Selon Ted Sanders, la taille explique une grande partie des écarts entre IA

Faut-il toujours choisir le plus gros modèle d’intelligence artificielle ? Dans une courte citation publiée le 28 octobre 2026 par Simon Willison, qui collecte des citations sur son blog, Ted Sanders explique les conventions de nommage des modèles d’OpenAI. Il avance au passage une règle : une grande partie des écarts de performance s’explique par la taille du modèle. Mais cette même taille fait grimper le prix par token.

Ce que dit réellement la citation

L’enjeu pour vous : savoir si un « meilleur » modèle l’est pour tout, et si cela justifie de payer davantage. La réponse de Ted Sanders est nuancée.

Selon la citation reprise par Simon Willison, les performances d’un grand modèle de langage (LLM, le type d’IA qui rédige du texte, comme ChatGPT) sont « incroyablement multidimensionnelles ». Autrement dit, rien ne garantit qu’il existe un classement unique. Le modèle le plus fort en mathématiques n’est pas forcément le plus drôle quand on lui demande des blagues.

Malgré cette complexité, Ted Sanders estime qu’une seule variable explique une grande partie des variations : la taille du modèle. Il en tire trois tendances générales. Les modèles plus gros sont :

• plus performants et plus fiables ;
• plus chers par token ;
• meilleurs pour se souvenir de faits ésotériques, c’est-à-dire très pointus et rarement cités.

En clair : la taille ne dit pas tout, mais c’est, selon lui, la variable qui explique le mieux les écarts entre modèles.

Une précision sur la nature du texte. Ce n’est ni une annonce de produit, ni une étude, ni un tableau de résultats. C’est un commentaire d’expert, une explication donnée à un interlocuteur. La légende de Simon Willison précise que Ted Sanders y explique les conventions de nommage des modèles d’OpenAI. Le texte ne contient aucun chiffre, aucun prix, aucun nom de modèle précis à comparer. Il décrit une tendance (« in general », en général), pas une mesure.

Taille et token : deux notions à garder en tête

L’enjeu : comprendre de quoi on parle quand on lit « gros modèle » et « coût par token ».

La taille d’un modèle renvoie, en gros, à la quantité de réglages internes qu’il a appris pendant son entraînement. La citation ne donne aucune définition technique ni aucun chiffre, et nous n’en inventerons pas. Retenez une image : un petit modèle ressemble à un carnet d’adresses de poche, un grand modèle à une bibliothèque entière. Il y a plus de choses dedans, il retrouve plus facilement une information rare, et il est plus lourd à manipuler.

Le token, lui, est l’unité de texte sur laquelle l’IA travaille, et sur laquelle on la facture. C’est à peu près un morceau de mot : un mot court tient souvent en un token, un mot long en plusieurs. Quand vous envoyez une question et recevez une réponse, tous ces morceaux sont comptés.

Pensez au compteur d’un taxi. Le trajet, c’est votre texte. Le prix du kilomètre, c’est le tarif par token. Et ce tarif dépend du véhicule : plus le modèle est gros, plus le kilomètre est cher, selon Ted Sanders.

Le revers de la médaille : une facture qui suit la taille

L’enjeu : une IA utilisée à grande échelle peut vite peser sur un budget.

La citation le dit sans détour : les modèles plus grands coûtent plus cher par token. Le raisonnement est simple. Un coût par token plus élevé, multiplié par un grand nombre de tokens, donne une facture qui grossit vite. Une PME qui fait résumer des centaines de courriels par jour, ou qui intègre l’IA à un outil utilisé par ses clients, le ressent plus qu’un particulier qui pose dix questions par semaine.

Sur ce point, la source ne donne ni tarifs ni écarts de prix. Impossible de dire, à partir d’elle, combien de fois un grand modèle coûte plus cher qu’un petit. On peut seulement retenir le sens du lien : plus de qualité, de fiabilité et de mémoire d’un côté, un coût unitaire plus haut de l’autre.

Le passage cité parle aussi de la gamme d’OpenAI. Ted Sanders y évoque l’ordre dans lequel les modèles sont classés, mais l’extrait est coupé à cet endroit : le critère de classement n’apparaît pas. Ce que le texte précise, c’est ce que signifie un numéro de version. Il indique plusieurs choses à la fois : l’ordre de sortie, la parenté avec d’autres modèles et l’ampleur de l’amélioration.

Son exemple : un « 6.1 » serait sorti après un « 5.6 » et partagerait des points communs, comme des données d’entraînement ou une « personnalité », avec d’autres modèles 6.1. C’est pour cela qu’il ne s’appelle pas « 5.7 ». Et ce n’est pas un bond assez grand pour mériter les titres et les attentes d’un « 7 ».

En clair : le numéro renseigne sur l’ordre de sortie, la parenté et l’ampleur du progrès. Pour connaître le prix, il faut regarder la grille tarifaire de l’éditeur.

Alors, faut-il toujours viser le plus gros ?

L’enjeu : éviter de payer pour une puissance dont on ne se sert pas, sans non plus rater une tâche qui en exigeait vraiment.

La citation ne tranche pas cette question pratique, et nous ne le ferons pas à sa place. Elle fournit toutefois deux repères utiles. Le premier : la performance est multidimensionnelle, donc le « meilleur modèle » dépend de ce qu’on lui demande. Le second : les avantages d’un grand modèle (fiabilité, mémoire des faits rares) ont un prix par token.

On peut en tirer quelques pistes à tester soi-même, sans prétendre qu’elles sont démontrées par la source :

• Tâches simples et répétitives (reformuler un courriel, classer des messages) : essayez d’abord un modèle plus petit. Si le résultat vous convient, la facture sera plus légère.
• Tâches où une erreur coûte cher (analyse d’un contrat, réponse à un client sur un point délicat) : la fiabilité mise en avant par Ted Sanders peut justifier un modèle plus gros, avec une relecture humaine dans tous les cas.
• Questions sur des faits très précis ou rares : c’est là que la mémoire d’un grand modèle devrait faire la différence, toujours selon la citation. Vérifiez quand même l’information.

La démarche la plus simple consiste à prendre cinq ou dix tâches réelles de votre activité, à les soumettre à un petit et à un gros modèle, puis à comparer la qualité des réponses et le coût. Vous obtiendrez un repère propre à votre usage, plus parlant qu’un classement général.

Une question reste ouverte : jusqu’où la règle « plus gros, meilleur » vaut-elle pour votre métier ? Ted Sanders parle de tendance générale, pas de loi. À chacun de vérifier où se situe, pour ses propres tâches, le point à partir duquel un modèle plus grand ne change plus rien d’utile à la réponse.

Sources

• A quote from Ted Sanders (Simon Willison)