Capacité d’agent des LLM locaux (appel d’outils)

Réponse rapide

Un LLM local qui discute bien peut quand même être inutile pour piloter un agent — émettre de façon fiable un appel d'outil valide est une compétence différente, entraînée. À la mi-2026, la couronne open-weight de l'appel d'outils appartient à Qwen, qui occupe environ 10 des 13 places du Berkeley Function-Calling Leaderboard ; pour le travail agentique plus lourd (tau-bench, SWE-bench), GLM-4.5/4.6 et Kimi K2.6 mènent, tous sous licences permissives. La distinction qui décide si un modèle fonctionne comme cerveau d'agent est s'il possède un modèle d'outil NATIF entraîné (Qwen, Mistral, Llama, Hermes, Granite, GLM, Phi-4-mini l'ont tous) ou s'il a besoin d'un décodage contraint par grammaire ajouté (Gemma 2/3, Phi-4 de base et DeepSeek-R1 ne l'ont pas) — et la fiabilité s'effondre sous environ 4 milliards de paramètres. Cette base note chaque famille sur les deux, chaque chiffre de benchmark étant daté car ce classement évolue chaque mois.

Le plus petit pilote d'agent local sûr : le trio ~4B — Phi-4-mini (MIT, jetons d'outil natifs, le choix unique le plus sûr), Qwen3-4B-2507, Gemma 4 E4B — toujours jumelé à un décodage contraint par grammaire. Bête de somme plus grande sur un seul GPU : Devstral Small 2 (24B, code) ou Qwen3 14B/32B. Poids lourd agentique propre pour le commercial : GLM-4.5-Air (MIT). Évitez Cohere Command en production (toute la gamme est non-commerciale). Et revérifiez chaque score après août 2026 — cette liste pourrit vite.