Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

Les LLM russes occupent les 6 premières places du test SLAVA, mais ont besoin de données mondiales

Début 2026, les LLM russes ont pris les 6 premières places du test SLAVA, qui comprend 14 000 questions sur l'histoire et la géographie de la Russie. En novembre 2024, ce sont des modèles américains et chinois qui menaient le classement. Mais l'internet russophone est 10 à 20 fois plus petit que l'internet mondial, et l'ITMO estime que les textes russes ne doivent représenter que 5–30 % des données d'entraînement. Sans données internationales, les modèles russes commenceront à décrocher face à leurs équivalents étrangers. Mieux vaut donc choisir un modèle en le testant sur ses propres tâches.

Traité par IA depuis Habr AI ; édité par Hamidun News
Les LLM russes occupent les 6 premières places du test SLAVA, mais ont besoin de données mondiales
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
SLAVA14 000 questions sur l'histoire, les sciences sociales, la sociologie et la géographie
Chiffre clé #2Le corpus anglophone reste le principal vecteur du savoir scientifique
Chiffre clé #3Les auteurs proposent de numériser les archives et les bibliothèques pour la médecine, le droit et la géologie

Imaginez que vous construisiez un assistant pour juristes : vous interrogez un réseau de neurones sur le droit russe, puis vous lui demandez d'analyser un article scientifique récent en anglais. Pour la première question, le modèle qui a lu beaucoup de textes russes s'en sortira mieux. Pour la seconde, ce sera celui entraîné sur un corpus mondial.

C'est précisément le sujet d'une étude de l'Institut d'IA de l'ITMO, réalisée avec des experts de l'Université d'État de Moscou, de la RANEPA, de la HSE, d'AIRI, de Yandex, de Sber, de T-Bank et de VK. Début 2026, les LLM (grands modèles de langage) ont pris les 6 premières places du classement SLAVA, un test de connaissances sur l'histoire, le droit et la culture russes. Mais pour conserver cet avantage, les modèles ont besoin d'un large accès aux données, russes comme internationales.

Si vous choisissez un modèle pour un produit, cela pèse directement sur votre décision.

Ce que montre le test SLAVA

SLAVA évalue les modèles sur 14 000 questions d'histoire, de sciences sociales, de sociologie et de géographie de la Russie. Début 2026, les six premières places du classement reviennent à des LLM russes. En novembre 2024 encore, le trio de tête était composé de modèles américains et chinois. Le paysage a changé en moins d'un an et demi.

Selon les auteurs, cette évolution tient aux investissements des développeurs, mais aussi à la part croissante de données russes dans les jeux d'entraînement. Un modèle qui a lu davantage de textes russes ne se contente pas de mieux parler russe : il connaît mieux les réalités, le droit et le contexte culturel du pays. Pour les tâches à forte spécificité russe, comme le conseil sur les normes locales ou le traitement de documents administratifs, un modèle local peut donc offrir un gain notable.

Pourquoi le russe seul ne suffit pas

L'internet russophone est environ 10 à 20 fois plus petit que l'internet mondial. Les modèles actuels sont préentraînés sur des corpus de plusieurs billions de tokens : pages web, livres, publications scientifiques, code ouvert et encyclopédies. Selon les chercheurs, les données russes suffisent pour constituer une partie d'un corpus multilingue, mais pas pour un modèle universel compétitif entraîné uniquement en russe.

Les experts estiment la part optimale de données russophones dans le jeu d'entraînement à 5–30 %. Le reste doit provenir d'autres langues, qui contiennent des informations utiles variées, tandis que le corpus anglophone reste le principal vecteur du savoir scientifique. Un modèle isolé des données internationales décrochera davantage face à ses équivalents étrangers et sera moins performant sur les tâches qui sortent du contexte linguistique local.

Les équipes russes sont par ailleurs plus exposées que les équipes étrangères. Elles dépendent davantage des sources ouvertes, car elles disposent de moins de ressources pour collecter, acheter et numériser elles-mêmes des données. Toute restriction sur le corpus accessible les pénalise plus fortement.

Ce que proposent les auteurs

Premièrement, numériser les données qui ne sont pas encore disponibles sur l'internet ouvert : fonds de bibliothèques et d'archives, collections éducatives, scientifiques, culturelles et professionnelles. Cela pourrait améliorer les modèles en médecine, en droit, dans la construction, en géologie et dans d'autres domaines où les connaissances et les normes russes comptent.

Deuxièmement, cesser de dupliquer le travail. Alexandre Boukhanovski, directeur de l'Institut d'IA de l'ITMO, relève que chaque grande entreprise développe aujourd'hui ses modèles pour elle-même et garde ses travaux fermés. Plutôt que de laisser chacun créer un agent qui lit la même littérature professionnelle, on pourrait échanger ces agents ou les proposer sur une base commerciale. Les entreprises pourraient ensuite assembler, à partir de briques existantes, des systèmes adaptés à leurs besoins.

Troisièmement, réguler le droit d'auteur avec précaution : les règles doivent protéger les ayants droit sans réduire le volume d'informations disponible pour l'entraînement.

Comment lire cette étude en pratique

Il s'agit d'une étude sectorielle, pas d'une expérience indépendante : ses auteurs sont des acteurs du marché et des organismes scientifiques, pour qui l'accès aux données est un enjeu. Le benchmark SLAVA mesure la connaissance du contexte russe, pas l'intelligence générale d'un modèle ni la qualité de son code.

La conclusion pratique pour les développeurs et les équipes produit est simple. Ne choisissez pas un modèle sur la seule foi d'un classement : testez-le sur vos propres tâches. L'avantage local est réel, mais il joue là où l'on a besoin du russe et des réalités russes. Les corpus fermés, comme les bases normatives et la littérature professionnelle, peuvent devenir votre atout pour le fine-tuning ou pour la recherche dans des documents. Quant au marché dans son ensemble, les auteurs estiment qu'il aura une chance de devenir une véritable couche d'infrastructure pour la Russie, à condition de s'appuyer sur la base technologique mondiale, de la renforcer avec des données nationales et de mener rapidement les produits jusqu'au déploiement.

Dossier

Questions clés sur cet article

Que sait-on sur Ce que montre le test SLAVA ?

SLAVA évalue les modèles sur 14 000 questions d'histoire, de sciences sociales, de sociologie et de géographie de la Russie. Début 2026, les six premières places du classement reviennent à des LLM russes. En novembre 2024 encore, le trio de tête était composé de modèles américains et chinois. Le paysage a changé en moins d'un an et demi. Selon les auteurs, cette évolution tient aux investissements des développeurs, mais aussi à la part croissante de données russes dans les jeux d'entraînement.

Pourquoi le russe seul ne suffit pas?

L'internet russophone est environ 10 à 20 fois plus petit que l'internet mondial. Les modèles actuels sont préentraînés sur des corpus de plusieurs billions de tokens : pages web, livres, publications scientifiques, code ouvert et encyclopédies. Selon les chercheurs, les données russes suffisent pour constituer une partie d'un corpus multilingue, mais pas pour un modèle universel compétitif entraîné uniquement en russe.

Que sait-on sur Ce que proposent les auteurs ?

Premièrement, numériser les données qui ne sont pas encore disponibles sur l'internet ouvert : fonds de bibliothèques et d'archives, collections éducatives, scientifiques, culturelles et professionnelles. Cela pourrait améliorer les modèles en médecine, en droit, dans la construction, en géologie et dans d'autres domaines où les connaissances et les normes russes comptent. Deuxièmement, cesser de dupliquer le travail.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…