Modèles publics qui répondent en texte à une question sur une image ou un document : licence, taille et matériel nécessaires.
Actualiser et affiner la rechercheRésultat de la recherche publique sur le Hugging Face Hub (tâche image-text-to-text), modèles les plus utilisés d’abord : 10 modèles retenus sur 50 examinés. Chacun est en accès public, avec une licence déclarée et des fichiers identifiables. Les modèles sont classés par le score explicable de ModelFinder ; aucun n’est choisi à la main ni recommandé sans essai.
Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Pourquoi ce résultat : tâche déclarée correspondante, licence déclarée et qualifiée, mise à jour relativement récente, accès public déclaré. La popularité n’est pas une mesure de qualité.
Voir les preuves, fichiers et limites →Un modèle multimodal (vision et langage) reçoit une image et une consigne, puis répond en texte : décrire une photo, lire un graphique, extraire les champs d’une facture.
Ce guide est un contenu éditorial de BNTIC News. Il ne remplace ni un essai, ni la lecture de la fiche et de la licence du modèle retenu.
Un modèle multimodal (vision et langage) reçoit une image et une consigne, puis répond en texte : décrire une photo, lire un graphique, extraire les champs d’une facture. Points à vérifier : taille ; langue des réponses ; licence.
Faire confiance à une lecture de chiffres sans vérification : ces modèles peuvent inventer un détail absent de l’image. Ne pas tester sur vos propres données : seules des données représentatives de votre usage disent si le modèle convient.
Au 7 octobre 2026, la recherche publique de ModelFinder retient notamment : google/gemma-4-26B-A4B-it, google/gemma-4-31B-it, Qwen/Qwen3.8-27B, zai-org/GLM-5.3-Flash, vikhyatk/moondream2, baidu/Unlimited-OCR. Chacun est en accès public, avec une licence déclarée et des fichiers identifiables ; aucun n’est recommandé sans essai sur vos données.
Leurs poids sont publiés en accès public et se téléchargent sans payer. L’usage reste encadré par la licence de chaque modèle, qui peut imposer des conditions ou interdire l’usage commercial. Il faut aussi un ordinateur, ou un serveur, capable de les exécuter.
Chaque fiche estime la mémoire nécessaire à partir de la taille réelle des poids publiés, avec une marge indiquée. La page « Que puis-je faire tourner sur ma machine » croise votre RAM et votre disque avec les tailles réelles des modèles exécutables localement.
Par langue : Arabe · Portugais · Swahili · Haoussa · Yoruba · Wolof · Amharique · Somali · Kinyarwanda · Lingala · Bambara · Éwé · Twi (akan) · Mooré · Peul (fulfuldé) · Malgache · Zoulou · Xhosa.