Il est important de comprendre les besoins de l’administrateur de la communauté et de ses membres lors du choix d’un grand modèle linguistique (LLM) pour alimenter les fonctionnalités d’IA de Discourse.
Plusieurs facteurs peuvent influencer vos décisions :
- Performance pour le cas d’usage : Recherchez-vous le modèle le plus performant ? Les performances peuvent varier en fonction de la tâche (par exemple, résumé, recherche, raisonnement complexe, détection de spam). L’évaluation est basée sur la capacité du modèle à générer des réponses correctes, pertinentes et cohérentes.
- Longueur du contexte : La fenêtre de contexte est la quantité de texte qu’un modèle peut « voir » et prendre en compte à un instant donné. Des fenêtres de contexte plus grandes permettent de traiter plus d’informations (par exemple, des sujets plus longs pour le résumé) et de maintenir la cohérence sur des interactions plus longues.
- Compatibilité : Le modèle est-il pris en charge nativement par le plugin Discourse AI ? Nécessitera-t-il des points de terminaison API ou une configuration spécifique ? Consultez la documentation du plugin pour les fournisseurs et les modèles pris en charge.
- Prise en charge linguistique : Bien que de nombreux LLM de premier plan gèrent bien plusieurs langues, les performances peuvent varier. Si votre communauté utilise principalement une langue autre que l’anglais, il est recommandé de tester des modèles spécifiques pour cette langue.
- Capacités multimodales : Certaines fonctionnalités, comme la légende d’images dans l’assistant IA (AI Helper), nécessitent des modèles capables de traiter des images (vision). Assurez-vous que le modèle choisi prend en charge les modalités requises.
- Vitesse et modes : Les modèles plus grands et plus puissants peuvent être plus lents. Pour les fonctionnalités en temps réel comme l’assistant IA ou la recherche, des modèles plus rapides peuvent offrir une meilleure expérience utilisateur. Certains modèles proposent différents modes (par exemple, niveaux d’effort de réflexion ou de raisonnement étendus), permettant un compromis entre la vitesse et un raisonnement plus approfondi.
- Coût : Le budget est souvent un facteur clé. Les coûts des modèles varient considérablement en fonction du fournisseur et du niveau du modèle. Les coûts sont généralement mesurés par jeton (entrée et sortie). Les modèles plus rapides/plus petits sont généralement moins chers que les modèles grands/haute performance. Les modèles open source peuvent souvent être exécutés de manière plus rentable en fonction de l’hébergement.
- Préoccupations relatives à la confidentialité : Les différents fournisseurs de LLM ont des politiques variables en matière d’utilisation des données et de confidentialité. Examinez les conditions d’utilisation, en particulier concernant l’utilisation potentielle de vos données à des fins d’entraînement. Certains fournisseurs proposent des options de conservation zéro donnée.
- Open Source vs. Propriétaire (Closed Source) : Les modèles open source offrent transparence et potentiel d’auto-hébergement ou de réglage fin (fine-tuning), bien qu’ils puissent nécessiter plus d’efforts techniques. Les modèles propriétaires sont généralement plus faciles à utiliser via des API, mais offrent moins de contrôle et de transparence.
Choix d’un LLM pour les fonctionnalités d’IA de Discourse
Le paysage des LLM évolue rapidement. Le tableau ci-dessous donne un aperçu général des modèles actuellement populaires et capables, adaptés à diverses fonctionnalités d’IA de Discourse, classés par leurs forces typiques et leurs profils de coût. Les modèles de chaque catégorie sont listés par ordre alphabétique.
Ce sont des lignes directrices générales. Vérifiez toujours la documentation officielle du plugin Discourse AI pour obtenir la liste la plus récente des modèles pris en charge et des configurations requises. Les performances et les coûts changent fréquemment ; consultez la documentation du fournisseur de LLM pour les derniers détails. La disponibilité et les performances des modèles Open Source peuvent dépendre du fournisseur spécifique ou de la configuration d’hébergement.
Une option alternative pour les clients hébergés est d’utiliser les LLM préconfigurés disponibles via l’interface d’administration du plugin Discourse AI. Ceux-ci peuvent être configurés via Admin → Plugins → IA → LLM, ce qui fournit des préréglages en un clic pour les modèles populaires d’Anthropic, Google, OpenAI et OpenRouter.
| Catégorie | Modèle | Fournisseur | Forces Clés / Cas d’Utilisation | Notes |
|---|---|---|---|---|
| Performance/Raisonnement Maximal | Claude Opus 4.6 | Anthropic | Capacité de raisonnement maximale, tâches complexes, analyse, génération | Modèle Anthropic le plus coûteux, contexte 200K, excellente vision |
| Gemini 3 Pro | Haute performance, très grande fenêtre de contexte, multimodalité forte | Contexte 1M de jetons, excellent polyvalent | ||
| GPT-5.2 | OpenAI | Raisonnement de pointe, tâches complexes, génération, vision | Contexte 400K, solide polyvalent d’OpenAI | |
| xAI Grok 4 Fast | xAI (via OpenRouter) | Raisonnement solide, performance compétitive | Disponible via OpenRouter, capable de vision | |
| Équilibré (Polyvalent) | Claude Sonnet 4.6 | Anthropic | Haute performance, bon raisonnement, grand contexte, vision, rapide | Excellent choix par défaut, équilibre vitesse et capacité, contexte 200K |
| DeepSeek V3.2 | DeepSeek (via OpenRouter) | Solide performance générale, bon rapport qualité-prix | Option Open Source, rentable pour un usage large, contexte 163K | |
| Moonshot Kimi K2.5 | Moonshot (via OpenRouter) | Solide performance, très grand contexte, vision | Fenêtre de contexte 262K, bon rapport qualité-prix | |
| Rentable/Vitesse | Claude Haiku 4.5 | Anthropic | Rapide et peu coûteux, adapté aux tâches plus simples, capable de vision | Idéal pour les besoins à haut volume et faible latence comme la recherche, résumés de base |
| Gemini 3 Flash | Très rapide et rentable, bonnes capacités générales, vision | Contexte 1M, bon pour le résumé, la recherche, les tâches d’assistance | ||
| GPT-5 Mini | OpenAI | Rapide, abordable, bon pour de nombreuses tâches | Contexte 400K, bon équilibre coût/performance pour les fonctionnalités simples | |
| GPT-5 Nano | OpenAI | Option OpenAI extrêmement rapide et la moins chère | Idéal pour les besoins à plus haut volume et le coût le plus bas | |
| Arcee Trinity Large (Gratuit) | Arcee (via OpenRouter) | Option de niveau gratuit, contexte 128K | Bon pour les déploiements de test ou très soucieux du budget | |
| Capable de Vision | Claude Opus 4.6 / Sonnet 4.6 / Haiku 4.5 | Anthropic | Tous les modèles Anthropic actuels prennent en charge la vision | Utile pour la légende d’images dans l’assistant IA |
| Gemini 3 Pro / 3 Flash | Solides capacités de vision | Utile pour la légende d’images dans l’assistant IA | ||
| GPT-5.2 | OpenAI | Vision et texte intégrés | Utile pour la légende d’images dans l’assistant IA | |
| Moonshot Kimi K2.5 | Moonshot (via OpenRouter) | Capable de vision | Disponible via OpenRouter | |
| xAI Grok 4 Fast | xAI (via OpenRouter) | Capable de vision | Disponible via OpenRouter |
Correspondance des Recommandations Générales (Simplifiées) :
- Bot IA (Q&R complexe, Agents) : Modèles Performance/Raisonnement Maximal (Claude Opus 4.6, Gemini 3 Pro, GPT-5.2) ou modèles Équilibrés solides (Claude Sonnet 4.6, DeepSeek V3.2).
- Recherche/Découverte IA : Modèles Rentables/Vitesse (Haiku 4.5, Gemini 3 Flash, GPT-5 Mini/Nano) ou modèles Équilibrés pour une meilleure compréhension (Sonnet 4.6, DeepSeek V3.2).
- Assistant IA (Suggestions de titres, relecture, traduction) : Modèles Rentables/Vitesse ou modèles Équilibrés. La vitesse est souvent préférée. Claude Sonnet 4.6 ou GPT-5 Mini sont de bons candidats.
- Résumé : Modèles Équilibrés (Claude Sonnet 4.6, GPT-5.2, DeepSeek V3.2) ou modèles Rentables (Gemini 3 Flash, GPT-5 Mini). Des fenêtres de contexte plus longues (Gemini 3 Pro/Flash à 1M de jetons) sont bénéfiques pour les sujets longs.
- Détection de Spam : Les modèles Rentables/Vitesse sont généralement suffisants et rentables (Haiku 4.5, Gemini 3 Flash, GPT-5 Mini/Nano).
- Traduction : Les modèles Rentables/Vitesse fonctionnent bien pour la détection de locale et les tâches de traduction (Haiku 4.5, Gemini 3 Flash, GPT-5 Mini).
- Automatisation (Tri, Rapports) : Dépend de la complexité. Les règles de tri simples fonctionnent bien avec les modèles Rentables. Le tri complexe basé sur des agents bénéficie des modèles Équilibrés ou Performance Maximale.
N’oubliez pas de configurer le(s) LLM sélectionné(s) dans l’administration de votre Discourse sous Plugins → IA → Fonctionnalités pour chaque fonctionnalité, et de configurer les connexions LLM sous Plugins → IA → LLM.