ModernVBERT : petit modèle, apte à l'on-prem
ColModernVBERT atteint presque le niveau de ColPali avec 250 M de paramètres et tient sur un matériel modeste.
Traduction produite automatiquement par IA. La version allemande est l'original vérifié par la rédaction.
Le chiffre le plus captivant du retrieval visuel en 2025 n'est pas le plus grand, mais le plus petit. ColModernVBERT atteint avec 250 millions de paramètres presque le niveau de ColPali, qui a un an de plus et est environ dix fois plus gros. Cela ressemble à un détail pour collectionneurs de modèles, mais c'est précisément la différence qui rend la recherche documentaire visuelle abordable en on-prem.
01. POURQUOI LA TAILLE DEVIENT ICI UN OBSTACLE
Les modèles de retrieval visuel comme ColPali ou ColQwen sont précis, mais aussi volumineux. En on-prem, donc sur son propre matériel dans la maison, cela devient vite une question de coût : les grands modèles exigent des GPU puissants, plus de mémoire, plus d'électricité. Pour beaucoup d'architectures de PME, ce n'est pas la qualité l'obstacle, mais la facture matérielle. C'est précisément là qu'un modèle plus petit fait levier.
02. CE QUE MODERNVBERT FAIT DIFFÉREMMENT
ModernVBERT est un encodeur vision-langage compact de 250 M de paramètres (papier). Il relie un encodeur de texte moderne de 150 M fondé sur ModernBERT à un petit encodeur d'image et les aligne l'un sur l'autre via un objectif de Masked Language Modeling. ColModernVBERT est la variante affinée pour le retrieval. Le résultat selon le papier : malgré environ dix fois moins de paramètres, il se situe seulement 0,6 nDCG@5 sous ColPali sur le benchmark agrégé ViDoRe et atteint ainsi des valeurs pour lesquelles il fallait sinon des modèles presque dix fois plus gros. Modèle et code sont disponibles en accès libre.
03. POURQUOI CELA COMPTE POUR LA SOUVERAINETÉ
Un modèle petit, ouvert et puissant est précisément la combinaison qui rend possible l'exploitation locale. Il tient sur un GPU modeste, les poids sont ouverts, et les documents restent dans la maison, car la recherche ne va pas vers un point de terminaison tiers. Ce n'est pas une fonctionnalité de sécurité ajoutée après coup, mais une propriété de l'architecture. Le contexte plus large, pourquoi local et ouvert vont de pair, nous le traitons dans On-Premise contre cloud.
04. QUAND LE PETIT MODÈLE EST LE BON CHOIX
On n'a pas toujours besoin du plus grand modèle. Si votre matériel est limité et vos documents des pièces d'affaires typiques, ColModernVBERT est souvent le choix plus honnête que ColQwen : presque la même qualité, une fraction du coût. Si vous avez besoin du dernier soupçon de précision sur des pages particulièrement denses, la comparaison avec le plus grand modèle en vaut la peine. Comment les deux s'articulent dans le stack global avec Qdrant figure dans l'aperçu.
