LLM 2026 : le point sur les dernières versions aux États-Unis, en Chine, en Europe et au Japon

✦Faites exploser le trafic de votre site webEn savoir plus

Entre avril et juillet 2026, au moins sept modèles de langage majeurs sont sortis aux États-Unis, en Chine, en Europe et au Japon. Le rythme s’est encore resserré : quelques semaines séparent désormais deux versions concurrentes. Pour un dirigeant de PME, suivre ce flux n’a d’intérêt que si l’on sait quoi en faire. Cet état des lieux recense les dernières versions par région, avec leurs dates de sortie, et sépare l’annonce marketing de ce qui change vraiment pour un déploiement en production.

En bref : à l’été 2026, les modèles de langage les plus avancés viennent des États-Unis (GPT-5.6, Claude Opus 5, Gemini 3.5 Pro), de Chine (Kimi K3, DeepSeek V4, GLM-5.2), d’Europe (Mistral Large 3) et du Japon (Sakana Fugu). Aucun ne domine partout : le bon choix dépend de la tâche, du budget et des contraintes de souveraineté.

Temps de lecture : 11 min

Mis à jour le 31 juillet 2026

Quelles sont les dernières versions de LLM aux États-Unis en 2026 ?

Aux États-Unis, les dernières versions de LLM en 2026 sont GPT-5.6 d’OpenAI, la gamme Claude Opus 5 d’Anthropic et Gemini 3.5 Pro de Google, trois modèles frontières qui se disputent la tête des classements de raisonnement et de code. Les écarts entre eux se comptent en quelques points, et le classement change selon la catégorie testée.

GPT-5.6 : trois niveaux, une préversion sous contrôle

OpenAI a publié GPT-5.6 pour tous le 9 juillet 2026, en trois variantes, du moins au plus capable : Luna, Terra et Sol (Wikipédia, juillet 2026). Sol est le modèle phare, avec une fenêtre de contexte d’environ un million de tokens. Fait rare : la préversion du 26 juin avait d’abord été réservée à un petit groupe de partenaires, à la demande du gouvernement américain, dans le cadre d’une revue de sûreté sur les capacités de cybersécurité.

OpenAI revendique pour Sol un score de 80 sur l’indice de codage agentique d’Artificial Analysis, un état de l’art à sa sortie, tandis que Terra vise le milieu de gamme et Luna joue l’efficacité de coût (Wikipédia, juillet 2026). La bascule vers ces trois niveaux illustre une tendance de fond : la plupart des modèles frontières de 2026 offrent une fenêtre d’un million de tokens, et certaines versions de Gemini poussent jusqu’à deux millions (Artificial Analysis, juillet 2026).

Claude Opus 5, Gemini 3.5 Pro et la question des restrictions

Chez les grands laboratoires américains, Anthropic place Claude Opus 5 en tête des classements publics d’intelligence fin juillet 2026 (classements Artificial Analysis, MindsHub, 24 juillet 2026), devant sa propre gamme Mythos, Fable 5 et Mythos 5, un temps soumise à des restrictions d’export américaines et rétablie le 1er juillet 2026. Google, de son côté, fait passer Gemini 3.5 Pro en disponibilité générale en juillet, après une version 3.1 Pro en production depuis février (rapports presse, juin 2026). À ces trois noms s’ajoute xAI, dont Grok 4.5 figure parmi les modèles de tête les moins chers sur le raisonnement scientifique (classements LLM-Stats, 2026). Un point mérite l’attention d’un dirigeant : plusieurs de ces modèles américains ont été soumis, à l’été 2026, à des revues gouvernementales qui ont retardé ou restreint leur accès public, un risque de disponibilité nouveau pour qui bâtit dessus.

Où en est la Chine avec ses modèles ouverts en 2026 ?

La Chine mise sur les poids ouverts : ses derniers modèles se téléchargent et s’auto-hébergent, à l’inverse des modèles américains fermés. Cette stratégie déplace la concurrence du côté du coût par token et de la liberté de déploiement. Le pays produirait 40 % des modèles de langage publiés dans le monde, et la part chinoise des téléchargements de modèles ouverts est passée de 1,2 % fin 2024 à environ 30 % début 2026 (IntuitionLabs, 2025-2026).

Kimi K3, le pari de la taille ouverte

Moonshot AI a lancé Kimi K3 le 16 juillet 2026, présenté comme le plus grand modèle open source du monde avec 2 800 milliards de paramètres, ses poids étant publiés le 27 juillet sous une licence MIT modifiée (MarkTechPost, juillet 2026). C’est le signe le plus net que la Chine mène sur l’échelle des modèles ouverts.

DeepSeek, GLM et Qwen : la bataille du coût

DeepSeek V4 Pro (24 avril 2026) et sa variante Flash affichent une fenêtre d’un million de tokens et des tarifs cinq à trente fois inférieurs aux modèles occidentaux propriétaires par million de tokens (comparatifs publics, 2026). GLM-5.2 de Zhipu AI (13 juin 2026), un modèle de près de 744 milliards de paramètres, s’impose sur les tâches d’agents et l’appel d’outils, tandis que Qwen 3.6 d’Alibaba couvre l’auto-hébergement local et la couverture multilingue. Ces modèles se regroupent autour d’un million de tokens de contexte.

Le rythme reste soutenu : MiniMax, Xiaomi (MiMo) ou StepFun publient à leur tour, et un modèle d’entrée comme DeepSeek V3.2 s’affiche autour de 0,14 dollar par million de tokens en entrée, soit vingt-cinq à soixante-quinze fois moins que certains modèles occidentaux fermés (comparatifs publics, 2026). Le compromis n’est pas nul : ces modèles restent édités par des sociétés basées en Chine, ce qui impose de les auto-héberger avant de leur confier des données réglementées.

Que propose l’Europe face aux géants américains et chinois ?

L’Europe avance avec un acteur principal, Mistral AI, et une poignée de modèles souverains plus modestes. Son argument n’est pas la course au score, mais l’hébergement en Union européenne et la conformité au règlement général sur la protection des données.

Mistral Large 3, la référence open-weight du continent

Mistral AI, la start-up parisienne, a publié Mistral Large 3 le 2 décembre 2025 : 675 milliards de paramètres au total, 41 milliards actifs, une fenêtre de 256 000 tokens, sous licence Apache 2.0 (IntuitionLabs, avril 2026). C’est le seul modèle européen à l’échelle frontière disponible en poids ouverts. Mistral Small 4 a suivi le 16 mars 2026, et une version Large 4 est attendue fin 2026 ou début 2027. La start-up, valorisée autour de 11,7 milliards d’euros, a levé 830 millions de dollars de dette en mars 2026 pour installer près de 14 000 cartes graphiques NVIDIA dans un centre de données près de Paris (IntuitionLabs, avril 2026). Une réserve subsiste toutefois : la couverture native des 24 langues de l’Union reste un objectif, pas une réalité atteinte.

Les modèles souverains encore émergents

Autour de Mistral gravitent des projets plus jeunes : Apertus, EuroLLM, ou le polonais Bielik, devenu le modèle européen le plus téléchargé sur Hugging Face (cartographie MRKT3.0, 27 juillet 2026). L’écart d’échelle avec l’Asie reste net : la Chine a publié un modèle ouvert de 2 800 milliards de paramètres, plus de quatre fois la taille du plus grand modèle européen (MRKT3.0, 27 juillet 2026). L’atout de l’Europe n’est donc pas la démesure, mais la conformité et la résidence des données. Pour une entreprise qui traite des données sensibles, cette voie se prolonge naturellement par une gouvernance de l’IA dans la durée : ROI et conformité, du choix du modèle jusqu’à l’audit.

Pourquoi le Japon mise-t-il sur l’orchestration plutôt que la taille ?

Le Japon prend un chemin différent : au lieu d’un modèle géant, il coordonne plusieurs modèles existants. L’idée déplace la valeur de la taille brute vers la capacité à faire travailler ensemble des modèles spécialisés.

Sakana Fugu, un chef d’orchestre de modèles

Sakana AI, le laboratoire de Tokyo, a lancé Sakana Fugu et Fugu Ultra le 22 juin 2026. Fugu est lui-même un modèle de langage entraîné à appeler un pool d’autres modèles derrière une seule interface, pour planifier, déléguer, vérifier et synthétiser (MarkTechPost, DataCamp, juin 2026). Le laboratoire a été fondé par Llion Jones, co-auteur de l’article « Attention Is All You Need », et David Ha. Selon les mesures de l’éditeur, Fugu Ultra atteint 73,7 % sur le banc d’essai SWE-Bench Pro, devant Claude Opus 4.8 mesuré à 69,2 % dans le même test (DataCamp, juin 2026), sans avoir besoin d’accéder aux modèles les plus restreints. Les premiers retours restent partagés : certains y voient une vraie innovation, d’autres un simple routeur habillé en modèle.

Une réponse à la dépendance et aux contrôles d’export

L’argument de vente dépasse la seule performance : l’orchestration protège contre la dépendance à un fournisseur unique et les changements de contrôle d’export. Si l’accès à un modèle disparaît, le système route autour de la coupure. Le Japon dispose aussi de Fugaku-LLM, plus ancien (13 milliards de paramètres, entraîné en 2024 sur le supercalculateur Fugaku du RIKEN), orienté traitement du japonais.

Comment choisir le bon modèle pour une PME ?

Pour une PME, le classement de tête compte moins que l’adéquation à la tâche, au budget et aux contraintes de données. Le meilleur modèle sur un benchmark n’est pas toujours le plus rentable sur votre cas réel.

Router chaque tâche vers le bon modèle

La stratégie la plus robuste consiste à envoyer chaque tâche au modèle le mieux placé : un modèle américain fermé pour le raisonnement le plus exigeant, un modèle chinois ouvert pour les volumes à bas coût, Mistral pour le français et la souveraineté. Cadrez d’abord le cas d’usage, puis testez deux modèles sur vos propres échecs avant de trancher.

La newsletter HDVMA

Recevez 1 fois par semaine les articles IA, SEO & GEO de HDVMA

Votre email *

RGPD et données personnelles : *

Vos données ne seront pas commercialisées, elle serviront seulement à vous envoyer les informations demandées  Politique de confidentialité RGPD 

Je m'inscris

Veuillez ne pas remplir ce champ.

Un email par semaine maximum · Désinscription en un clic

La puissance brute n’est plus le seul critère. Le rapport 2026 de Stanford HAI relève que les modèles frontières dépassent désormais l’expert humain sur des questions de niveau doctorat, mais affichent des taux d’hallucination de 22 % à 94 % selon le modèle (Stanford HAI, 2026). Un score de tête n’est donc pas une garantie de fiabilité sur votre métier : la vérification humaine reste indispensable avant toute décision.

Compter le coût réel du déploiement

Auto-héberger un grand modèle ouvert n’est pas gratuit en matériel. Le point de départ d’un modèle comme DeepSeek V4 tourne autour de 160 gigaoctets avant même le contexte, ce qui suppose une machine à mémoire unifiée d’au moins 192 gigaoctets ou un serveur multi-cartes (TechVerdict, 2026). À l’autre bout, des variantes plus légères tiennent sur une seule carte de 24 gigaoctets. Entre l’auto-hébergement complet, la location par token chez un fournisseur d’inférence et l’API d’un éditeur, l’arbitrage se fait au cas par cas, selon le volume d’appels et la sensibilité des données.

La mise en production reste l’étape décisive : passer d’un test réussi à un outil fiable au quotidien. C’est tout l’enjeu de déployer l’IA en production, par étapes, avec des garde-fous et une supervision humaine. L’IA propose, l’humain décide.

Et côté méthode : cadrer vos cas d’usage IA : la phase Comprendre.

Questions fréquentes sur les dernières versions de LLM

Quelles sont les dernières versions de LLM aux États-Unis en 2026 ?

Aux États-Unis, les dernières versions de LLM en 2026 sont GPT-5.6 d’OpenAI, la gamme Claude Opus 5 d’Anthropic et Gemini 3.5 Pro de Google, trois modèles frontières qui se disputent la tête des classements de raisonnement et de code. GPT-5.6 est sorti pour tous le 9 juillet 2026 en trois niveaux (Luna, Terra, Sol), et Claude Opus 5 mène les classements publics d’intelligence fin juillet.

Quel est le plus grand modèle open source en 2026 ?

Kimi K3, publié par le laboratoire chinois Moonshot AI le 16 juillet 2026, est présenté comme le plus grand modèle open source du monde, avec 2 800 milliards de paramètres. Ses poids ont été publiés le 27 juillet 2026 sous une licence MIT modifiée, ce qui permet de le télécharger et de l’auto-héberger, contrairement aux modèles américains fermés.

Existe-t-il un LLM européen souverain en 2026 ?

Oui. Mistral Large 3, publié par la start-up parisienne Mistral AI le 2 décembre 2025, est le seul modèle européen à l’échelle frontière disponible en poids ouverts : 675 milliards de paramètres, 256 000 tokens de contexte, licence Apache 2.0. Il est hébergeable en Union européenne et se prête à un usage conforme au règlement général sur la protection des données.

Qu’apporte l’approche d’orchestration de Sakana Fugu ?

Sakana Fugu, lancé par le laboratoire japonais Sakana AI le 22 juin 2026, ne cherche pas la taille mais la coordination : il pilote un pool d’autres modèles derrière une seule interface. Cette approche protège contre la dépendance à un fournisseur unique et les contrôles d’export ; si l’accès à un modèle disparaît, le système route la tâche vers un autre.

Quel LLM choisir pour une PME en 2026 ?

Pour une PME, mieux vaut router chaque tâche vers le modèle adapté plutôt que parier sur un seul : un modèle américain fermé pour le raisonnement exigeant, un modèle chinois ouvert pour les volumes à bas coût, Mistral pour le français et la souveraineté. Cadrez d’abord le cas d’usage, testez deux modèles sur vos propres données, puis laissez un humain valider avant la mise en production.

Diagnostic IA gratuitNous contacterParler à Eric

✦L’IA dans votre entreprise, c’est simple !En savoir plus