Small Language Model (SLM)

Un Small Language Model (SLM) est un modèle de langage compact avec relativement peu de paramètres, qui tourne de ce fait plus vite, à moindre coût et sur du matériel plus modeste qu’un grand modèle. C’est la contrepartie allégée d’un large language model, délibérément dégraissée pour la rapidité et l’efficacité plutôt que pour une polyvalence maximale.

En quoi diffère-t-il d’un grand modèle ?

Un grand modèle veut savoir à peu près tout faire et a pour cela besoin d’une énorme puissance de calcul. Un SLM choisit délibérément d’en faire moins. En l’entraînant ou en l’affinant sur une tâche clairement délimitée, comme classer des e-mails, router des questions de support ou nettoyer des données produit, il livre sur ce terrain étroit des résultats souvent tout aussi utilisables. Il réagit plus vite, coûte moins par appel et peut parfois tourner localement ou au sein de votre propre infrastructure, ce qui est pratique pour la vie privée et les données sensibles.

Pourquoi plus petit est parfois plus intelligent

Le réflexe est de toujours choisir le plus grand modèle, mais c’est rarement le choix le plus judicieux. Pour beaucoup de tâches concrètes, un modèle petit et ciblé suffit amplement, alors qu’il coûte une fraction. Les deux modèles reposent sur les mêmes principes de machine learning, et souvent un SLM part d’un foundation model plus large qui a été affiné pour un seul objectif.

Ce que cela signifie pour les entreprises B2B

Pour une entreprise B2B, le choix ne porte pas sur le modèle qui sonne le plus impressionnant, mais sur celui qui exécute la tâche de manière fiable pour un coût raisonnable. Un SLM qui traite des centaines de tâches de routine, discrètement et à bas prix, rapporte souvent plus qu’un modèle coûteux que vous déployez pour tout. Pilotez sur ce que cela rapporte en temps, en clients et en chiffre d’affaires, pas sur la taille du modèle.