I Tested Every Uncensored Local AI Model (8GB to 32GB VRAM)

I Tested Every Uncensored Local AI Model (8GB to 32GB VRAM)

J'ai testé tous les modèles d'IA locaux non censurés (de 8 Go à 32 Go de VRAM)

Historique des titres
  • I Tested Every Uncensored Local AI Model (8GB to 32GB VRAM) — observé le 20261115-1639 UTC (YouTube)
🎙 Kai 👥 75K 📅 15 novembre 2026 ⏱ 29 min 👁 2K 📄 tutoriel 🧭 2026-11-15
Disponible en : Français (actuel) English

Mots-clés

modèle non censuréOllamalongueur de contexteVRAMquantification

Résumé

La vidéo présente un test pratique des modèles de langage locaux non censurés, mené par le créateur sur plusieurs cartes graphiques de 8 à 32 Go de VRAM. L’auteur commence par relater une expérience frustrante où un assistant IA refuse de l’aider pour un clone de Pac-Man, soulignant les limites des modèles alignés. Il explore ensuite l’écosystème des modèles non censurés, en expliquant les techniques d’abliteration et de Heretic, et s’appuie sur une étude indépendante de Nathan Sapwell comparant huit versions non censurées de Qwen 3.8 27B. Les résultats montrent que les refus sont quasi éliminés, mais que 30 à 45 % des réponses n’aboutissent jamais, faute de budget de tokens. Le point crucial est la configuration de la longueur de contexte (OLLAMA_CONTEXT_LENGTH) car Ollama fixe par défaut 4096 tokens pour les cartes de moins de 24 Go, insuffisants pour les modèles de raisonnement. L’auteur détaille ensuite l’impact sur la véracité, les pièges des téléchargements populaires, et les templates de chat modifiés. Il fournit des recommandations spécifiques par tranche de VRAM : Gemma 4 E4B Heretic pour 8 Go, Gemma 4 12B pour 12 Go, Qwen 3.8 27B Q3 pour 16 Go, et Qwen 3.8 27B Q4 pour 24 Go. Il aborde aussi le choix de la quantification (Q6 plutôt que Q8 sur 32 Go) et la possibilité de désactiver le mode raisonnement pour certains usages.

226 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo apporte une valeur pratique indéniable : elle identifie un problème majeur (les refus résolus mais les réponses tronquées) et propose des solutions concrètes, notamment le réglage de OLLAMA_CONTEXT_LENGTH. L’argumentation s’appuie sur des données tangibles issues d’un test indépendant avec une méthodologie claire, et le créateur distingue soigneusement les métriques de refus de celles de finition et de véracité. La démonstration est étayée par des exemples chiffrés (taux de boucle, scores de véracité) et des comparaisons entre modèles. Toutefois, certaines affirmations reposent sur des observations ponctuelles et le creator reconnaît que son expérience personnelle a pu influencer le tri. La solidité de l’argumentation est globalement bonne, bien que la dépendance à une seule source indépendante limite la généralisation.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est satisfaisante : le créateur cite explicitement l’étude de Nathan Sapwell, ses conditions (RTX 5090, benchmark HarmBench, 400 requêtes) et les limites de l’exercice. Il mentionne également des sources primaires comme Hugging Face et Ollama, et distingue clairement les faits mesurés de ses interprétations. La qualité des sources est correcte, mais l’absence de liens directs dans la description limite la vérification autonome. L’adéquation titre-contenu est parfaite : le titre reflète l’objectif de tester tout type de modèle non censuré selon les capacités de VRAM, avec des recommandations à la clé.

227 mots

Adéquation titre / contenu

Le titre correspond bien au contenu : la vidéo teste de nombreux modèles non censurés locaux en les classant par VRAM (8 à 32 Go) et fournit des recommandations finales.

Qualité & fiabilité

8/10

La vidéo repose sur une étude indépendante détaillée (Nathan Sapwell) avec une méthodologie explicite (benchmark HarmBench, 400 requêtes, 167 heures de GPU) ainsi que sur l'expérience personnelle du créateur. Elle met en évidence des métriques souvent ignorées (taux de finition, véracité) et fournit des conseils pratiques répliquables. Toutefois, les recommandations s'appuient sur un seul test et quelques cas anecdotiques, laissant une marge d'incertitude.

Chapitres

Sources citées

  • Hugging Face — Plateforme d'hébergement des modèles et des cartes mentionnées
  • Ollama — Outil d'exécution local des modèles ; paramètre OLLAMA_CONTEXT_LENGTH discuté
  • Llama.cpp — Bibliothèque d'inférence alternative mentionnée
  • Test indépendant de Nathan Sapwell — Rapport de référence pour les taux de refus, de finition et de véracité sur 8 builds Qwen 3.8 27B

Apport & nouveautés

L’apport original de cette vidéo est de déplacer l’attention des métriques de refus (déjà résolues) vers le taux de finition des réponses et la véracité, tout en fournissant un guide pratique de configuration (longueur de contexte) et des recommandations par tranche de VRAM. Elle met en lumière l’impact des templates de chat modifiés et met en garde contre la popularité trompeuse des modèles. Elle propose aussi une piste de réflexion sur les builds partiellement désalignés qui conservent de meilleures performances.

Pour aller plus loin :

  • Documentation Ollama — Pour configurer OLLAMA_CONTEXT_LENGTH et comprendre les paramètres de contexte.
  • Hugging Face — Accès aux cartes des modèles et aux fichiers de pondération.
  • Quantification des modèles — Impact du quantum sur la qualité et l’empreinte mémoire.
  • Abliteration (technique de suppression des refus) — Concept clé expliqué dans la vidéo, sans URL stable connue.
  • KV cache et gestion du contexte — Souvent documenté dans les blogs techniques d’Ollama ou de llama.cpp.

157 mots

Profil radar

Le profil radar montre une forte quantité d'informations et un bon niveau technique, mais une fiabilité modérée en raison de la dépendance à un unique test indépendant et d'éléments subjectifs. La qualité et le niveau technique sont équilibrés, tandis que la fiabilité reste le point plus faible.

Fiabilité 7/10