🇺🇸 États-Unis generalistSortie avril 2025

Llama 4 Scout

Présentation

Llama 4 Scout est le record absolu du contexte (10 millions de tokens) sur un modèle déployable sur un GPU. Idéal pour analyser des bases entières de documents. Sa version MoE active 17B params seulement, donc rapide même sur du hardware accessible.

Profil de compétences

Arena Elo1322

Benchmarks vérifiés

MMLU80%

HumanEval84%

Trois mesures indépendantes

Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.

Préférence

Quelle réponse les gens préfèrent-ils, à l’aveugle ?

1322Elo

LMArena

Sensible au style et à la longueur des réponses.

Capacité

Que sait faire le modèle sur des tâches mesurées ?

6.5/ 100

Source : Artificial Analysis

Agrège dix évaluations lancées par Artificial Analysis.

Adoption

Qu’utilise réellement le marché ?

Pas encore mesuré

162,2 k téléchargements Hugging Face

Source: OpenRouter (openrouter.ai/rankings). CC BY 4.0

Trafic passant par OpenRouter uniquement : mesure l’adoption, pas la qualité, et ignore l’usage direct des API des éditeurs.

Que signifient ces scores ?

MMLU80%excellent

Connaissances générales réparties sur des dizaines de matières académiques.

HumanEval84%excellent

Génération de code Python à partir de spécifications.

Forces

Très bonne qualité en français
Très long contexte
Dispose d'un tier gratuit
Open-source et auto-hébergeable

Limites

Tarification API non publiée

À qui ça s'adresse

Pour vous si…

vous voulez maîtriser vos coûts ou auto-héberger
vous travaillez en français
vos données doivent rester en UE

À éviter si…

Cas d'usage idéaux

Documents géants (millions de tokens)
Self-host modeste
Recherche
Apps avec contraintes hardware moyennes

Accès & disponibilité

Tier gratuit disponibleAuto-hébergeable (poids ouverts)

Caractéristiques clés

Contexte

10M

Prix entrée

—

Prix sortie

—

Vitesse

90 tok/s

Prix non auditéBenchmarks non audités

Combien ça coûte par mois

Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.

M tokens / mois % entrée

Via API

Tarif API non publié

Auto-hébergé

642 € / mois

matériel amorti 611 € + énergie 30.8 € · ou GPU cloud 493 €

palier : Serveur 80 Go (A100 / H100) · Q4 ≈ 70 Go

h / jour d’utilisation

Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.

nAIvigate Trust Index

92/100

Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.

19/19 critères documentés · 100 % · dont 12 posés par règle

Données100

5/5 · 30 %

Souveraineté77

3/3 · 20 %

Transparence100

4/4 · 15 %

Entreprise100

5/5 · 20 %

Licence80

2/2 · 15 %

Voir les critères▾

Données

Résidence des données en UEposé par règle

Pas de transfert hors UEposé par règle

Pas d’entraînement sur vos donnéesposé par règle

Rétention configurableposé par règle

Zero Data Retentionposé par règle

Souveraineté

Auto-hébergeable (poids ouverts)

Hébergement UE proposéposé par règle

Éditeur européenpays : US30

Transparence

Licence publiée (URL)

Tarifs publics sourcés

Engagements de conformité publiésposé par règle

Liste des sous-traitants publiéeposé par règle

Entreprise

DPA disponible

SSO / SAMLposé par règle

Provisionnement SCIMposé par règle

Journaux d’auditposé par règle

SOC 2 / ISO 27001sans objet

Endpoint privé chez l’éditeurposé par règle

Licence

Usage commercial autorisé

Type de licencellama-4-community60

Classement complet et méthodologie

Badge Trust Index

Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.

[![nAIvigate Trust Index · Llama 4 Scout](https://naivigate.com/badge/llama-4-scout.svg)](https://naivigate.com/fr/model/llama-4-scout)

Données & conformité

Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.

Résidence des données en UE	Oui
Accord de traitement (DPA)	Sans objet· auto-hébergé : les données ne sortent pas
Transfert hors UE	Non
Entraînement sur vos données	Non
Rétention configurable	Sans objet· auto-hébergé : les données ne sortent pas
Zero Data Retention	Sans objet· auto-hébergé : les données ne sortent pas
Auto-hébergeable	Oui
Hébergement déclaré	US/self
Données anonymisables	Oui

Déduit de l’hébergement déclaré, non vérifié à la source.Besoin d’une analyse dans votre contexte ? Shadow AI Sentinel

Qualité des données de la fiche

74/100

Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.

7/8 documentées · 3/8 sources primaires

Prix APIpoids ouverts, pas de tarif API	absent	—
Fenêtre de contexte	évaluation nAIvigate	non daté
Elo ArenaLMArena, préférence humaine	indépendant	il y a 6 j
Benchmarks (MMLU, GPQA, SWE-bench…)annoncé par l’éditeur, non recoupé	évaluation nAIvigate	non daté
Licence	officiel	non daté
Données & conformitéauto-hébergé : déduit	déduit	non daté
Adoption (Hugging Face)	indépendant	il y a 6 j
Matériel requis (quantizations)calculé depuis la taille du modèle	déduit	il y a 6 j

Faire tourner en local

Serveur GPU dédié162k1k

Quantization	Disque	RAM / VRAM	Matériel type
Q4 · recommandé	62.1 Go	70 Go	Mac Studio 96-128 Go / 4× GPU
Q8 · équilibré	116.6 Go	130 Go	Infra GPU serveur (H100/A100…)
FP16 · qualité max	218 Go	242 Go	Infra GPU serveur (H100/A100…)

Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).

🤗 Hugging Face

ollama run llama4:scout

Déployer

Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.

Mémoire estimée · FP16 242 Go · Q4 70 Go

Le plus simple pour tester sur un poste. Installez Ollama, puis :

ollama run llama4:scout

meta-llama/Llama-4-Scout-17B-16E-Instruct

Données avancées · pour experts

Architecture, modalités, coût détaillé, benchmarks complets

▾

Architecture

MoE

Taille

109B (17B actifs MoE)

Date de coupe

nov. 2024

Entrées

text, image

Sorties

text, code

Licence

llama-4-community

Hébergement

US/self

Score d'hallucination

3/5

Coût estimé (API)

Échange type (~3k entrée / 1k sortie)

Non communiqué

1M entrée + 1M sortie