Llama 3 et Llama 4 : la famille open de Meta, quel modèle tourne sur votre matériel

Si en juin 2024 Llama 3 semblait le point d'arrivée des modèles ouverts, aujourd'hui la famille de Meta est la voie principale vers l'IA locale sérieuse : trois générations en un an et demi, un changement d'architecture (MoE), un saut du contexte de 8K à 10M de jetons, et une licence qui, pour les entreprises italiennes, veut dire une chose — vous pouvez l'utiliser en interne gratuitement, sans rien demander.

Cet article est la carte de la famille Llama pour ceux qui doivent l'utiliser vraiment : ce qu'il y a, ce qui tourne sur votre matériel, et lequel choisir.

La famille, une ligne par modèle

Modèle	Sortie	Architecture	Paramètres actifs	Contexte	Notes
Llama 3.2 1B / 3B	sept 2024	dense	1B / 3B	128K	on-device, assistants embarqués
Llama 3.1 8B	juil 2024	dense	8B	128K	le cheval de bataille des 8 Go
Llama 3.3 70B	déc 2024	dense	70B	128K	le 70B « de travail »
Llama 4 Scout (17B×16E)	avr 2025	MoE	17B sur 109B	10M	multimodal (texte+image)
Llama 4 Maverick (17B×128E)	avr 2025	MoE	17B sur 400B	1M	top de gamme, pas pour le desktop

Deux choses sautent aux yeux. La première : Scout est un MoE — pour chaque jeton, seulement un sous-ensemble d'experts travaille (17 milliards de paramètres actifs sur 109 au total), donc c'est rapide comme un 17B et capable bien plus qu'un 70B dense, mais il occupe la RAM comme un 109B. La seconde : le contexte est devenu une feature — 10M de jetons sur Scout signifie, en théorie, un archivier entier de documents en jeu.

Ce qui tourne sur votre matériel

La règle est la même que toujours (le calcul complet) : poids quantisés + KV cache, avec une marge pour le système. En pratique :

Modèle (Q4)	RAM/VRAM nécessaire	Sur quel matériel
Llama 3.2 3B	4–6 Go	n'importe quel laptop, GPU intégrés, jusqu'au Raspberry Pi 5 16GB (lent)
Llama 3.1 8B	8–10 Go	GPU 12GB ou Mac avec 16 Go
Llama 3.3 70B	44–50 Go	2×24GB, Strix Halo 128GB, Mac avec 64 Go+
Llama 4 Scout Q4	~67 Go (Q4_K_M)	2×24GB difficilement, Strix Halo 128GB, Mac 96 Go+

Le point non banal : Scout n'est pas le modèle pour le premier ordinateur, mais c'est le modèle qui change l'avis de ceux qui ont 128 Go. Avec la Mac Studio M5 Ultra ou un mini-PC Strix Halo, 109B MoE à 17B actifs, c'est la vitesse d'un 17B avec la qualité d'une frontière économique — le meilleur rapport qualité/vitesse pour euro de RAM qui existe en local aujourd'hui. Mais pour 109B, la bande passante de 800 Go/s est le goulet : sous 300 Go/s (typique dual 24GB), vous descendez à 5–8 jetons/s, utilisable mais pas brillant.

Comment l'utiliser

Depuis Ollama, deux commandes pour le modèle de travail et une pour Scout :

ollama pull llama3.1:8b      # le 8B du quotidien
ollama pull llama4:scout     # ~67GB, requiert une RAM dédiée

ollama run llama3.1:8b "Résume ce contrat en 5 points"

Depuis le code, c'est la même API compatible OpenAI d'habitude (port 11434) :

from openai import OpenAI
client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")
r = client.chat.completions.create(
    model="llama3.1:8b",
    messages=[{"role": "user", "content": "Liste les obligations de l'art. 30"}])
print(r.choices[0].message.content)

Si l'app utilise déjà le SDK OpenAI ou Anthropic, changez une ligne et vos modèles Meta tournent en interne : Ollama vs LM Studio explique quel runtime choisir.

La licence, traduite pour l'entreprise italienne

La famille Llama 3 est publiée sous la Llama 3 Community License ; Llama 4 sous la Llama 4 Community License. Pour ceux qui ne sont pas Meta :

• usage commercial : libre, y compris le produit vendu ;
• contrainte réelle : au-dessus de 700 millions d'utilisateurs actifs mensuels, un accord séparé avec Meta est requis — une seuil qu'aucune entreprise italienne ne s'approchera de toucher ;
• reste la marque : « Llama » ne peut pas devenir le nom de votre produit ;
• pas open source au sens strict (pas OSI-approved), mais pour l'usage d'entreprise c'est de facto open.

Pour le cabinet, le comptable, l'assureur qui veut un modèle sur des documents internes : licence sans surprises. Ce que ça change en matière de RGPD se voit dans l'article dédié — en bref : avec Llama en interne, le transfert hors UE disparaît.

Ce qu'il faut choisir aujourd'hui

• Premier ordinateur, 16 Go → Llama 3.1 8B : le meilleur compromis qualité/vitesse sous 128K.
• Budget 24–48 Go (2×GPU ou Mac) → Llama 3.3 70B pour le texte, ou Scout si la vision vous intéresse.
• 128 Go+ (Strix Halo, Mac Studio) → Scout : le modèle à montrer au client.
• Embarqué/edge → 3.2 3B, le 1B pour les appareils les plus serrés.
• Juste de la curiosité, pas de RAM → le 8B sur Raspberry Pi 5 fait quand même son travail.

La famille Llama n'est plus « le modèle de Meta » : c'est l'échelle de grandeurs de référence sur laquelle tout le reste se mesure, et le fait que la 3.1 8B de 2024 et la 4 Scout de 2025 tournent sur la même commande ollama pull dit à quel point la courbe s'est redressée.

Sources

• Meta AI — The Llama 4 herd
• Llama 4 Community License Agreement
• Hugging Face — Llama-4-Scout-17B-16E
• Ollama library — llama4

Article généré par IA