L'évolution des LLM, année après année

Annonce d'Elon Musk le 2 septembre, pour une sortie 10 jours plus tard, avec des données de SpaceX ajoutées en fin d'entraînement. La date annoncée est passée. Au 14 septembre, xAI n'a publié ni fiche technique ni tarif, et le modèle le plus récent de son interface de programmation reste Grok 4.6.

Impact. Rien n'est vérifiable pour l'instant. Les chiffres qui circulent viennent des messages de Musk, pas du laboratoire, et ils n'entrent donc pas dans ce relevé.

Sorti le 10 septembre, le plus petit modèle de la nouvelle génération. 552 milliards de paramètres en mélange d'experts, dont 8 milliards actifs à la lecture de la demande et 16 milliards à l'écriture de la réponse, 1 million de tokens de contexte, poids publiés sous licence MIT. Il lit les images nativement, grâce à un encodeur visuel entraîné par le laboratoire.

Impact. DeepSeek l'annonce meilleur que son propre V4-Pro en performance, en coût et en vitesse. Les demandes envoyées à V4-Pro basculent vers lui dès le 14 septembre, au tarif Flash. Le haut de gamme d'août devient l'entrée de gamme de septembre.

Premier modèle de la génération 6, lancé le 3 septembre, avec une variante Astra Pro le lendemain. OpenAI le présente comme le meilleur modèle du marché pour piloter un ordinateur, remplir un tableur ou un formulaire et naviguer entre des pages. Contexte de 1,05 million de tokens. Le tarif est de 10 et 50 dollars par million de tokens, et au-delà de 272 000 tokens en entrée, l'entrée double et la sortie augmente de moitié.

Impact. Déplace la promesse du texte vers l'action. Le modèle ne rédige plus une marche à suivre, il l'exécute dans les logiciels du poste de travail.

Troisième version Flash en 6 semaines, publiée le 2 septembre. Contexte de 1 million de tokens, en texte, image, audio, vidéo et PDF. Le tarif d'introduction reste de 0,75 et 3,75 dollars par million de tokens, jusqu'au 31 décembre 2026. La variante Cyber est réservée à la recherche de failles par des défenseurs agréés, États, opérateurs d'infrastructures critiques et mainteneurs de logiciels.

Impact. Google sort une version toutes les 3 semaines en tenant son tarif d'introduction. La gamme se spécialise, avec une variante réservée aux équipes de sécurité.

Mise à jour publiée le 2 septembre, disponible le jour même. Meta revendique le niveau des meilleurs modèles fermés, avec 89,2% sur Terminal-Bench 2.1, un test de référence en programmation. Ses chiffres les plus élevés viennent d'une configuration plus lourde, annoncée mais pas encore livrée.

Impact. Meta revient dans la course de tête avec un modèle fermé, alors que sa réputation s'était bâtie sur les poids ouverts de Llama. Une version à poids ouverts est promise, sans date.

Réentraînement du modèle phare, annoncé le 2 septembre. 2 400 milliards de paramètres, contexte de 1 million de tokens, tarif inchangé de 2 et 6 dollars par million de tokens. Le score gagne 22 points sur CodeArena, un classement public des modèles de programmation, et passe en tête.

Impact. Alibaba reprend la tête sur le codage par un simple réentraînement, sans nouvelle génération ni hausse de prix.

Mise à jour du 1er septembre pour le codage agentique et les tâches longues, avec le coût du contexte déjà lu réduit de 75%. Mythos 5.1 est une variante aux garde-fous assouplis, réservée à des organisations vérifiées en cybersécurité et en sciences du vivant.

Impact. Le contexte relu coûte 4 fois moins cher, ce qui change l'économie des agents qui reprennent les mêmes documents à chaque étape.

2 modèles économiques publiés le 26 août. Flash est disponible via API, avec 1 million de tokens de contexte. Flash-Next préfigure l'architecture Qwen4, avec des poids ouverts et un coût d'entraînement environ 9 fois inférieur à celui de Qwen3.7-Plus.

Impact. L'efficacité devient un argument de vente. La question n'est plus la taille du modèle, c'est ce qu'il coûte à entraîner et à faire tourner.

Sortie le 13 août, 3 semaines après la 3.6. Affinage de la version précédente plutôt que nouveau modèle de base, Elle obtient 65,3% sur DeepSWE 1.1. Le tarif d'introduction est de 0,75 dollar par million de tokens en entrée.

Impact. Le cycle de sortie passe sous le mois. Une version est remplacée avant d'avoir eu le temps d'être évaluée.

Version définitive ouverte à tous les développeurs le 13 août, avec ses poids publiés sous licence MIT. 1 700 milliards de paramètres en mélange d'experts, dont 49 milliards actifs par token, et 1 million de tokens de contexte.

Impact. Un modèle de premier plan téléchargeable et installable sur ses propres serveurs, pour un coût par tâche environ 15 fois inférieur à celui du concurrent américain sorti le même jour.

Publié dans la nuit du 12 au 13 août, sur la même base que Grok 4.5 et au même prix de 2 et 6 dollars par million de tokens, qui passe au double au-delà de 200 000 tokens envoyés. Contexte de 500 000 tokens, connaissances arrêtées au 1er février 2026.

Impact. Sorti le même jour que DeepSeek V4-Pro, il installe un écart de prix inédit entre deux modèles de qualité comparable.

Troisième version du modèle, publiée le 5 août avec Muse Code, un agent de programmation qui s'utilise en ligne de commande.

Impact. Meta rejoint le terrain des agents de codage en ligne de commande, où tous ses concurrents étaient déjà installés.

Successeur d'Opus 4.8 pour le codage agentique et le travail d'entreprise. La réflexion est active par défaut et le contexte de 1 million de tokens devient la norme, au tarif inchangé de 5 et 25 dollars par million de tokens.

Impact. Amène le haut de gamme agentique sans hausse de prix, à moitié moins cher que le modèle le plus capable de la maison.

Modèle de volume à 1 million de tokens de contexte, pensé pour le coût, à 1,50 et 7,50 dollars par million de tokens. Publié avec Gemini 3.5 Flash-Lite, pendant que la version Pro reste en test.

Impact. Google déplace la bataille sur le rapport coût-performance plutôt que sur le seul sommet des classements.

Gamme segmentée en 3 niveaux. Luna pour les usages rapides et peu coûteux, Terra pour le travail courant, Sol pour le codage et les agents les plus lourds.

Impact. Officialise l'abandon du modèle unique au profit d'une gamme, chaque niveau visant un budget différent.

Modèle multimodal de 2 400 milliards de paramètres, dévoilé en avant-première à la conférence mondiale de l'IA de Shanghai.

Impact. Alibaba bascule vers de très grands modèles fermés, après des années de stratégie ouverte.

Nouvelle version du modèle de xAI, suivie quelques semaines plus tard d'un modèle de reconnaissance vocale maison.

Impact. xAI tient son rythme de sortie rapide et étend sa gamme au-delà du texte.

2 800 milliards de paramètres et 1 million de jetons de contexte, avec un mode raisonnement permanent. Poids publiés sur Hugging Face sous licence MIT modifiée.

Impact. Plus grand modèle ouvert jamais publié, au niveau des meilleurs modèles fermés américains.

Modèle phare de 432 milliards de paramètres dont 28 milliards actifs à chaque requête, sur une architecture mixte qui alterne attention classique et attention linéaire. Poids publiés sous licence MIT. Environ 40% plus compact que le GigaChat 3.1 Ultra qu'il remplace, tout en faisant mieux en code, en mathématiques et en tâches d'agent.

Impact. Une banque russe publie librement un modèle de premier plan, téléchargeable et installable ailleurs. C'est la première fois dans cette frise.

Le modèle le plus capable d'Anthropic, pour le raisonnement le plus exigeant et les tâches longues. La réflexion est permanente et son détail n'est jamais restitué, seulement résumé.

Impact. Nouveau sommet de capacité, assorti de garde-fous renforcés en biologie et en cybersécurité.

Niveau intermédiaire qui atteint une qualité proche du haut de gamme sur le codage et les agents, avec 1 million de tokens de contexte et un nouveau découpage du texte.

Impact. Réduit encore l'écart entre le milieu et le haut de gamme, à 3 et 15 dollars par million de tokens.

Version phare présentée le 23 juin 2026 à la conférence Force de Volcano Engine, déclinée en Pro et Turbo. ByteDance annonce des résultats proches de GPT-5.5, de Claude Opus 4.7 et de Gemini 3.1 Pro sur plusieurs tests de référence.

Impact. Place un modèle chinois au niveau annoncé des modèles occidentaux de pointe, sur le marché le plus peuplé du monde.

Orchestration native de nombreux sous-agents en parallèle dans une même session, pour des tâches à l'échelle d'une base de code entière. Contexte de 1 million de tokens.

Impact. Étape clé vers l'autonomie à grande échelle, avec un modèle qui pilote lui-même une équipe de sous-agents.

Modèle vision-langage de 1 000 milliards de paramètres capable de piloter 300 agents en parallèle sur plusieurs milliers d'étapes.

Impact. Prend la tête des modèles ouverts, au coude à coude avec Qwen et DeepSeek.

Modèle léger publié le 28 mai 2026, avec une fenêtre de 128 000 tokens et un mode de raisonnement par chaîne de pensée. Yandex annonce une inférence 2,5 fois plus rapide que YandexGPT 4 Pro.

Impact. Donne à la Russie un modèle rapide et local, sur un marché que les acteurs américains ont quitté.

2 modèles ouverts sous licence MIT, de 1 600 et 284 milliards de paramètres, avec 1 million de tokens de contexte. Une nouvelle attention compressée divise le coût de service par 10 face à la version précédente.

Impact. Relance la pression sur les prix, avec des capacités de pointe distribuées librement.

Étape intermédiaire de la ligne GPT-5, avant la segmentation en 3 niveaux arrivée en juillet.

Impact. Confirme la cadence rapide d'OpenAI, avec 3 versions majeures sur le premier semestre.

128 milliards de paramètres, 256 000 tokens de contexte, et un niveau de raisonnement réglable requête par requête.

Impact. Mistral mise sur le réglage fin du coût par requête plutôt que sur la course à la taille.

Première version majeure de l'année pour la ligne GPT-5.

Impact. Ouvre une année à cadence soutenue chez OpenAI.

6 sorties dans le même mois, du petit modèle à la synthèse vocale, plus des outils de développement et un partenariat avec NVIDIA.

Impact. Mistral élargit son offre au-delà du modèle de langage, vers une gamme d'outils complète.

Modèle phare doté d'un mode de raisonnement, présenté en mars 2026 au-dessus de la génération GigaChat 2.0.

Impact. Installe une banque parmi les concepteurs de modèles, cas unique dans ce classement.

Mise à jour du haut de gamme Gemini, sortie en avant-première quelques mois après la génération 3.

Impact. Google resserre son rythme de mise à jour sur le segment le plus visible.

Famille lancée le 14 février 2026, avec 3 modèles d'agent généralistes, Pro, Lite et Mini, plus un modèle dédié au code.

Impact. Structure l'offre par usage plutôt que par taille, et porte l'assistant le plus utilisé de Chine, 382 millions de personnes par mois.

Première refonte d'architecture, avec une vision native portée par l'encodeur MoonViT et une fenêtre de 256 000 jetons.

Impact. Fait passer Kimi du texte seul au multimodal, sans quitter l'open-weight.

Annoncé le 8 avril, premier modèle des Superintelligence Labs, et surtout premier modèle propriétaire de Meta. Usage d'outils, chaîne de pensée visuelle et orchestration de plusieurs agents. La version 1.1 suit le 9 juillet.

Impact. Rupture stratégique. Meta quitte l'open-weight qui faisait sa marque pour affronter OpenAI sur son terrain.

675 milliards de paramètres au total dont 41 activés par token, 256 000 tokens de contexte, publié sous licence Apache 2.0 donc librement installable chez soi.

Impact. Le champion européen place un modèle de tout premier plan en accès libre, sans coût par token.

Génération orientée agents longue durée, avec un raisonnement de pointe et un contexte de 1 million de tokens, disponible dès le premier jour dans la recherche Google.

Impact. Reprise de la course au raisonnement et pivot agentique de Google, à l'échelle de son moteur de recherche.

Introduit un paramètre d'effort réglable pour arbitrer entre vitesse et qualité. Meilleur modèle de programmation d'Anthropic à cette date.

Impact. Installe le contrôle explicite de l'effort de calcul comme standard d'usage.

Ajoute des traces de raisonnement visibles et enchaîne jusqu'à 300 appels d'outils de suite sans intervention humaine.

Impact. Déplace la référence de l'agent autonome vers le camp des modèles ouverts.

Nouvelle famille de modèles présentée à côté de YandexGPT, avec une fenêtre de 65 536 tokens. Elle fait tourner l'assistant Alice, intégré au navigateur du groupe.

Impact. Alice atteint 71 millions d'utilisateurs par mois et entre dans les 10 premiers produits d'IA mobile au monde.

Ramène le raisonnement étendu et l'usage d'ordinateur dans le modèle le plus rapide et le moins cher de la gamme.

Impact. Rend les capacités agentiques accessibles à grande échelle et à bas coût.

Mise à jour qui introduit 4 durées de réflexion réglables nativement, accompagnée de nouveaux modèles de synthèse et de clonage vocal.

Impact. Laisse l'utilisateur arbitrer entre vitesse et qualité de raisonnement, au lieu de choisir un modèle différent.

Sessions agentiques prolongées sur plusieurs dizaines d'heures grâce à une meilleure gestion de la mémoire et du contexte.

Impact. Prouve qu'un modèle de milieu de gamme peut tenir un travail autonome quasi journalier.

Premier modèle unifié qui fusionne les modèles rapides et les modèles de raisonnement dans un seul système, avec un routeur automatique. Contexte de 400 000 tokens.

Impact. Met fin à la séparation entre gammes GPT et o, un tournant pour toute la suite.

Premiers poids ouverts d'OpenAI depuis 2019, sous licence Apache 2.0, exécutables localement.

Impact. Retour d'OpenAI sur le terrain de l'open source face à Llama, Mistral et DeepSeek.

Raisonnement abstrait renforcé, appel d'outils natif et recherche en temps réel intégrée.

Impact. Premier Grok à rivaliser frontalement avec les meilleurs modèles de raisonnement.

Modèle à experts de 1 000 milliards de paramètres, dont 32 milliards activés par jeton, publié en poids ouverts sous licence MIT modifiée et taillé pour l'usage d'outils.

Impact. Premier modèle ouvert à rivaliser sérieusement avec les modèles fermés sur l'appel d'outils.

Premier modèle de raisonnement de Mistral, avec une chaîne de pensée traçable et multilingue, en open-weight.

Impact. Réponse européenne à la vague des modèles de raisonnement, avec un accent sur la transparence.

Génération Claude 4. Opus 4 est présenté comme le meilleur modèle de programmation au monde, capable de travail autonome soutenu sur plusieurs heures.

Impact. Bascule d'Anthropic vers l'agent capable de tenir une tâche de développement complète.

Premiers modèles de raisonnement à manipuler des images dans leur chaîne de pensée et à utiliser des outils de façon autonome pendant la réflexion.

Impact. Première fusion réelle entre raisonnement et usage d'outils multimodaux.

Première famille Llama en Mixture-of-Experts, multimodale dès le pré-entraînement. Scout offre un contexte de 10 millions de tokens, record en open-weight.

Impact. Repousse la limite du contexte en open source, malgré une controverse sur les benchmarks.

Raisonnement hybride dans un seul modèle, entre réflexion approfondie et réponse rapide. Toute la gamme sous licence Apache 2.0.

Impact. Rapproche les modèles ouverts des modèles fermés sur le raisonnement.

Premier Gemini explicitement conçu comme modèle de réflexion, avec une chaîne de pensée déroulée avant la réponse.

Impact. Installe le raisonnement délibératif natif comme standard de la gamme Gemini.

Premier modèle hybride au monde. Un seul modèle propose une réponse rapide et un mode de raisonnement étendu activable à la demande.

Impact. Invente le format hybride que GPT-5 généralisera quelques mois plus tard.

Bond de calcul d'entraînement avec un cluster d'environ 200 000 GPU, et premier mode de raisonnement explicite chez xAI.

Impact. Rapproche xAI des standards de raisonnement de l'époque.

Démontre que le raisonnement en chaîne de pensée peut émerger par apprentissage par renforcement pur, publié en open-weight sous licence MIT.

Impact. Événement le plus disruptif de la période, qui démocratise le raisonnement de haut niveau et secoue les marchés.

Premier modèle de Moonshot à raisonner par étapes explicites avant de répondre, avec un entraînement par renforcement sur des chaînes longues.

Impact. Fait entrer un troisième laboratoire chinois dans la course au raisonnement, quelques jours après DeepSeek R1.

Génération multimodale dotée d'une fenêtre de 128 000 tokens, avec la génération d'images confiée à la famille Kandinsky.

Impact. Couvre texte et image dans un même service, condition d'usage grand public sur le marché russe.

671 milliards de paramètres en MoE, entraîné pour une fraction du coût des modèles occidentaux équivalents, en open-weight.

Impact. Choc économique, avec un modèle frontière ouvert entraîné pour quelques millions de dollars.

Premier Gemini pensé pour l'ère agentique, avec sortie native image et audio, usage natif d'outils et planification d'actions.

Impact. Pivot officiel de Google vers des agents capables d'agir dans un environnement numérique.

Version généralisée du raisonnement par chaîne de pensée entraîné par renforcement.

Impact. Confirme le raisonnement comme nouvel axe de progrès, au-delà de la taille des modèles.

Introduit l'usage d'ordinateur en bêta. Le modèle déplace la souris, clique, tape et lit l'écran pour accomplir des tâches.

Impact. Premier pas concret vers des agents qui agissent sur un ordinateur comme un humain.

Premier modèle public à chaîne de pensée cachée entraînée par renforcement. Gains spectaculaires en maths, sciences et code.

Impact. Naissance de la catégorie des modèles de raisonnement.

Refonte complète de la famille, pré-entraînement sur 18 000 milliards de tokens, gains marqués en code et en maths.

Impact. Devient l'une des familles open-weight les plus utilisées au monde.

Raisonnement, usage d'outils et vision nettement améliorés, disponible via API.

Impact. Premier Grok réellement compétitif face aux modèles propriétaires établis.

Premier Llama à 405 milliards de paramètres, contexte de 128 000 tokens, présenté comme le premier modèle ouvert rivalisant avec les meilleurs modèles fermés.

Impact. Tournant pour la crédibilité de l'open source face au propriétaire.

Dépasse Claude 3 Opus tout en étant moins cher et plus rapide, avec un bond notable en programmation.

Impact. Le modèle de milieu de gamme dépasse le haut de gamme de la génération précédente.

Architecture MoE avec attention latente multi-têtes, qui réduit fortement le coût d'inférence.

Impact. Première rupture technique majeure de DeepSeek et base de sa réputation d'efficacité.

Premier modèle nativement multimodal en temps réel, texte, image et audio dans un seul réseau, avec une latence vocale proche de l'humain.

Impact. Premier assistant vocal en temps réel de qualité conversationnelle, rendu gratuit à grande échelle.

Entraîné sur plus de 15 000 milliards de tokens, avec un saut qualitatif en raisonnement et en code.

Impact. Confirme Llama comme référence open-weight face aux modèles propriétaires.

Première gamme à 3 tailles chez Anthropic, avec vision multimodale sur les 3 modèles et une quasi-parité avec GPT-4.

Impact. Fait entrer Anthropic dans la cour des modèles multimodaux de premier plan.

Fenêtre de contexte inédite de 1 million de tokens, soit environ 1 heure de vidéo ou 700 000 mots, avec une architecture MoE.

Impact. Établit le long contexte comme avantage compétitif différenciant.

Premier modèle propriétaire haut de gamme de Mistral, conçu pour rivaliser avec GPT-4.

Impact. Premier pas de Mistral vers le marché entreprise avec un modèle frontière.

Premier modèle de Google nativement multimodal, conçu dès l'origine pour combiner texte, code, audio, image et vidéo, en 3 tailles.

Impact. Entrée officielle de Google dans la compétition frontale avec GPT-4.

Premier Mixture-of-Experts open-weight de Mistral, avec une performance proche de GPT-3.5 pour un coût bien moindre.

Impact. Démocratise l'architecture MoE en open source.

Contexte de 128 000 tokens, coûts d'API fortement réduits et appel de fonctions amélioré.

Impact. Fait passer GPT-4 de prouesse technique à outil déployable en entreprise.

Premier modèle de xAI, architecture MoE de 314 milliards de paramètres, lié dès l'origine à la plateforme X.

Impact. Entrée de xAI dans la course aux modèles de fondation.

Premiers modèles du laboratoire, un généraliste et un dédié au code, en open-weight.

Impact. Établit DeepSeek comme laboratoire crédible dès sa première année.

Modèle fondateur du laboratoire, qui dépasse Llama 2 13B malgré sa taille réduite.

Impact. Lance la vague des modèles open-weight performants en Europe.

Premier modèle de fondation d'Alibaba, publié en plusieurs tailles, lançant sa stratégie open-weight.

Impact. Point de départ de toute la lignée Qwen.

Premier Llama distribué avec une licence d'usage commercial, entraîné sur 2 000 milliards de tokens.

Impact. Devient la base de milliers de modèles dérivés dans le monde.

Contexte de 100 000 tokens en standard et lancement de l'interface grand public claude.ai.

Impact. Premier Claude à toucher directement le grand public.

Premier modèle public d'Anthropic, bâti sur les principes de la Constitutional AI, avec un contexte long pour l'époque.

Impact. Premier concurrent sérieux et indépendant à GPT, avec une identité fondée sur la sécurité.

Premier modèle multimodal d'OpenAI, texte et image, avec un gain massif de fiabilité et de raisonnement. Réussit des examens au niveau humain.

Impact. Référence absolue du secteur pendant plus d'un an.

Première famille de modèles de fondation ouverts de Meta, de 7 à 65 milliards de paramètres.

Impact. Sa fuite en mars 2023 déclenche l'explosion de l'écosystème open source moderne.

Première mise à disposition grand public d'un modèle conversationnel affiné par renforcement, via une interface de chat simple et gratuite.

Impact. Déclenche l'explosion mondiale de l'IA générative grand public.

Suite de modèles comparable à GPT-3, publiée avec son code d'entraînement, une transparence rare à cette taille.

Impact. Premier grand geste d'ouverture de Meta, base culturelle qui mènera à Llama.

Modèle dense de 540 milliards de paramètres entraîné via le système Pathways, avec une efficacité d'entraînement record.

Impact. Démontre la capacité à passer à l'échelle, base technique qui mènera à Gemini.