les modèles ne sont pas évalués partout : 303 ont un indice de développement, 224 un indice agentique, 193 un coût par tâche exploitable et 91 une note ICA. Comparer deux modèles suppose donc de vérifier la couverture des benchmarks, pas seulement la note affichée.

La capacité agentique

L'indice agentique est la note conservatrice du classement TrueSkill de la catégorie agents. TrueSkill estime un niveau moyen et une incertitude ; la note publiée est une borne basse. Elle situe le modèle dans un classement relatif, à une date donnée. Un modèle peu évalué est mécaniquement pénalisé. Ce n'est pas une note sur 100.

Les modèles fermés conservent une avance de 4 à 7 points sur les meilleurs modèles à poids ouverts. Cette avance se paie : le coût par tâche de Claude Opus 5.5 est 24 fois celui de DeepSeek-V4.1-Flash, et Claude Sonnet 5.5 grimpe à 110,61 $ par tâche. Pour un agent qui enchaîne des dizaines de tâches par jour, l'écart devient structurant.

La frugalité

La frugalité se lit à deux niveaux. Le nombre de paramètres actifs mesure le calcul réellement effectué par token. Les modèles MoE (Mixture of Experts) n'activent qu'une fraction de leurs experts : DeepSeek-V4.1-Flash active 8 milliards de paramètres sur 763 milliards au total, soit environ 1 %. À l'inverse, un modèle dense comme Mistral Medium 3.5 active ses 127,7 milliards de paramètres à chaque token.

Le coût par tâche Terminal-Bench traduit cette architecture en facture. Il combine les tokens consommés par tâche, les prix d'entrée et de sortie du fournisseur et un facteur de cache calibré sur les coûts publiés. C'est une estimation, pas un devis. Elle reste le meilleur indicateur disponible pour comparer des modèles sur un usage agentique.

La souveraineté

La souveraineté se qualifie au niveau de l'offre, c'est-à-dire de la combinaison modèle et hébergeur. Cinq critères sont vérifiés : fournisseur européen, datacenter détenu en Europe, hébergement en Europe, engagement de zéro rétention et poids ouverts. Le statut final combine ces critères avec un plancher d'auto-hébergement : un modèle ouvert de 107 milliards de paramètres ou moins est au moins « partiel », même sans offre souveraine.

Les 17 hébergeurs qualifiés souverains couvrent neuf pays : la France (Arkane, Mistral AI, OVHcloud, Scaleway), l'Allemagne (AKI.IO, IONOS Cloud, Lyceum Technology), les Pays-Bas (GreenPT, Nebius, Nebul), la Suède (Berget AI, Inceptron), l'Irlande (Tensorix), l'Italie (Regolo), le Luxembourg (Infercom), la Slovénie (Entrim) et la Suisse (Infomaniak). Les offres « partielles » viennent surtout des régions européennes d'AWS et de Google, qui hébergent en Europe mais restent contrôlées par des groupes américains.

La conformité IA Act

L'ICA (indice de conformité IA Act) note la documentation du fournisseur GPAI sur 100. Cinq critères pondérés : documentation technique (5 %), résumé des données d'entraînement (35 %), conformité au droit d'auteur (35 %), Code of Practice GPAI (20 %) et risque systémique (5 %). Les critères non applicables sont retirés et les poids renormalisés.

L'ICA n'est ni une certification ni un avis juridique. Il mesure la qualité de la documentation mise à disposition, pas la conformité de votre application. Un modèle bien noté peut rester inadapté à un usage régulé, et un modèle mal noté n'entraîne pas automatiquement une sanction pour l'intégrateur. La note sert à objectiver un risque fournisseur, pas à remplacer une analyse de conformité.

Le tableau de décision

Aucun modèle ne coche toutes les cases. Le choix dépend de la contrainte dominante : conformité, coût, capacité ou maîtrise de l'infrastructure. La recommandation reste de tester au moins deux modèles sur votre corpus et vos outils réels avant de vous engager.

Ce que les données ne disent pas

• L'indice agentique est relatif et dépend de la couverture des benchmarks. Un modèle peu évalué peut être sous-noté.
• Le coût par tâche est une estimation fondée sur Terminal-Bench et des prix catalogue. Votre usage, votre cache et vos lots changeront la facture.
• Les paramètres actifs ne mesurent pas toute l'empreinte énergétique : le matériel, le refroidissement et le taux d'utilisation comptent aussi.
• La souveraineté est une qualification d'offre, pas une garantie juridique absolue. Un hébergeur européen peut dépendre de technologies non européennes.
• L'ICA mesure la documentation du fournisseur, pas la conformité de votre application.

Méthode et données

D'où viennent les chiffres

L'analyse s'appuie sur l'API officielle /stats/v1 de llm-stats.com, dite ZeroEval. Elle publie un catalogue de modèles, des benchmarks, des scores et des classements par catégorie. Data Players recopie ces données et les joint à des tables de référence documentées : paramètres totaux et actifs, fenêtre de contexte, KV cache, prix de repli, tokens par tâche Terminal-Bench, preuves IA Act et offres des hébergeurs.

La curation du 4 novembre 2026 couvre 440 modèles, 773 benchmarks, 6 721 scores dédoublonnés et 55 fournisseurs. Les données brutes restent locales. Le rapport publié contient les extraits nécessaires à la lecture, avec la date de curation de chaque source. Aucun indice, aucun score agrégé et aucun classement dérivé n'est recalculé. Le périmètre est celui du catalogue llm-stats à cette date : certains modèles que nous recommandons par ailleurs, comme Apertus 70B Instruct, n'y figurent pas encore.

Ce que signifie la note TrueSkill

Les indices de développement et agentique sont les notes de classement publiées par llm-stats. Le classement repose sur TrueSkill, un modèle bayésien : chaque modèle possède un niveau estimé et une incertitude, révisés à chaque benchmark évalué. La valeur affichée est la note conservatrice, c'est-à-dire une borne basse.

Autrement dit, à performances égales, un modèle évalué sur peu de benchmarks obtient une note plus basse, parce que l'incertitude est plus large. La note n'est pas une note sur 100 : elle situe le modèle dans un classement relatif, à une date donnée. C'est pourquoi l'article parle d'« indice agentique » et jamais de « score de performance ».

La couverture n'est pas homogène : 303 modèles ont un indice de développement, 224 un indice agentique, 193 un coût par tâche exploitable et 91 une note ICA. Un tableau comparatif sérieux doit donc afficher la couverture, pas seulement le rang.

Ce qui a changé depuis juin 2026

L'édition précédente utilisait l'Agentic Index d'Artificial Analysis, une échelle sur 100, et une grille IA Act maison notée sur 5. La nouvelle édition utilise la note TrueSkill de llm-stats et l'ICA sur 100, calculé sur des preuves documentaires. Les deux référentiels ne se comparent pas.

Un modèle qui affichait 66 sur l'ancienne échelle peut afficher 26 sur la nouvelle sans avoir changé de qualité. La différence vient de la source, de l'échelle et de la date. C'est aussi pour cette raison que l'ancien guide reste publié comme archive : il documente une lecture de juin 2026, pas l'état du marché de novembre.

Capacité agentique : lire un indice relatif

Pourquoi une note relative

Un agent doit comprendre une demande, appeler des outils, interpréter leurs retours et ajuster sa réponse. Un benchmark isolé ne mesure qu'une partie de cette boucle. Le classement agentique agrège plusieurs évaluations et pénalise les modèles dont la couverture est faible. Il reste un indicateur de présélection, pas une preuve de réussite sur votre cas d'usage.

Les poids ouverts

Le classement général est dominé par des modèles fermés. Si l'on restreint aux poids ouverts, la hiérarchie change et les écarts de coût deviennent spectaculaires. DeepSeek-V4.1-Flash-1017 mène avec 39,0, suivi de DeepSeek-V4.1-Flash (38,2), Kimi K3 (37,3) et GLM-5.3 (36,9). Mistral Large 4 arrive ensuite à 34,9, avec le meilleur ICA du catalogue.

Les modèles fermés restent devant sur la capacité brute, mais leur coût par tâche et leur statut de souveraineté (partiel ou non souverain) les écartent des usages où la maîtrise de l'infrastructure est une contrainte. Le bon réflexe consiste à comparer à l'intérieur de la classe de souveraineté que vous avez choisie, puis à vérifier si le différentiel de capacité justifie un modèle non souverain.

Frugalité : trois mesures, trois usages

Paramètres actifs : le coût de calcul par token

Un modèle dense active tous ses paramètres à chaque token. Un modèle MoE (Mixture of Experts) n'en active qu'une partie. Le nombre de paramètres actifs est donc un bon proxy du calcul par token, à condition de ne pas le confondre avec le nombre total de paramètres, qui détermine la mémoire nécessaire.

La part activée n'est pas un score de qualité. Un modèle dense de 31 milliards de paramètres peut être plus pertinent qu'un MoE mal équilibré. Elle indique en revanche le coût de calcul par token et la facilité à tenir la charge sur un matériel donné.

Coût par tâche : la facture réaliste

Le coût par tâche Terminal-Bench combine les tokens consommés par tâche, les prix d'entrée et de sortie, et un facteur de cache. Les tokens par tâche viennent du total de la campagne publiée divisé par 66 tâches, ou de la médiane du benchmark quand la configuration n'est pas publiée. Les prix sont ceux du fournisseur, avec un prix de référence éditeur en repli. Le résultat est marqué comme exact ou estimé.

Cette estimation ne remplace pas votre facture. Elle ne tient compte ni de votre taux de cache réel, ni de la taille de vos prompts, ni des remises négociées. Elle reste utile pour classer les modèles et repérer les écarts d'ordre de grandeur : entre 0,81 $ et 110,61 $ par tâche, le facteur est de 136.

Mémoire et auto-hébergement

Le nombre total de paramètres détermine la mémoire nécessaire. En Q8/FP8, un modèle de 107 milliards de paramètres ou moins peut tenir sur un DGX Spark ou un GB10 avec 128 Go de mémoire unifiée, KV cache et marge d'exécution inclus. Au-delà, il faut un serveur multi-GPU ou une offre managée.

Ce seuil explique pourquoi la souveraineté par auto-hébergement ne concerne pas les mêmes modèles que la souveraineté par offre. Gemma 4 31B, Qwen3.8-27B, Qwen3.6-35B-A3B et Llama 3.3 70B tiennent sous le seuil. Mistral Medium 3.5 (127,7 Md), GPT OSS 120B (117 Md), DeepSeek-V4.1-Flash (763 Md), Mistral Large 4 (1 050 Md) et Kimi K3 (2 780 Md) le dépassent. Un modèle trop gros ne remonte pas au-dessus de son statut d'offre : une entreprise qui investit peut le rendre souverain, mais ce n'est pas un auto-hébergement individuel.

Souveraineté : le modèle, l'offre, l'infrastructure

Quatre piliers, une qualification par offre

La souveraineté ne se réduit pas à la nationalité de l'éditeur. Elle combine quatre piliers : les données (stockage, accès, rétention), le modèle (poids ouverts, auditabilité), l'infrastructure (datacenter, propriété capitalistique, localisation) et le juridique (RGPD, IA Act, exposition au CLOUD Act).

Le statut « souverain » exige les cinq critères. Un modèle fermé est au mieux « partiel », même hébergé en Europe, car l'auditabilité et la réversibilité manquent. Un modèle ouvert hébergé chez un fournisseur européen avec zéro rétention peut être « souverain », même si l'éditeur est chinois ou américain.

Les hébergeurs qualifiés souverains

L'analyse recense 17 fournisseurs qualifiés souverains, répartis dans neuf pays :

• France : Arkane, Mistral AI, OVHcloud, Scaleway.
• Allemagne : AKI.IO, IONOS Cloud, Lyceum Technology.
• Pays-Bas : GreenPT, Nebius, Nebul.
• Suède : Berget AI, Inceptron.
• Irlande : Tensorix.
• Italie : Regolo.
• Luxembourg : Infercom.
• Slovénie : Entrim.
• Suisse : Infomaniak.

Les offres « partielles » proviennent surtout d'AWS Bedrock (Paris, Irlande), de Google et de Google Vertex AI. Elles hébergent bien en Europe et proposent souvent la zéro rétention, mais restent contrôlées par des groupes américains. Cette distinction compte pour les données sensibles et les marchés publics.

L'auto-hébergement change le statut

Un modèle ouvert de 107 milliards de paramètres ou moins obtient un plancher « partiel », même sans offre souveraine, parce qu'une organisation peut l'exécuter sur son propre matériel. Ce plancher ne vaut pas « souverain » : il suppose que l'organisation maîtrise réellement l'infrastructure, la sécurité et la maintenance.

C'est une nuance importante pour les modèles de taille moyenne. Gemma 4 31B, Qwen3.8-27B, Qwen3.6-35B-A3B et Llama 3.3 70B sont auto-hébergeables. Les grands MoE, DeepSeek-V4.1-Flash, Mistral Large 4 et Kimi K3, ne le sont pas sur un seul DGX Spark. Leur souveraineté passe donc par une offre managée européenne, pas par un serveur posé dans un bureau.

IA Act : l'ICA, un indice de documentation

Cinq critères pondérés

L'ICA reprend les obligations de l'article 53 du règlement européen sur l'IA. Chaque critère est noté sur 5, puis pondéré. Les critères non applicables sont retirés et les poids renormalisés, ce qui explique pourquoi un modèle sans risque systémique peut obtenir une note élevée sans être noté sur ce critère.

Les preuves de base sont au nombre de huit : documentation, informations aux intégrateurs, résumé des données, droit d'auteur, coopération, représentant UE, seuil systémique et éligibilité open source. Une note ICA n'est publiée que si le modèle est évalué. 91 modèles le sont dans la curation de novembre 2026.

Comment lire l'ICA

Prenons Mistral Large 4. Ses notes sont 3,75 pour la documentation, 5,0 pour les données, 5,0 pour le droit d'auteur, 2,5 pour le Code of Practice et non applicable pour le risque. Les poids applicables totalisent 95 %. La somme pondérée donne 4,19 sur 5 avec 95 % de poids. En renormalisant sur les critères applicables, on obtient 4,41 sur 5, soit 88,2 sur 100.

DeepSeek-V4.1-Flash obtient 87,5 avec 2,5 en documentation, 5,0 en données, 5,0 en droit d'auteur, 3,75 en Code of Practice et 0,0 en risque. Gemma 4 31B obtient 77,5 grâce à 5,0 en documentation, 5,0 en données et 5,0 en Code of Practice, mais 2,5 en droit d'auteur. Kimi K3 et GLM-5.3 tombent à 2,5 : seule la documentation est partiellement renseignée.

Ce que l'ICA ne dit pas

L'ICA ne certifie pas la conformité de votre application. Il ne remplace ni une analyse d'impact, ni un registre de traitement, ni un avis juridique. Il mesure la documentation mise à disposition par le fournisseur GPAI. Un modèle bien noté peut rester inadapté à un usage régulé, et un modèle mal noté n'entraîne pas automatiquement une sanction pour l'intégrateur.

La distinction entre fournisseur GPAI et intégrateur reste centrale. Les obligations de l'article 53 pèsent sur le fournisseur du modèle. L'intégrateur supporte surtout des risques indirects : indisponibilité, réputation, difficulté à documenter sa propre conformité. L'ICA sert à objectiver ce risque, pas à le supprimer.

Scénarios de choix

Conformité et ancrage européen

Si la contrainte principale est réglementaire et que le fournisseur doit être européen, Mistral Large 4 s'impose. Il combine le meilleur ICA (88,2), un fournisseur français, 52 milliards de paramètres actifs et un coût de 9,41 $ par tâche. Il est moins capable que les modèles fermés, mais il reste dans le haut du classement des poids ouverts.

Capacité et frugalité

Si la contrainte est le coût par tâche sans sacrifier la capacité, DeepSeek-V4.1-Flash est le meilleur compromis : 38,2 d'indice agentique, 8 milliards de paramètres actifs, 2,96 $ par tâche et 87,5 d'ICA. Il est disponible chez plusieurs hébergeurs européens, dont Scaleway. La variante DeepSeek-V4.1-Flash-1017 est légèrement plus capable (39,0) mais plus chère (4,54 $).

Coût minimal

Si le volume de tâches est le premier critère, DeepSeek-V4-Flash-0731 descend à 0,81 $ par tâche avec 29,1 d'indice agentique et 87,5 d'ICA. GLM-5.3-Flash est plus capable (34,6) et à 1,52 $ par tâche, mais son ICA de 2,5 introduit un risque documentaire qu'il faut assumer.

Petit modèle auto-hébergé

Si l'organisation veut maîtriser son infrastructure et rester sous le seuil du DGX Spark, Qwen3.8-27B (27,8 Md, 29,5 d'indice, 42,5 d'ICA) et Gemma 4 31B (31,3 Md, 13,5 d'indice, 77,5 d'ICA) sont les candidats les plus lisibles. Qwen3.8-27B est plus capable, Gemma 4 31B est mieux documenté. Aucun des deux ne remplace un grand modèle pour des boucles agentiques complexes.

Capacité maximale sans contrainte de souveraineté

Si la performance prime et que l'hébergement n'est pas une contrainte, Claude Opus 5.5 (45,7), Gemini 4 Argon (41,3) ou GPT-6 Astra (44,3) restent devant. Le coût par tâche grimpe à 71,21 $, 33,59 $ ou 50,00 $, avec un statut de souveraineté partiel (Claude Opus 5.5, Gemini 4 Argon) ou non souverain (GPT-6 Astra). C'est un choix de performance assumé, pas un choix frugal ou souverain.

Limites et reproductibilité

Les données sont un instantané curé le 4 novembre 2026. Les modèles, les prix et les offres évoluent vite. Les valeurs absentes restent vides : elles ne sont ni extrapolées ni remplacées par une moyenne. Les estimations de paramètres sont marquées comme telles et ne remplacent jamais une valeur publiée.

• Couverture des indices : 224 modèles ont un indice agentique, 303 un indice de développement. La comparaison suppose une couverture comparable.
• Coût par tâche : estimation fondée sur Terminal-Bench, les prix catalogue et un facteur de cache. Elle ne reflète pas votre usage réel.
• Paramètres : les valeurs absentes ou estimées sont signalées. Les modèles fermés n'ont souvent ni total ni actifs publiés.
• Souveraineté : qualification d'offre, pas garantie juridique. Un hébergeur européen peut dépendre de technologies non européennes.
• ICA : documentation du fournisseur GPAI, pas conformité de votre application. Ce n'est pas un avis juridique.
• Origine des modèles : un modèle chinois à poids ouverts hébergé en Europe reste un modèle chinois. La souveraineté de l'offre ne change pas sa gouvernance.

L'analyse interactive permet de vérifier chaque point, de filtrer par souveraineté, par ancienneté et par statut de poids ouverts, et d'ouvrir la fiche de chaque modèle : data-players-analysis.vercel.app. Les graphiques de cet article en sont des extraits statiques ; la version interactive contient l'ensemble des modèles et les filtres.

Conclusion

Les données de novembre 2026 ne désignent pas un vainqueur unique. Elles montrent trois familles de choix : un modèle européen bien documenté (Mistral Large 4), des modèles à poids ouverts très compétitifs sur le coût (DeepSeek-V4.1-Flash, DeepSeek-V4-Flash-0731), et des modèles fermés qui gardent l'avantage de la capacité brute au prix d'un coût et d'un statut moins favorables.

La méthode compte plus que le podium. Mesurez le coût par tâche sur votre usage, vérifiez la couverture des indices, qualifiez la souveraineté au niveau de l'offre et lisez l'ICA comme un indicateur de documentation. Testez deux modèles sur votre corpus avant de choisir. C'est moins spectaculaire qu'un classement, mais c'est ce qui tient dans le temps.