# CERTA évalue quand utiliser des modèles cliniques plus petits

> Les chercheurs ont évalué une méthode qui permet à des modèles quantifiés de prendre des décisions de vérification clinique lorsqu’ils sont suffisamment proches d’un modèle de référence BF16, les autres décisions étant transmises à ce dernier.

Oossa · 2026-10-22 · https://oossa.com/fr/certa-tests-when-smaller-clinical-ai-models-can-be-used

Les chercheurs ont présenté CERTA, une méthode qui détermine quand un modèle de langage clinique compressé peut prendre une décision de vérification plutôt qu’un modèle BF16 plus grand. Les décisions qui ne satisfont pas au test statistique de CERTA sont transmises au modèle de référence.

Lors de tests portant sur 11 modèles et 2,500 décisions, les versions 8 bits ont traité de 99.8% à 100% des décisions de l’ensemble de test dans l’analyse opérationnelle de l’étude. Pour deux modèles de 72 milliards de paramètres, certaines configurations 4 bits affichaient un coût de déploiement estimé à environ 26% à 27% de celui du modèle BF16 de référence et une utilisation maximale de la mémoire inférieure à 48 GB. Les chercheurs n’ont pas testé le déploiement sur ce matériel précis, et les résultats concernent une tâche de vérification clinique, pas les soins cliniques en général.

## Les faits

- L’évaluation a porté sur 2,500 décisions issues de contextes impliquant 2,484 patients, avec des ensembles de calibration et de test distincts pour chaque patient.
- Pour Qwen2.5-72B et HuatuoGPT-o1-72B, certaines configurations 4 bits ont utilisé respectivement 43.0 GB et 42.7 GB de mémoire au maximum ; le déploiement sur un accélérateur de 48 GB n’a pas été testé directement.

## Pourquoi c'est important

Pour les équipes qui envisagent des systèmes locaux de vérification clinique, CERTA propose une méthode pour confier certaines décisions à des modèles compressés moins coûteux. Toutefois, l’étude ne démontre ni leur sécurité ni leurs performances pour d’autres usages cliniques ou en conditions réelles de déploiement.

## Sources et références

1. [Do We Need the Largest LLMs for Every Clinical Decision?](https://arxiv.org/abs/2610.26937) – arXiv, 2026-10-21

Dernière mise à jour: 2026-10-22