Modèle ouvert · IA locale
SmolLM2 360M
Sur le disque
0,7 Go
Mémoire sur Mac
5 Go
Carte graphique sur PC
2 Go
Paramètres
360 millions
Code, notre labo
7 %
Notre recommandation
Mac mini M6, 16 Go
Le Mac le plus modeste qui écrit 500 mots en 20 secondes ou moins avec ce modèle (environ 15 s).
SmolLM2 360M en bref
SmolLM2 360M est le modèle du milieu de la famille SmolLM2, un modèle ouvert publié par Hugging Face sous licence Apache 2.0. Avec 360 millions de paramètres, il reste assez petit pour tourner sur un vieil ordinateur ou un téléphone. Il s'adresse aux développeurs qui veulent une tâche de texte simple et hors ligne, pas à ceux qui cherchent un assistant pour rédiger ou raisonner.
Forces
- Il répond très vite. Dans une étude de l'Université Binghamton, sa réponse respectait le format demandé dans 99,9 % des cas, en 0,07 seconde en moyenne.
- Selon l'éditeur, il suit mieux les consignes que Qwen2.5 0.5B, avec 41 contre 31,6 à l'épreuve IFEval (respect des instructions).
- Sa licence ouverte Apache 2.0 laisse une entreprise l'intégrer à ses outils et le modifier sans payer de redevance.
- Selon l'éditeur, il a été entraîné sur 4 000 milliards de jetons (un jeton est un morceau de mot), le double de SmolLM2 135M.
Faiblesses
- Il se trompe souvent sur des tâches simples. Dans l'étude de l'Université Binghamton, il répondait juste à 32 % de questions à choix multiples (classer, extraire, appliquer une règle), au 8e rang sur 9 modèles.
- Il ne sait pas se servir de documents fournis. Dans une étude de BITS Pilani, il n'a trouvé aucune bonne réponse même quand le passage contenait la réponse, et l'auteur juge ses réponses incohérentes.
- Il calcule mal, avec un score de 7,4 sur 100 à l'épreuve de mathématiques GSM8K publié par l'éditeur, contre 26,8 pour Qwen2.5 0.5B.
- Sa fiche du modèle précise qu'il comprend et produit surtout de l'anglais, un frein pour une entreprise qui travaille en français.
Notre test
Code : 7 %, rédaction : 36 %, test du 8 nov. 2026. Notre méthode.
Pour quels usages
- Servir de point de départ à un réglage fin (un entraînement complémentaire sur vos propres exemples) pour une tâche étroite et répétitive, en sachant que le gain mesuré par l'Université Binghamton reste modeste.
- Faire tourner une démonstration d'IA hors ligne sur un appareil modeste, comme un vieux portable ou un mini-ordinateur.
D’où il vient
Hugging Face a lancé SmolLM2, qui succède à SmolLM, en trois tailles allant de 135 millions à 1,7 milliard de paramètres, et en a décrit l’entraînement dans un rapport technique publié en février 2025. Le modèle existe en version de base et en version « Instruct », réglée pour suivre des consignes dans une conversation.
Ce qui le distingue
Il se place entre SmolLM2 135M, presque trop petit pour une vraie tâche, et SmolLM2 1.7B, qui commence à rendre service. Dans l’étude de l’Université Binghamton, il fait un peu mieux que SmolLM2 135M (32 % contre 30 %) mais reste loin de SmolLM2 1.7B (43 %). Un réglage sur la tâche visée l’a fait passer de 35 % à 45 % sur une partie des questions, un gain réel mais plus faible que celui des modèles plus gros. L’auteur conclut que les plus petits SmolLM2 restent limités par leur taille.
L’étude de BITS Pilani va dans le même sens. Son auteur estime qu’il faut environ 1 milliard de paramètres pour qu’un modèle se serve des documents qu’on lui donne. Pour une PME qui veut interroger ses propres documents, un modèle plus gros convient mieux. SmolLM2 360M trouve plutôt sa place dans un logiciel qu’un développeur règle pour une tâche précise.
Sources
- SmolLM2-360M-Instruct, fiche du modèle (Hugging Face) (site officiel, consulté le 8 nov. 2026)
- SmolLM2: When Smol Goes Big, rapport technique (Hugging Face, arXiv, février 2025) (site officiel, consulté le 8 nov. 2026)
- Democratizing AI with Small Language Models: Structured Benchmarking and Parameter-Efficient Fine-Tuning for Local Deployment (Daniel Cersosimo, Université Binghamton, arXiv, 2026) (consulté le 8 nov. 2026)
- Can Small Language Models Use What They Retrieve? (Sanchit Pandey, BITS Pilani, arXiv, mars 2026) (consulté le 8 nov. 2026)
Fiche publiée le 29 oct. 2026, mise à jour le 8 nov. 2026.
Sur quelle machine faire tourner SmolLM2 360M
| Machine | Minimum | À l'aise | Texte de 500 mots |
|---|---|---|---|
| Mac mini M6 | 16 Go | 24 Go | environ 15 s |
| MacBook Air M5 (13 et 15 pouces) | 16 Go | 24 Go | environ 15 s |
| MacBook Pro 14 pouces M6 | 16 Go | 24 Go | environ 15 s |
| iMac 24 pouces M6 | 16 Go | 24 Go | environ 14 s |
| Mac mini M5 Pro | 24 Go | 48 Go | environ 8 s |
| MacBook Pro 14 et 16 pouces M5 Pro | 24 Go | 48 Go | environ 8 s |
| MacBook Pro 14 et 16 pouces M5 Max | 36 Go | 48 Go | environ 5 s |
| Mac Studio M5 Max | 36 Go | 48 Go | environ 5 s |
| Mac Studio M5 Ultra | 96 Go | 256 Go | environ 2 s |
| PC Windows | Carte graphique d'au moins 12 Go, 32 Go de mémoire vive. Vitesse à mesurer. | ||
Vitesses estimées à partir de notre mesure du 8 nov. 2026.
Au labo
Testé le 8 nov. 2026 : 7 % en code, 36 % en rédaction. Voir le labo IA.
Nos épreuves avancées
En plus du test de base, le modèle passe des épreuves de code, de documents et d'outils dont les réponses sont vérifiées automatiquement. L'appel d'outils vérifie que le modèle choisit la bonne fonction avec les bons paramètres. L'agent enchaîne seul plusieurs étapes. Le jury réunit trois modèles d'autres éditeurs, qui notent le texte sans savoir qui l'a écrit.
| Épreuve | Résultat |
|---|---|
| Code Python par niveaux | 25 % |
| Code difficile (tableur, base de données, adresses web) | 0 % |
| Documents (facture, résumé) | 22 % |
| Contrat et avenants | 0 % |
| Appel d'outils | 10 % |
| Agent en plusieurs étapes | 0 % |
| Adaptation québécoise | 31 % |
| Qualité de la rédaction, notée par un jury | 5 sur 25 |
| Adaptation québécoise, notée par un jury | 9,7 sur 25 |
Moyenne de 3 essais, mesurée le 8 nov. 2026.
L'évaluation de Claude : 6 sur 25
Après le test, Claude, le modèle d'Anthropic, lit toutes les réponses et les note de 1 à 5 sur cinq critères, selon une grille fixe. Ses notes s'ajoutent aux mesures du labo sans les remplacer.
| Critère | Note |
|---|---|
| Code | 1 sur 5 |
| Rédaction | 1 sur 5 |
| Documents | 2 sur 5 |
| Outils | 1 sur 5 |
| Constance d'un essai à l'autre | 1 sur 5 |
Bon pour
- Faire un premier essai d'Ollama avec un modèle de très petite taille
- Constater par vous-même les limites d'un modèle de quelques centaines de millions de paramètres
À éviter pour
- Produire du code à utiliser tel quel
- Rédiger ou adapter un texte en français
- Remplir une fiche à partir d'une facture ou d'un contrat
Évaluation du 8 nov. 2026.
Par Jacob Bédard
Recevez les résultats chaque semaine
Le duel du mardi et les nouveautés du lundi, dans votre boîte courriel. Désabonnement en un clic. Notre politique de confidentialité.
Labo IA
Un modèle ou un usage à tester ?
Proposez-le au labo : nous publions les résultats pour tout le monde.
Demander un test →