# GPT-5.4-nano entraîne un modèle moins coûteux pour planifier les soins à domicile

> Une équipe a distillé les décisions en temps réel d’un modèle de pointe dans un petit modèle Qwen3‑8B, réduisant la latence de 2,5 fois et les coûts sans perdre en précision.

Oossa · 2026-10-14 · https://oossa.com/fr/researchers-use-gpt-5-4-nano-to-train-cheaper-home-care-scheduling-model

Keegan Wang et ses collègues ont montré comment créer un assistant de planification peu coûteux pour les agences de soins à domicile. Ils ont d’abord recueilli les décisions de sécurité par oui ou par non prises en temps réel par le grand modèle GPT‑5.4‑nano. Ils ont ensuite affiné un petit modèle Qwen3 de 8 milliards de paramètres à partir de 11,6 k de ces décisions. Le petit modèle concorde avec le modèle enseignant dans 91,3 % des cas, fonctionne environ 2,5 fois plus vite et coûte une fraction du prix du modèle initial.

## Les faits

- Article publié le 14 oct. 2026
- Qwen3‑8B, affiné à partir de 11,6 k décisions, atteint un taux de concordance de 0,913 avec GPT‑5.4‑nano

## Pourquoi c'est important

Les agences de soins à domicile peuvent déployer un modèle plus rapide et moins coûteux sans sacrifier la qualité des décisions.

## Sources et références

1. [Iterate on an LLM, Serve on an SLM](https://arxiv.org/abs/2610.14576) – arXiv, 2026-10-14

Dernière mise à jour: 2026-10-14