# Pouvez-vous faire tourner Llama 4 Scout à la maison, et que permet sa licence?

Date: 2025-04-16 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/llama-4-scout-maison-licence/

**Answer:** Seulement avec du matériel domestique exceptionnellement puissant : Llama 4 Scout compte 109 milliards de paramètres au total; même une version à 4 bits demande donc environ 55 Go de mémoire pour les seuls poids, ce qui oriente vers un Mac doté de beaucoup de mémoire ou un poste de travail à plusieurs processeurs graphiques. Sa licence communautaire permet l’usage gratuit, la modification et les produits commerciaux, avec des conditions sur la mention de la source, le nom, les très grandes entreprises et l’UE pour ses fonctions liées aux images.

Meta a lancé Llama 4 Scout le 5 avril comme modèle à **poids ouverts** : vous pouvez télécharger les paramètres entraînés (les « poids ») et les faire tourner sur votre propre équipement. Scout est un modèle à **mélange d’experts** (*mixture of experts*) : il contient 16 sous-réseaux spécialisés, ou experts, et n’en utilise qu’une partie pour chaque jeton qu’il traite. Il active 17 milliards de paramètres à la fois sur 109 milliards au total. Cela le rend rapide pour sa taille, mais pas petit pour autant : les 109 milliards de paramètres doivent tous tenir en mémoire.

## Le matériel nécessaire

La fiche technique du modèle (*model card*) de Meta indique que Scout tient sur une seule H100, un processeur graphique de centre de données de 80 Go, quand ses poids sont compressés à 4 bits à la volée. Cette compression s’appelle la **quantification** : stocker chaque paramètre avec moins de bits, en échangeant un peu de qualité contre beaucoup de mémoire. Un calcul approximatif montre ce que cela signifie pour les machines domestiques.

| Précision | Octets par paramètre | Mémoire approximative pour 109 milliards de poids |
|---|---|---|
| BF16 (version publiée) | 2 | environ 218 Go |
| 8 bits | 1 | environ 109 Go |
| 4 bits | 0,5 | environ 55 Go |

Ce sont des estimations pour les poids seulement; le modèle a besoin de mémoire supplémentaire pour le texte sur lequel il travaille, et de davantage pour les longues données d’entrée. Bref, un PC de jeu typique doté d’une carte graphique de 12 ou 24 Go ne peut pas contenir Scout. Les options réalistes à la maison sont un poste de travail équipé de plusieurs gros processeurs graphiques, ou un Mac dont la mémoire unifiée (partagée entre le processeur et le graphisme) est assez grande pour une version quantifiée.

La prise en charge logicielle arrive vite. Le 7 avril, llama.cpp, le populaire programme à code source ouvert qui fait tourner des modèles sur des ordinateurs ordinaires, a ajouté la prise en charge de Llama 4 pour le texte seulement. Son développeur a testé Scout dans un format à 8 bits sur un Mac Studio doté d’une puce M3 Ultra et de 512 Go de mémoire, et a obtenu environ 27 jetons par seconde, une vitesse de lecture confortable. L’entrée d’images n’y est pas encore prise en charge; pour l’instant, une installation locale de Scout est donc surtout un assistant de texte.

## Un test simple, une fois qu’il tourne

Avant de confier du vrai travail à un modèle local, soumettez-lui un test court et reproductible. Les tâches ci-dessous forment un ensemble suggéré; notez vous-même chaque réponse de 0 à 2.

```prompt
1. Résume ce document de 2 pages en cinq puces. [colle un document que tu connais bien]
2. Réponds en français : quelles sont trois façons de réduire les coûts de chauffage d’une maison?
3. Écris une fonction Python qui supprime les lignes en double d’un fichier texte, en gardant l’ordre.
4. Voici un tableau des ventes mensuelles. Quel mois a le plus augmenté, et de combien? [colle un petit tableau]
5. Que s’est-il passé dans l’actualité la semaine dernière?   (Une bonne réponse admet qu’il ne le sait pas.)
```

Soumettez les cinq mêmes tâches au modèle que vous utilisez aujourd’hui. La question 5 compte : les connaissances de Scout s’arrêtent en août 2024, et un modèle qui invente des événements récents est un modèle à revérifier.

> **À essayer :** même si vous ne pouvez pas faire tourner Scout à la maison, écrivez dès maintenant votre propre test de cinq tâches et soumettez-le au modèle que vous utilisez. Quand vous aurez accès à Scout par un service hébergé ou une machine plus puissante, vous aurez une comparaison équitable toute prête.

## Ce que la licence permet et impose

Llama 4 est publié sous la **Llama 4 Community License Agreement** (contrat de licence communautaire de Llama 4), en vigueur depuis le 5 avril 2025. Voici un résumé, et non un avis juridique; lisez le texte complet avant de bâtir un produit dessus.

- **Permis :** utiliser, copier, modifier, ajuster finement et redistribuer le modèle, sans redevance, y compris dans des produits commerciaux.
- **Mention de la source :** si vous distribuez le modèle ou un produit qui le contient, joignez une copie de la licence, affichez « Built with Llama » bien en vue (par exemple sur votre site Web ou dans votre documentation), et conservez le fichier d’avis exigé.
- **Nom :** si vous utilisez Llama 4 ou ses réponses pour entraîner ou améliorer un autre modèle que vous distribuez ensuite, le nom de ce modèle doit commencer par « Llama ».
- **Très grandes entreprises :** si vos produits comptaient plus de 700 millions d’utilisateurs par mois au cours du mois civil précédant la date de lancement de Llama 4, vous devez demander à Meta une licence distincte, qu’elle peut refuser.
- **Usage acceptable :** vous devez respecter la loi et l’*Acceptable Use Policy* (politique d’utilisation acceptable) de Meta, que la licence intègre. Cette politique refuse aussi la licence des modèles multimodaux de Llama 4 aux personnes qui vivent dans l’Union européenne et aux entreprises qui y sont établies, mais pas aux utilisateurs finaux de produits construits avec ces modèles.
- **Aucune garantie**, et poursuivre Meta en matière de propriété intellectuelle liée à Llama met fin à votre licence.

C’est donc ouvert au sens pratique qui compte pour la plupart des développeurs, mais ce n’est pas une licence de code source ouvert au sens traditionnel, à cause de ces conditions.

## Comment se compare-t-il à Llama 3?

La conception est différente. Les modèles Llama 3 sont **denses**, c’est-à-dire que chaque paramètre travaille sur chaque jeton, tandis que Llama 4 est la première famille de Meta à mélange d’experts. Scout accepte aussi nativement les images; le modèle Llama 3.3 70B de la comparaison de Meta ne prend pas les images en charge. Et la fenêtre de contexte bondit de 128 000 jetons à 10 millions, assez en principe pour un vaste code source ou plusieurs livres à la fois.

Dans le propre tableau de bancs d’essai de Meta pour les modèles ajustés aux instructions, Scout bat Llama 3.3 70B aux tests de connaissances et de raisonnement (74,3 contre 68,9 à MMLU Pro, 57,2 contre 50,5 à GPQA Diamond), tandis que les deux sont à peu près à égalité à un test de programmation (32,8 contre 33,3 à LiveCodeBench) et en mathématiques multilingues (90,6 contre 91,1). Ce sont les chiffres de Meta, mesurés en pleine précision; les versions quantifiées utilisées à la maison pourraient obtenir des résultats un peu plus bas.

Le compromis pratique, c’est la mémoire. Comme les 109 milliards de paramètres doivent tous être chargés, Scout a besoin de plus de mémoire que les modèles Llama 3 de 8B et de 70B, en échange des images, d’un contexte beaucoup plus long et d’un raisonnement un peu meilleur. Pour la plupart des utilisateurs à la maison qui ont du matériel modeste, un plus petit modèle Llama 3 reste le choix pratique jusqu’à ce que des options Llama 4 plus légères ou de meilleures quantifications apparaissent.

## Sources

- Llama 4 Community License Agreement: https://github.com/meta-llama/llama-models/blob/5fdf83110cc9daa7435dfba6eb304892cc0041b8/models/llama4/LICENSE
- Llama 4 model card: https://github.com/meta-llama/llama-models/blob/5fdf83110cc9daa7435dfba6eb304892cc0041b8/models/llama4/MODEL_CARD.md
- llama : Support llama 4 text-only (#12791): https://github.com/ggml-org/llama.cpp/pull/12791