# Un modèle de 0,8 milliard de paramètres réduit par 16 le coût de l’annotation grammaticale

> Un petit modèle de langage, Qwen3.5 0.8B, suit les progrès des apprenants en anglais en grammaire à moindre coût et avec plus de précision que des prompts envoyés à GPT‑5.

Oossa · 2026-10-09 · https://oossa.com/fr/fine-tuned-0-8b-model-trims-grammar-annotation-costs-16-fold

Une plateforme d’apprentissage des langues a déployé un minuscule modèle d’IA pour étiqueter les notions de grammaire abordées dans les conversations entre élèves et tuteurs. Ce modèle, une version de Qwen3.5 comptant 0,8 milliard de paramètres, a été affiné à partir d’exemples créés par des enseignants. Il sert désormais de moteur à un nouvel outil de suivi de la maîtrise grammaticale, accessible à tous les apprenants d’anglais de la plateforme. Selon l’entreprise, son coût d’utilisation est 16 fois inférieur à celui de grands modèles de pointe comme GPT‑5.4 ou GPT‑5.6 utilisés avec des prompts.

## Développement et évaluation du modèle

L’équipe a filtré et rééquilibré les données de supervision produites par les enseignants, puis ajouté une couche d’adaptation — un petit ensemble de poids supplémentaires — qui encode les règles d’annotation. Le modèle de 0,8 B peut ainsi fonctionner avec un prompt court et adapté, plutôt qu’avec de longues consignes. Lors de deux tests de référence évalués par des humains, le modèle déployé et un modèle de référence de 4 B ont surpassé GPT‑5.4 et GPT‑5.6 utilisés avec des prompts, en précision comme en rappel, selon des critères de correspondance de plus en plus stricts (notion, extrait justificatif, exactitude).

## Effets sur les apprenants et l’activité

Une expérimentation A/B en ligne a montré que le nouvel outil de suivi avait accru l’engagement des apprenants de 15,8 %. Selon les indicateurs internes de la plateforme, le nombre d’heures de cours réservées a progressé de 2,1 % et la valeur brute des ventes de nouveaux cours de 13,2 %.

## Les faits

- Le modèle affiné est un petit modèle de langage Qwen3.5 de 0,8 B de paramètres.
- Le coût d’utilisation est réduit d’environ 16 fois par rapport à des modèles GPT‑5 utilisés avec des prompts.
- Lors de deux tests de référence, le modèle de 0,8 B a surpassé GPT‑5.4 et GPT‑5.6 en précision et en rappel.
- L’engagement des apprenants a progressé de 15,8 % lors d’une expérimentation en ligne portant sur cette fonctionnalité.
- Le nombre d’heures de cours réservées a augmenté de 2,1 % et les revenus des nouveaux cours de 13,2 %.

## Pourquoi c'est important

Pour les apprenants en anglais, cette IA moins coûteuse permet à la plateforme de proposer un suivi grammatical automatisé et continu sans augmenter ses tarifs. Pour l’entreprise, la baisse des coûts de calcul et la hausse de l’engagement se traduisent par davantage de réservations de cours et de revenus.

## Sources et références

1. [Grammar Concept Annotation at Scale: Deployed Fine-Tuned Small Language Models Outperform Prompted Frontier Models](https://arxiv.org/abs/2610.10827) – arXiv, 2026-10-09

Dernière mise à jour: 2026-10-09