4 min de lecture - Llama 3.2 Vision : guide de déploiement et d'évaluation

Meta a publié Llama 3.2 en septembre 2024. Son annonce décrit des modèles 11B et 90B dotés de capacités de vision pour des tâches telles que la compréhension de documents, la description d'images et la localisation visuelle. Ce sont des faits de publication, pas la preuve que l'un de ces modèles satisfera une exigence de production.

Les anciennes versions de cet article qualifiaient cette publication de premier modèle ouvert capable de rivaliser avec certains systèmes propriétaires et donnaient des besoins fixes en VRAM. Ces affirmations étaient trop larges et ont été supprimées.

Employer la bonne description de licence

Meta met les poids à disposition sous sa licence Llama et sa politique d'usage acceptable. « Poids ouverts » est une description plus prudente que de supposer que la publication satisfait toutes les définitions du logiciel open source. Examinez la licence actuelle pour le modèle et l'usage prévu, y compris les conditions de redistribution et de déploiement.

Le téléchargement des poids crée aussi un devoir de provenance. Consignez le dépôt officiel, la révision, les hash des fichiers et toute conversion ou quantification appliquée avant le déploiement.

Partir d'une seule tâche visuelle

La compréhension d'images couvre des problèmes différents. Une question sur un graphique, une facture scannée, une photo de produit et une capture d'écran ne partagent pas le même profil d'erreurs. Choisissez une tâche et définissez :

• les types et la qualité d'images acceptés ;
• le schéma de sortie requis ;
• ce qui constitue une réponse correcte ;
• les informations sensibles à retirer ou protéger ;
• la revue humaine et la voie d'escalade ;
• les limites de latence et de ressources sur le matériel cible.

Construisez un jeu d'évaluation à partir d'images représentatives et autorisées. Incluez le flou, la rotation, les petits textes, les mises en page inhabituelles et les cas où la bonne réponse consiste à s'abstenir.

Mesurer le déploiement au lieu de recopier un tableau matériel

La mémoire dépend du format des poids, du runtime, du contexte, du traitement de l'image, du cache, de la taille des lots et de la concurrence. Testez l'artefact exact dans l'environnement cible. Notez le pic de mémoire, le temps de démarrage, le délai jusqu'au premier résultat, le débit sous la concurrence attendue et le comportement près des limites de ressources.

La quantification peut réduire la taille du modèle, mais aussi affecter la qualité de la tâche. Comparez chaque format candidat au même jeu d'évaluation visuelle. Un pourcentage générique tiré d'un autre modèle ne constitue pas un plan de capacité.

Traiter l'image comme une entrée non fiable

Les images et le texte extrait peuvent contenir des données sensibles ou des instructions destinées à influencer un agent en aval. Décodez les fichiers dans un composant isolé, imposez des limites de taille et de type, retirez les métadonnées inutiles et n'accordez jamais d'outils sur la seule base d'une instruction déduite par le modèle depuis une image.

Si la sortie déclenche une action métier, validez-la au regard d'un schéma et d'une politique explicites. Conservez l'identifiant de l'image source, la révision du modèle, le prompt, la sortie et la décision du relecteur dans la trace d'audit.

Comparer avec l'alternative réelle

Ne comparez pas Llama 3.2 Vision à un ancien souvenir d'un autre modèle. Exécutez le même jeu de tests autorisé sur les options disponibles à la date de revue. Notez la précision, l'abstention, la latence, le coût d'exploitation, le chemin des données et les contraintes de licence.

Le bon résultat peut être un modèle local à poids ouverts, une API hébergée, un pipeline OCR spécialisé ou une combinaison. Le nom du modèle ne décide pas de l'architecture.

Source primaire

• Annonce de Llama 3.2 par Meta, consultée le 27 août 2026