Comment évaluer un « quota gratuit »
Quatre points comptent. L'unité de compte : à l'essai (N images ou N chansons par jour), au token ou au caractère (API et synthèse vocale), au crédit (fréquent en génération d'images et de vidéos, chaque opération débitant un nombre de points différent) ou à la durée (transcription). Le cycle de remise à zéro : quotidien, c'est le plus confortable ; mensuel, il faut planifier ; un don unique s'épuise et s'arrête. La qualité rabotée : les paliers gratuits donnent souvent de la basse résolution, un filigrane, un ancien modèle ou une file d'attente lente ; les sorties gratuites de remove.bg et de Clipdrop plafonnent à une résolution de prévisualisation. Les conditions cachées : carte bancaire (le crédit gratuit de l'API OpenAI a été supprimé, il faut désormais recharger), invitation, adresse e-mail universitaire. Le seul vrai « illimité gratuit » est l'exécution locale de modèles ouverts, au prix de votre matériel et de votre électricité. Pour choisir : un classement d'abord pour la qualité, Artificial Analysis ensuite pour le prix, puis un essai du palier gratuit sur une vraie tâche.
Comptes, inscription et limites régionales
Trois notions se confondent souvent. Accessibilité : le site s'ouvre-t-il directement depuis chez vous ; certains services bloquent par IP. Inscription : même accessible, l'inscription vérifie souvent un numéro ou une carte, et certains produits sont verrouillés par région. Zone de service : pouvoir se connecter ne garantit pas que le service fonctionne ; quelques produits limitent des fonctions selon la région. Cet annuaire ne liste que des services qu'on peut enregistrer et utiliser depuis plusieurs régions ; les exigences d'inscription et les limites régionales figurent dans l'avis de chaque fiche, et quand rien ne s'inscrit, une alternative directement utilisable se trouve en général dans le même groupe.
BYOK et destination des données
Avec un service d'IA, les données peuvent prendre trois chemins. Le produit du fournisseur (ChatGPT web, appli Claude) : le contenu est stocké chez le fournisseur et souvent utilisé pour l'entraînement par défaut ; cela se désactive dans les réglages. Les enveloppes tierces : le contenu passe par un autre serveur avant d'atteindre le fournisseur du modèle, avec un risque de fuite rarement signalé. Les outils BYOK (le chat IA de ce site, Continue, Aider, Open WebUI avec une API cloud) : votre clé, votre requête, directement de votre appareil au fournisseur sans intermédiaire ; l'historique reste local. Ce site garde les clés en mémoire de session par défaut et n'écrit dans localStorage que si vous cochez « mémoriser la clé ». L'exécution locale (Ollama, LM Studio, Whisper, ComfyUI, détourage / OCR de ce site) : les données ne quittent jamais l'appareil — la seule voie sereine pour les contrats, les dossiers médicaux et le code non publié.
Quel matériel pour l'exécution locale
Pour les modèles de texte, on estime à partir du nombre de paramètres : un modèle de 7–9B quantifié en 4 bits occupe environ 5 Go de mémoire et tourne sur un portable ; 14B, environ 9 Go ; 32B, environ 20 Go avec GPU dédié ou un Mac à partir de 32 Go de mémoire unifiée ; au-delà de 70B, c'est du matériel de station de travail. Ollama et LM Studio choisissent seuls le niveau de quantification GGUF et répartissent le travail entre CPU et GPU. Modèles d'images : SDXL demande 6–8 Go de VRAM, FLUX est confortable au-dessus de 12 Go ; les modèles vidéo réclament en général 16–24 Go. La transcription Whisper tourne en temps réel sur CPU avec whisper.cpp. La mémoire unifiée rend les puces Apple M très intéressantes pour l'inférence locale ; sous Windows, privilégiez une carte NVIDIA (l'écosystème CUDA est le plus complet).
Comment lire un classement
LMArena fonctionne par combats anonymes et votes des utilisateurs : il reflète la réponse que les gens préfèrent, surtout utile pour le chat, mais favorise les réponses longues et bien mises en forme ; LiveBench renouvelle régulièrement ses questions contre la contamination des jeux d'entraînement ; SWE-bench et le classement Aider mesurent le code sur de vraies tâches ; Artificial Analysis croise qualité, vitesse et prix sur trois axes, le premier réflexe pour choisir un fournisseur d'API ; OpenCompass et SuperCLUE couvrent les tâches en chinois. Un classement isolé peut toujours être optimisé pour ; prenez le recouvrement de deux ou trois classements, puis testez sur vos propres tâches.
Agents, workflows et MCP
Passer de « discuter avec un modèle » à « laisser le modèle agir » demande trois ingrédients : l'appel d'outils (le modèle peut chercher, lire des fichiers, appeler des API), la planification en plusieurs étapes (déduire la suivante des résultats) et l'état avec mémoire. Dify et Flowise assemblent cela visuellement ; n8n et Zapier ont fait pousser des nœuds IA depuis l'automatisation ; LangGraph, CrewAI, AutoGen et le SDK Agents d'OpenAI sont des frameworks de code. MCP (Model Context Protocol) résout le branchement uniforme des outils : un outil exposé par un serveur MCP fonctionne dans Claude, Cursor, ChatGPT et tout client compatible, sans le réécrire pour chacun.