Acheter Llama en entreprise ressemble à un choix de modèle, mais c'est en réalité le choix d'une chaîne de livraison que l'on peut contractualiser, auditer, dégrader et chiffrer. Le changement marquant de 2026 : l'aperçu public de l'API Llama de Meta s'est arrêté le 6 juillet, les offres hébergées basculent vers les plateformes cloud et les fournisseurs d'inférence tiers, et les entreprises qui veulent garder leurs données dans leur propre environnement reviennent aux poids ouverts et au déploiement privé.

Remarque : Llama et Meta Llama sont des marques de Meta Platforms, Inc. Cet article est purement technique et n'implique aucune relation d'affiliation, de représentation, de parrainage ou d'approbation avec Meta. Les licences, modèles disponibles et conditions d'achat peuvent évoluer ; les pages des fournisseurs et les contrats signés font foi.

1. Définir d'abord l'objet de l'achat

La même expression « acheter Llama » peut désigner trois choses différentes :

  • Poids ouverts : télécharger les poids et les déployer soi-même, la licence encadrant l'usage et la distribution.
  • API hébergée : acheter un service d'inférence à un cloud ou à un fournisseur, facturé au token ou à la puissance de calcul.
  • Solution privée : un fournisseur livre le matériel, le logiciel et l'exploitation, avec licence, support et SLA au contrat.

Le dossier d'achat doit préciser la version du modèle, le lieu de déploiement, le rôle dans le traitement des données, le périmètre du service et les indicateurs d'acceptation. Écrire seulement « utiliser un modèle Llama » ne suffit pas et ouvre la porte aux litiges sur la version, la conformité et les coûts.

2. Quatre voies d'accès

Voie Contrat et facturation Périmètre des données Charge d'exploitation Cas adapté
Hébergement cloud Contrat avec le fournisseur cloud, règlement sur la facture cloud Données dans la région choisie, sous DPA, règles régionales et sous-traitants du cloud Faible Déjà client du cloud, besoin d'achat conforme et de choix régional
API d'un fournisseur d'inférence Contrat avec chaque fournisseur, règlement variable Données dans le service du fournisseur, selon ses conditions Faible Mise en ligne rapide, trafic variable, élasticité à l'usage
Poids ouverts auto-hébergés Achat de matériel ou location de GPU cloud, plus contrat de service Peut rester dans l'environnement interne ; un GPU cloud reste un tiers Élevée Données sensibles, volume stable et élevé, hors ligne ou edge
Passerelle IA locale Contrat local, règlement en yuans et facture Requêtes relayées par la passerelle, conditions de données à auditer Faible Facturation et facture locales, point d'entrée multi-modèles unifié

L'API Llama de première partie de Meta ne figure plus parmi les options. AWS Bedrock, Azure AI Foundry et Google Vertex AI proposent certains modèles Llama ; les modèles, régions et modalités d'activation évoluent vite, vérifiez le catalogue du fournisseur avant l'achat.

Aucune voie n'est supérieure en soi : le choix dépend du périmètre des données et de la capacité d'exploitation.

3. Revue de licence : poids ouverts ne signifie pas MIT

Llama utilise une licence communautaire, qui n'est pas une licence open source reconnue par l'OSI. Pour Llama 4 et Llama 3.3, l'usage commercial est permis, avec plusieurs contraintes fermes :

  • Les produits ou services dépassant 700 millions d'utilisateurs actifs mensuels doivent demander une licence séparée à Meta selon le décompte du mois précédant la publication ; sans accord, les droits ne peuvent pas être exercés.
  • Lors de la distribution du modèle, d'un dérivé ou d'un produit l'intégrant, la mention « Built with Llama » doit être affichée visiblement sur le site, l'interface ou la documentation du produit.
  • Pour entraîner ou améliorer un autre modèle avec du matériel Llama et le distribuer, le nom du modèle doit commencer par « Llama ».
  • Les copies distribuées doivent inclure la licence et le fichier Notice, et respecter l'Acceptable Use Policy ainsi que les règles de conformité commerciale.
  • La licence ne confère aucun droit de marque ; le nom Llama ne peut être utilisé que pour satisfaire aux exigences d'attribution et de nommage.

Ces clauses doivent être validées une par une par le service juridique ; les versions de licence diffèrent et le fichier LICENSE fourni avec le modèle fait foi. La licence n'offre ni SLA, ni indemnisation, ni engagement de résidence.

4. Résidence des données et vie privée

Pour une offre hébergée, faites confirmer par écrit : la région des données, l'éventuel transfert transfrontalier, les sous-traitants, la durée de conservation, l'usage pour l'entraînement, les mécanismes de suppression, les certifications de sécurité et les rapports d'audit. Une mention « sécurité de niveau entreprise » sur une page marketing ne remplace ni un DPA ni un contrat.

L'auto-hébergement n'est pas conforme par nature. Journaux, monitoring, sauvegardes, exploitation à distance et droits des comptes peuvent tous devenir des sorties de données ; avec un GPU cloud, les données restent dans l'infrastructure du fournisseur.

Les équipes établies en Chine doivent aussi évaluer la loi sur la protection des informations personnelles et la loi sur la sécurité des données. En cas de transfert transfrontalier de données personnelles, une évaluation de sécurité ou un contrat type peut être requis ; le service juridique tranche. Ne placez jamais de données clients réelles dans une offre gratuite ou un environnement d'essai.

5. Matériel, capacité et coût

La planification de capacité auto-hébergée ne se limite pas au nombre de paramètres. La mémoire GPU doit contenir à la fois les poids, le KV Cache, les frais du framework et une marge de concurrence ; plus le contexte est long et la concurrence élevée, plus le KV Cache croît. Ordres de grandeur :

  • Niveau 8B : poids en 4 bits d'environ 4 à 6 Go, une carte de 16 à 24 Go laisse de la marge.
  • Niveau 70B : poids en 4 bits d'environ 35 à 45 Go, généralement 48 à 80 Go de mémoire ou plusieurs cartes.
  • Llama 4 Scout : 109 milliards de paramètres au total, 17 milliards activés, poids en 4 bits d'environ 55 à 60 Go, avec un KV Cache supplémentaire pour le contexte long.
  • Llama 4 Maverick : 400 milliards de paramètres au total, 17 milliards activés, poids en 4 bits de l'ordre de 200 Go, généralement un serveur multi-GPU.

Les modèles MoE activent moins de paramètres, ce qui réduit la pression de calcul, pas l'occupation mémoire. La quantification économise de la mémoire, mais il faut vérifier la qualité sur le code, les mathématiques et les tâches multilingues.

Le coût total inclut GPU, électricité, refroidissement, baies, réseau, stockage, redondance, monitoring et personnel. La rentabilité de l'auto-hébergement dépend du taux d'utilisation : il s'amortit sur une charge stable et élevée, tandis qu'une charge faible ou variable coûte souvent plus qu'une API à l'usage. Les prix sont ceux des fournisseurs et de la page tarifs des modèles.

6. Comptes, permissions et contrôle d'accès

  • Enregistrez le compte avec le domaine de l'entreprise, activez SSO/SAML et l'authentification multifacteur.
  • Séparez comptes et clés par environnement, projet et équipe, appliquez le moindre privilège, fixez des échéances et des cycles de rotation ; stockez les clés dans un gestionnaire de secrets, jamais dans le front-end, Git ou les journaux.
  • Activez les journaux d'audit pour tracer les modèles appelés, la consommation de tokens et les règles de données sensibles déclenchées ; configurez une liste blanche de sortie réseau, la prévention des fuites de données et les politiques de rétention.

Pour un service exposé à l'extérieur, vérifiez aussi l'isolation multi-tenant et le périmètre des données clients : une même clé ne doit pas porter plusieurs clients.

7. SLA, dégradation et sortie

À l'achat, demandez : objectif de disponibilité, latence p95, plages de support, délais de réponse et de rétablissement, notification d'incident, compensation en cas de manquement, fenêtres de maintenance et préavis de retrait de modèle. Faites-le figurer au contrat.

Un bon SLA ne remplace pas une conception de repli. Prévoyez au moins un canal secondaire : un deuxième hébergeur, le même modèle sur un cloud ou un petit modèle auto-hébergé. Utilisez une couche d'abstraction compatible OpenAI, configurez noms de modèles, adresses et clés, ajoutez contrôle de santé, timeouts, retries, disjoncteur et limitation ; un 401 appelle une vérification des identifiants, un 429 un backoff, un 5xx une bascule.

Le repli doit tenir compte de la résidence des données : une région de secours transfrontalière peut violer l'engagement du contrat principal. Les clauses de sortie doivent préciser l'export des données, le délai de suppression, l'aide à la migration et la propriété des modèles et des prompts.

8. Pilote et acceptation avant mise en production

Prévoyez un pilote reproductible de 2 à 4 semaines :

  1. Définir le cas d'usage, les indicateurs de succès, la classification des données et celles qui ne doivent pas entrer dans une API tierce.
  2. Faire examiner par le juridique la licence, le DPA, les transferts transfrontaliers, l'usage pour l'entraînement et les clauses de suppression, puis formaliser une conclusion.
  3. Ouvrir les comptes, réaliser la vérification d'entreprise, le SSO et l'inventaire des clés ; préparer en parallèle la voie principale, la voie de secours et une couche d'abstraction compatible OpenAI.
  4. Exécuter le pilote sur des tâches réelles en relevant le taux de réussite, les latences p50/p95, le taux d'erreur, les tokens par tâche et le taux de reprise.
  5. Tester en charge le contexte long, les pics de concurrence, les 429 et l'indisponibilité d'un modèle ; simuler l'épuisement du quota, la panne de région et la fuite de clé.
  6. Valider un paiement réel et une facture, en vérifiant l'entité, la devise, la taxe et le circuit de remboursement.

Les critères d'acceptation doivent être écrits avant le pilote. La production ne démarre que si la qualité, le coût, la conformité et l'exploitation passent tous les quatre.

9. Suivi des coûts et amélioration continue

Après la mise en ligne, faites quatre choses chaque mois : consolider tokens et coûts par équipe et par projet ; fixer budgets et alertes ; détecter les appels anormaux et les fuites de clés ; revoir l'évolution des prix.

L'ordre d'optimisation est généralement : supprimer les contextes inutiles et les requêtes redondantes, router selon la difficulté vers des modèles de tailles différentes, mettre en cache ce qui peut l'être, traiter en lot ce qui peut l'être, et seulement ensuite envisager l'auto-hébergement ou un engagement long. Pour l'auto-hébergement, surveillez aussi le taux d'utilisation des GPU, le temps d'attente et la capacité inactive.

ZSQH AI Gateway propose une interface compatible OpenAI, utilisable comme point d'entrée unifié et comme canal de secours, pour centraliser facturation, clés et correspondance des noms de modèles. Les modèles et les prix sont sur la page tarifs des modèles, les tarifs évoluent ; pour un compte, passez par l'inscription.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://ai.zhongshangqihang.com/v1",
    api_key=os.environ["ZSQH_API_KEY"],
)

resp = client.chat.completions.create(
    model="llama-3.3-70b-instruct",  # voir la liste de modèles de la plateforme
    messages=[{"role": "user", "content": "En trois phrases, que vérifier avant d'acheter Llama en entreprise ?"}],
    temperature=0.2,
    max_tokens=256,
)
print(resp.choices[0].message.content)

10. Questions fréquentes

Meta propose-t-il encore une API Llama ?

En octobre 2026, l'aperçu public de l'API Llama de Meta est arrêté depuis le 6 juillet 2026 et Meta recommande de migrer vers des fournisseurs tiers. La plateforme développeur de Meta met aujourd'hui en avant la gamme Muse, qui n'appartient pas à la même famille que Llama ; toute nouvelle offre éventuelle est à vérifier sur les pages de Meta.

Llama est-il open source et utilisable commercialement ?

Llama est un modèle à poids ouverts, souvent qualifié d'open source, mais sa licence communautaire n'est pas reconnue par l'OSI. L'usage commercial est généralement permis sous conditions : seuil d'utilisateurs actifs mensuels, attribution, nommage, fichier Notice, AUP et conformité commerciale. Le fichier LICENSE de la version concernée fait foi.

L'auto-hébergement de Llama est-il toujours moins cher qu'une API ?

Pas nécessairement. Il supprime le coût au token mais ajoute GPU, électricité, salle, exploitation et redondance. Il est avantageux à forte utilisation ou lorsque les données ne peuvent pas sortir ; une charge faible ou variable coûte souvent moins cher en API à l'usage.

Des données sur un serveur interne suffisent-elles à être conforme ?

Non, pas automatiquement. Il faut aussi examiner qui peut y accéder, où sont journaux et sauvegardes, s'il y a transfert transfrontalier et si des données personnelles sont collectées. En cas de transfert transfrontalier de données personnelles, faites réaliser une évaluation juridique selon la réglementation applicable.

Comment éviter l'enfermement chez un fournisseur ?

Utilisez une couche d'abstraction compatible OpenAI, avec noms de modèles, adresses et clés en configuration ; conservez un canal de secours ; faites figurer au contrat l'export, la suppression, l'aide à la migration et le préavis de retrait ; retestez régulièrement les modèles alternatifs sur des tâches réelles.

Lectures associées : Accès à l'API Llama depuis la Chine, Achat entreprise de l'API DeepSeek, Tarifs des modèles.