2026-10-15
Agents IA en local avec les modèles open-weights
Kimi K3, DeepSeek-V4.1-Flash, MiMo-V2.6 et GLM-5.3 rivalisent avec les modèles fermés sur l'usage d'outils, l'automatisation et le computer use. En local, l'agent travaille sur vos données sans les divulguer, et vous payez à l'heure, pas au token.
Un agent ne répond pas à une question : il planifie, appelle des outils, lit les résultats et réessaie. Une seule tâche peut durer des heures et traverser le CRM, la messagerie, les documents internes et les bases de données. C'est le cas d'usage où l'exécution locale compte le plus, car chaque appel d'outil emporte des données d'entreprise.
Les modèles les plus forts sur les agents
Kimi K3 est la référence pour la recherche et l'usage d'outils. Dans le tableau de Moonshot AI : 91,2 sur BrowseComp (GPT-5.6 Sol 90,4, Claude Fable 5 88,0), 94,5 sur MCPMark-Verified et 84,8 sur OSWorld-Verified. Conçu pour de longues sessions avec supervision minimale, sur des contextes jusqu'à un million de tokens. Au catalogue, il tourne avec vLLM sur 8× B300 à environ 215 tok/s.
DeepSeek-V4.1-Flash est conçu pour les charges agentiques riches en entrée : seulement 8 B paramètres en prefill, et le cache KV de 890 octets par token rend les longs contextes pleins de sorties d'outils peu coûteux. DeepSeek annonce 54,8 sur AutomationBench (Claude Opus 5.0 50,3) et 31,8 sur Agent's Last Exam, le plus haut de son tableau. Lancement avec vLLM sur 8× H200 dès ~16,5 $/h, ou en local sur un Mac 128 Go avec ds4 Metal.
MiMo-V2.6 de Xiaomi est omnimodal (texte, image, vidéo, audio) avec une seule phase de reinforcement learning mêlant coding, agents, vision et cybersécurité, de sorte que les capacités se renforcent mutuellement. La variante Flash-RL atteint 73,6 sur Toolathlon-Verified et 52,3 sur AutomationBench, et tourne sur 4× RTX PRO 6000 à environ 3,1 $/h : le chemin agentique le moins cher du catalogue.
GLM-5.3 est fort sur les tâches à long horizon : 48,2 sur AutomationBench et 73,0 sur Toolathlon-Verified dans le tableau Z.ai, avec un contexte jusqu'à 1 M de tokens.
Les scores sont annoncés par les constructeurs, avec des harnais différents d'une fiche à l'autre : pour se repérer, non pour établir un classement absolu.
Pourquoi les garder en interne
- Les données ne sortent pas. L'agent lit et écrit sur vos systèmes, mais le modèle répond sur un endpoint exposé uniquement sur
127.0.0.1. Rien ne part vers une API tierce. - Coût à l'heure, pas au token. Un agent qui tourne des heures brûle des millions de tokens. Avec un GPU dédié, la facture est prévisible et la session s'arrête quand c'est fini.
- Clés MCP à portée limitée et expiration. SophyAI délivre des clés MCP restreintes pour ne donner aux agents que les outils nécessaires, le temps nécessaire.
Comment ça se connecte
SophyAI publie un endpoint local compatible OpenAI : les frameworks agentiques du catalogue pointent dessus — Agno, LangGraph, CrewAI, smolagents, OpenHands, Letta, n8n — sans changer de code. Choisissez une recette, lancez la session (locale ou cloud) et l'agent dialogue avec un modèle sous votre contrôle.
Pour les deux autres scénarios, voir coding agentique, en local et cybersécurité avec des modèles locaux. La vue d'ensemble des modèles est dans Les modèles de frontière open-weights, en local.