# Llama 4 Scout

> Fiche du modèle de langage Llama 4 Scout sur Quelle IA, édition du 28 septembre 2026. Llama 4 Scout (Meta AI) : score IA de 51,1, 180e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/llama-4-scout/
Origine : Meta AI · États-Unis · sorti le 5 avril 2025

## Score général

- Score IA : 51,1 (marge à 90 % : de 46,8 à 55,3)
- Rang : 180 (Groupe 12, ex æquo)
- Couverture : 80 % du poids des tâches, 23 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 50,3 | Rang 97 · 56 % |
| Code | 47,1 | Provisoire · 15 % |
| Agents | non mesuré | Non mesuré |
| Usage | 51,1 | Rang 200 · 100 % |
| Maths | 47,4 | Provisoire · 38 % |
| Sciences | 53,1 | Rang 86 · 60 % |
| Français | 55,0 | Rang 111 · 81 % |
| Vision | 51,6 | Provisoire · 33 % |
| Écriture | 51,3 | Rang 201 · 100 % |
| Web | non mesuré | Non mesuré |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Llama 4 Scout](https://artificialanalysis.ai/models/llama-4-scout) | 8,1 (estimé) | hors classement | 128,8 jetons/s | 0,84 s | 0,19 $ / 0,68 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/llama-4-scout

## Exécution locale

Tient à partir d'une carte graphique de 96 Go (94 Go utiles), en version allégée à 4 bits, par exemple une RTX PRO 6000 Blackwell. Mémoire estimée : 75,2 Go.

- Allégée, 4 bits : 75,2 Go
- Allégée, 8 bits : 131,6 Go
- Complète, 16 bits : 250,7 Go

- Plus petite machine : [Carte graphique 96 Go](https://quelleia.com/local/#carte_graphique_96_go), version allégée à 4 bits
- Carte graphique : [Carte graphique 96 Go](https://quelleia.com/local/#carte_graphique_96_go), version allégée à 4 bits ; par exemple [RTX PRO 6000 Blackwell](https://quelleia.com/local/rtx-pro-6000-blackwell/)
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : [Mac 128 Go](https://quelleia.com/local/#mac_128_go), version allégée à 4 bits ; par exemple [Mac Studio M5 Max, 128 Go](https://quelleia.com/local/mac-studio-m5-max-128go/)
- Ryzen AI Max : [Ryzen AI Max 128 Go](https://quelleia.com/local/#ryzen_ai_max_128_go), version allégée à 4 bits ; par exemple [Ryzen AI Max+ 395, 128 Go](https://quelleia.com/local/ryzen-ai-max-plus-395-128go/)
- Nvidia DGX : [DGX Spark 128 Go](https://quelleia.com/local/#dgx_spark), version allégée à 4 bits ; par exemple [Nvidia DGX Spark](https://quelleia.com/local/dgx-spark/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,09 € / 0,26 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 10 000 000 jetons (environ 7 500 000 mots)
- Entrées : Texte, image
- Réflexion : Non communiqué
- Paramètres : 109 milliards
- Licence : Llama 4 (poids ouverts, téléchargeables)
- Classe énergétique : C (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Août 2024

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/meta-llama/Llama-4-Scout-17B-16E-Instruct)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Llama-4-Scout-17B-16E-Instruct)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/meta-llama/llama-4-scout)
- L'essayer : [Meta AI](https://www.meta.ai)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 93,6 % | 45,1 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 75,9 % | 75,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 68,5 % | 61,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 63 % | 54,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| MATH Level 5 | Maths | 62,3 % | 53,1 | archivé | https://epoch.ai/benchmarks |
| compar:IA | Français | 1 007,0 Elo | 65,6 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| EuroEval, ScaLA (grammaire) | Français | 41,8 % | 49,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, texte | Usage | 1 321,6 Elo | 51,3 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 288,6 Elo | 51,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 362,5 Elo | 51,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 308,6 Elo | 50,7 | actif | https://arena.ai/leaderboard |
| Arena, vision | Vision | 1 127,5 Elo | 52,2 | actif | https://arena.ai/leaderboard |
| Fiction.LiveBench | Données | 36 % | 52,2 | archivé | https://epoch.ai/benchmarks |
| Arena, questions en français | Français | 1 325,5 Elo | 49,4 | actif | https://arena.ai/leaderboard |
| GPQA Diamond | Sciences | 51,8 % | 53,9 | actif | https://epoch.ai/benchmarks |
| SpatialViz-Bench | Vision | 34,2 % | 53,1 | archivé | https://arxiv.org/abs/2507.07610 |
| Arena, questions d'experts | Sciences | 1 308,5 Elo | 48,8 | actif | https://arena.ai/leaderboard |
| DTBench | Raisonnement | 57,9 % | 50,0 | saturé | https://conceptualreasoning.ai/dtbench |
| SciCode | Code | 17 % | 36,6 | actif | https://artificialanalysis.ai/evaluations/scicode |
| ForecastBench | Raisonnement | 57,5 % | 47,0 | actif | https://epoch.ai/benchmarks |
| LMCA | Raisonnement | 11,96 | 52,1 | actif | https://conceptualreasoning.ai/lmca |
| OTIS Mock AIME 2024-2025 | Maths | 7,8 % | 45,4 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 0,5 % | 46,9 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 0 % | 52,4 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 0 % | 64,7 | saturé | https://epoch.ai/benchmarks |
| CritPt | Sciences | 0 % | 61,2 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Llama 4 Scout ?** Llama 4 Scout obtient un score IA de 51,1, avec une marge de 46,8 à 55,3, dans l'édition du 28 septembre 2026. Il est classé 180e sur 246 modèles, à partir de 23 mesures.

**Dans quelles tâches Llama 4 Scout est-il le plus fort ?** Ses deux meilleures tâches sont français (55,0) et sciences (53,1). Sa tâche la plus faible est code (47,1).

**Llama 4 Scout peut-il tourner en local ?** Tient à partir d'une carte graphique de 96 Go (94 Go utiles), en version allégée à 4 bits, par exemple une RTX PRO 6000 Blackwell. Mémoire estimée : 75,2 Go.

**Combien coûte Llama 4 Scout ?** 0,09 € par million de jetons en entrée et 0,26 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Llama 4 Scout ?** Llama 4 Scout est édité par Meta AI (États-Unis), et il est sorti le 5 avril 2025. Ses poids sont ouverts, sous licence Llama 4.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com