Base du classement (et ce qu'il n'est pas)
Il s'agit d'un classement éditorial établi à partir de fiches de modèles, de la bibliothèque Ollama et de classements publics. PromptQuorum n'a pas réalisé de nouveau test d'écriture noté pour l'établir. L'écriture créative n'a pas de réponse unique : les benchmarks la mesurent imparfaitement et les classements divergent.
- Tailles et contexte : relevés sur les pages de la bibliothèque Ollama pour Gemma 4, Qwen3.8, Qwen3.5, Mistral Small et Llama 3.3. Les tailles sont celles de téléchargement des versions 4 bits par défaut ; la mémoire de contexte s'ajoute.
- Licences et réglages d'échantillonnage : relevés sur les fiches de modèles Hugging Face citées dans les Sources.
- Scores d'écriture créative : EQ-Bench Creative Writing v3, un benchmark évalué par un LLM. Les chiffres de Gemma 4 proviennent d'un article de Featherless daté du 2026-09-17 ; Qwen3.8-27B n'a pas de score publié. Les scores de différents trackers ne sont pas directement comparables : comparez uniquement au sein d'une même liste.
- Les mentions « idéal pour » sont des recommandations éditoriales fondées sur ces sources, pas des résultats mesurés.
- Testez chaque choix vous-même avec quatre prompts : poursuivre une scène sur 500 mots (ton et voix), écrire un paragraphe dans le style d'un auteur nommé (le style change-t-il ?), écrire une histoire de 1,000 mots avec une chute (mise en place et dénouement) et écrire un dialogue à deux personnages (les voix sont-elles distinctes ?).
- Pour approfondir les interfaces, la construction de mondes et les modèles à faible refus, voir le guide complet de l'écriture créative.
📌Remarque: Considérez chaque choix comme une hypothèse de départ : passez les mêmes trois scènes dans deux candidats et gardez celui dont la voix vous convient le mieux.
Meilleur LLM local pour l'écriture créative par palier de mémoire
Choisissez d'abord selon la mémoire : le modèle doit tenir avec de la marge pour le contexte. Les tailles sont celles de téléchargement sur Ollama avec la quantification 4 bits par défaut ; la mémoire de contexte (cache KV) s'ajoute, environ 2–6 Go pour les scènes longues (estimation).
Votre mémoire | Modèle (balise Ollama) | Poids | Contexte |
|---|---|---|---|
| GPU 8 Go | Qwen3.5 9B (qwen3.5:9b) | 6.6–7.6 Go | 256K |
| GPU 12 Go | Gemma 4 12B (gemma4:12b) | 7.7–8.0 Go | 256K |
| GPU 16 Go | Mistral Small 3 24B (mistral-small:24b) | 14 Go | 32K |
| GPU 24 Go / Mac 32 Go | Gemma 4 31B (gemma4:31b) | 19–20 Go | 256K |
| GPU 24 Go / Mac 32 Go | Qwen3.8-27B (qwen3.8:27b) | 18 Go | 256K |
| GPU 24 Go, plus rapide | Gemma 4 26B A4B (gemma4:26b) | 16–19 Go | 256K |
| GPU 48 Go / Mac 64 Go | Llama 3.3 70B (llama3.3:70b) | 43 Go | 128K |
💡Astuce: Sur un Mac, la mémoire unifiée est partagée avec macOS. Sur un Mac de 32 Go, comptez environ 24 Go utilisables pour le modèle et le contexte : c'est suffisant pour Gemma 4 31B ou Qwen3.8-27B, mais il reste peu de Go pour le contexte.
#1 Gemma 4 31B : le choix prose pour un GPU de 24 Go
Gemma 4 31B est notre premier choix pour la prose sur un GPU de 24 Go ou un Mac de 32 Go. C'est un modèle dense de 30.7B paramètres (19–20 Go sur Ollama) avec un contexte de 256K sous Apache 2.0, et le seul modèle de ce guide avec un résultat EQ-Bench Creative Writing v3 publié : rubrique 16.01, Elo 1407.6, selon Featherless.
La fiche de modèle de Google cite la génération de texte, comme les poèmes et les scénarios, parmi les usages prévus et recommande une température de 1.0, top-p 0.95, top-k 64. Avec 19–20 Go, il reste peu de place pour le contexte sur une carte de 24 Go : gardez une fenêtre de contexte modérée ou choisissez Gemma 4 26B A4B (16–19 Go), un modèle à mélange d'experts qui active environ 4B paramètres par token et a obtenu 1286.9 Elo dans la même liste Featherless.
Caractéristique | Valeur |
|---|---|
| Idéal pour | Prose sur un GPU de 24 Go |
| Poids (Ollama) | 19–20 Go |
| Contexte | 256K tokens |
| Licence | Apache 2.0 |
| Commande Ollama | ollama run gemma4:31b |
#2 Qwen3.8-27B : le choix projets longs sur le même matériel
Qwen3.8-27B est le choix pour les projets longs sur un GPU de 24 Go. C'est un modèle dense de 27B à 18 Go sur Ollama, avec 262,144 tokens de contexte natif (extensible à 1,000,000 de tokens selon la fiche de modèle) sous Apache 2.0.
Alibaba le positionne pour le code, les agents et la recherche ; la fiche de modèle ne mentionne pas l'écriture créative et aucun score créatif n'est publié : considérez sa prose comme non vérifiée. Le mode de réflexion est actif par défaut ; désactivez-le pour la fiction.
Caractéristique | Valeur |
|---|---|
| Idéal pour | Projets de roman, consignes |
| Poids (Ollama) | 18 Go |
| Contexte | 256K tokens |
| Licence | Apache 2.0 |
| Commande Ollama | ollama run qwen3.8:27b |
#3 Choix pour 8, 12 et 16 Go
En dessous de 24 Go, le choix est plus restreint et moins éprouvé : testez avant de vous engager. Les petits modèles gardent généralement moins bien la cohérence des scènes longues que les grands.
- 8 Go : Qwen3.5 9B (`qwen3.5:9b`, 6.6–7.6 Go, contexte de 256K). Un modèle récent de la classe 8 Go sur Ollama. Aucun score créatif n'est publié : essayez vos propres scènes.
- 12 Go : Gemma 4 12B (`gemma4:12b`, 7.7–8.0 Go, contexte de 256K, Apache 2.0). Featherless indique une rubrique de 15.71 et 1270.4 Elo sur EQ-Bench Creative Writing v3.
- 16 Go : Mistral Small 3 24B (`mistral-small:24b`, 14 Go, contexte de 32K, Apache 2.0). Un modèle plus ancien qui reste dans la liste parce que peu de modèles plus récents tiennent en 16 Go. Il ne laisse qu'environ 2 Go pour le contexte : gardez des prompts courts.
#4 Llama 3.3 70B : modèle de référence à partir de 48 Go
Llama 3.3 70B (`llama3.3:70b`, 43 Go, contexte de 128K) est le plus grand modèle de ce guide et demande une configuration GPU de 48 Go ou un Mac avec 64 Go de mémoire unifiée. Meta l'a publié en décembre 2024 sous la Meta Llama 3.3 Community License, une licence propre et non une licence open source approuvée par l'OSI.
Les versions précédentes de cette page le plaçaient en tête pour la prose. Ce n'est plus le cas : aucun score créatif le concernant n'apparaît dans les listes que nous avons lues, alors que des modèles plus récents qui tiennent en 24 Go en ont un, et les versions récentes de Llama obtiennent de faibles scores sur EQ-Bench (Llama 4 Maverick 927, Llama 4 Scout 883 dans la liste evals.report). Gardez-le si vous avez la mémoire et aimez sa voix.
#5 Modèles communautaires et à faible refus
Les modèles de fiction communautaires sont désormais une deuxième couche, pas le choix par défaut. Vérifiez la licence de chaque modèle avant un usage commercial.
- Hermes 4.3 36B (Nous Research, Apache 2.0) : basé sur ByteDance Seed-OSS-36B-Base, avec des fichiers GGUF de 4 à 8 bits sur Hugging Face. Nous indique qu'il a répondu à 74.60 % (sans raisonnement) et 72.29 % (avec raisonnement) des prompts de son propre RefusalBench (donnée du développeur ; plus c'est élevé, moins il y a de refus). Utilisez-le lorsqu'un modèle instruct refuse une scène de fiction légitime, et relevez la température au-dessus des 0.6 de la fiche pour la prose.
- Fimbulvetr-11B-v2 (Sao10K) : un modèle basé sur Solar sous licence CC BY-NC 4.0, donc réservé à un usage non commercial. La fiche recommande des préréglages SillyTavern. Nous n'avons trouvé aucun score de benchmark d'écriture créative pour ce modèle.
- Midnight-Rose-70B (sophosympatheia) : une fusion basée sur Llama 2 70B, sous la licence Llama 2 avec des restrictions héritées ; la fiche conseille environ 6144 tokens de contexte. Ce n'est pas un modèle Llama 3.3.
- Si une conversion GGUF existe pour un ancien modèle, vous pouvez la charger dans LM Studio ou via `ollama run hf.co/<user>/<repo>` ; vérifiez d'abord la licence de ce dépôt précis.
- Sur le comportement de refus, l'éthique et les limites, voir Uncensored Local LLMs for Creative Writing: Ethics, Legality & Best Practices. L'hébergement local ne change pas la loi, et l'auteur reste responsable de ce qu'il publie.
Modèles locaux ou modèles cloud pour écrire
Les modèles cloud fermés obtiennent de meilleurs scores dans les classements d'écriture créative ; les modèles locaux l'emportent sur la confidentialité, le coût et le contrôle.
- Dans la liste EQ-Bench Creative Writing v3 consultée via evals.report (données du 2026-11-15), Claude Opus 4.7 mène avec 2206 Elo, suivi de GPT-5.5 avec 2035.
- La meilleure entrée à poids ouverts de cette liste est Kimi K2.6 avec 1782 Elo. Featherless indique pour les modèles ouverts qu'il recommande à ce niveau 753B (GLM-5.3), 763B (DeepSeek-V4.1-Flash) et 2.8T (Kimi K3) paramètres, très au-delà des paliers de 8 à 48 Go de ce guide.
- Quand le local s'impose : manuscrits inédits, travaux clients sous NDA, travail hors ligne et projets où le coût par token compte.
- Flux hybride : rédigez et faites du brainstorming en local ; n'utilisez un modèle cloud que pour le polissage de textes non sensibles, après avoir vérifié les conditions de traitement des données du fournisseur.
Réglages et prompts qui améliorent l'écriture créative avec un LLM local
Cinq habitudes changent davantage le résultat que le changement de modèle.
- 1Réglez l'échantillonnage pour la prose, pas pour le code. Valeurs des éditeurs : Gemma 4 température 1.0, top-p 0.95, top-k 64 ; Qwen3.8 1.0 / 0.95 / top-k 20 en mode de réflexion et 0.7 / 0.8 / top-k 20 hors réflexion ; Hermes 4.3 0.6 / 0.95 / top-k 20. Comme plage éditoriale de départ, essayez une température de 0.9–1.1 pour la prose et 0.7–0.85 pour les dialogues serrés.
- 2Désactivez le mode de réflexion pour la fiction. Les modèles de raisonnement planifient avant d'écrire, ce qui peut donner des scènes d'allure construite. Qwen3.8 réfléchit par défaut ; dans l'API Ollama, mettez `think` à `false`, ou utilisez le commutateur de réflexion de votre interface.
- 3Nommez le style de façon concrète. « Écris à la deuxième personne, au présent, phrases courtes, sans adverbes » fonctionne mieux que « écris de la fiction littéraire ». Citer un auteur donne une indication de style ; ne publiez pas de textes qui reproduisent la formulation d'un auteur vivant.
- 4Utilisez un prompt système persistant avec point de vue, temps, genre, fiche de personnage et échantillons de voix, et recollez-le au début de chaque session.
- 5Travaillez par sections et agrandissez la fenêtre de contexte. Générez environ 500 mots à la fois et rappelez un court résumé de l'histoire à chaque nouvelle session, car un modèle ne voit que ce qui tient dans son contexte. Le contexte par défaut d'Ollama est limité ; dans une session interactive, tapez `/set parameter num_ctx 16384`. Des valeurs plus grandes consomment plus de mémoire.
Meilleurs modèles à poids ouverts pour la poésie
Aucun classement ne note la poésie séparément ; le choix pour la poésie suit donc le classement par palier de mémoire. Pour les formes strictes (sonnets, haïkus, villanelles), abaissez la température à 0.7–0.85 (plage éditoriale), car les températures élevées tendent à casser la métrique et la rime ; pour le vers libre, la plage de la prose s'applique.
- 24 Go : Gemma 4 31B ou Qwen3.8-27B. Soumettez le même court poème aux deux et gardez la voix que vous préférez.
- Paliers inférieurs : Gemma 4 12B (12 Go) ou Qwen3.5 9B (8 Go).
- Formes strictes : les modèles travaillent avec des tokens et non des syllabes ; comptez donc les syllabes et vérifiez les rimes à la main.
- Indiquez la forme explicitement : « Écris un haïku (5-7-5 syllabes) sur la pluie d'automne » ou « Écris un sonnet shakespearien (ABAB CDCD EFEF GG, pentamètre iambique) sur la perte ». Des prompts vagues comme « écris un poème sur l'amour » donnent un vers libre générique.
Mauvais prompt et bon prompt
- ❌ « Écris une histoire de fantasy » → ✅ « Écris une scène de fantasy de 500 mots où un contrebandier négocie avec un dragon des artefacts anciens. Utilise des détails sensoriels et garde le dialogue tendu. »
- ❌ « Écris quelque chose d'intéressant » → ✅ « Écris une scène d'ouverture de 300 mots sur un braquage qui tourne mal. Le protagoniste découvre en pleine mission que son partenaire l'a trahi. Utilise des phrases courtes et percutantes pour suivre le rythme. »
- ❌ « Écris une enquête » → ✅ « Poursuis cette scène de détective : [texte précédent]. La détective comprend, grâce à un détail, que le suspect ment. Montre, ne dis pas, comment elle repère l'incohérence. »
- ❌ « Rends-le plus intéressant » → ✅ « Réécris le paragraphe précédent en fiction noire : dialogue sec, monologue intérieur cynique, détails sensoriels précis (sons, odeurs, textures). »
Questions fréquentes
Quel est le meilleur LLM local pour l'écriture créative ?
Gemma 4 31B et Qwen3.8-27B sont les meilleurs points de départ locaux de ce classement, et tous deux tiennent sur un GPU de 24 Go (19–20 Go et 18 Go de poids). Gemma 4 31B est le choix prose car il a un score EQ-Bench Creative Writing v3 publié ; Qwen3.8-27B est le choix pour les projets longs. Sur des cartes plus petites, utilisez Gemma 4 12B (12 Go) ou Mistral Small 3 24B (16 Go). Le classement est éditorial : testez deux candidats sur vos propres scènes.
Quel est le meilleur LLM local pour écrire des histoires et des romans ?
Choisissez le plus grand modèle qui tient dans votre mémoire avec de la marge pour le contexte. Gemma 4 31B convient à la prose sur 24 Go, Qwen3.8-27B aux projets de roman grâce à son contexte de 256K, et Llama 3.3 70B est la référence à partir de 48 Go. Le goulot d'étranglement est souvent la structure : un plan, une fiche de personnages et de courts résumés de chapitres maintiennent la cohérence d'un long projet.
Quel modèle Ollama est le meilleur pour l'écriture créative ?
Sur 24 Go, `ollama run gemma4:31b` pour la prose ou `ollama run qwen3.8:27b` pour les projets longs. Sur 12 Go, `gemma4:12b` ; sur 16 Go, `mistral-small:24b` ; sur 8 Go, `qwen3.5:9b` ; à partir de 48 Go, `llama3.3:70b`. Augmentez `num_ctx` pour les scènes longues et désactivez la réflexion pour la fiction.
Quels LLM locaux conviennent le mieux pour écrire avec seulement 8 Go de VRAM ?
Qwen3.5 9B (6.6–7.6 Go, contexte de 256K) est un modèle récent de la classe 8 Go sur Ollama. Aucun score créatif n'est publié : faites vos propres scènes de test, et attendez-vous à ce que les petits modèles tiennent moins bien les scènes longues que les modèles de 24 Go.
Quel modèle à poids ouverts est le meilleur pour la poésie ?
Aucun classement ne note la poésie séparément ; suivez donc le classement par palier de mémoire : Gemma 4 31B ou Qwen3.8-27B sur 24 Go, Gemma 4 12B sur 12 Go, Qwen3.5 9B sur 8 Go. Pour les formes strictes comme les sonnets ou les haïkus, abaissez la température à 0.7–0.85 et vérifiez syllabes et rimes à la main.
Quel modèle charger dans LM Studio pour l'écriture créative ?
Le même classement s'applique. LM Studio et Ollama exécutent tous deux des fichiers GGUF quantifiés ; il n'existe donc pas de modèle propre à LM Studio : cherchez le nom du modèle dans le navigateur de modèles de LM Studio et chargez la version qui tient dans votre mémoire.
Le modèle se souvient-il des parties précédentes de mon histoire ?
Uniquement dans sa fenêtre de contexte. Les modèles de ce guide offrent de 32K à 256K tokens, mais un contexte plus long consomme plus de mémoire, et le modèle oublie tout ce qui sort de la fenêtre. Pour les longs projets, commencez chaque session par un court résumé de l'histoire et la fiche de personnages.
Un LLM local peut-il remplacer Claude ou ChatGPT pour la fiction ?
Pas dans les classements d'écriture créative : dans la liste EQ-Bench Creative Writing v3 consultée via evals.report, les modèles fermés dominent (Claude Opus 4.7 à 2206 Elo, GPT-5.5 à 2035). Un modèle local de 24 Go peut suffire pour rédiger des premiers jets et garde vos manuscrits sur votre machine. Les réglages d'échantillonnage et un bon prompt système comblent une partie de l'écart pratique.
La quantification se remarque-t-elle en écriture créative ?
Cela peut arriver, car les versions à moins de bits perdent un peu de précision. Nous ne citons aucune étude sur l'écriture créative à ce sujet. Les versions par défaut d'Ollama sont en 4 bits ; si vous avez de la marge de mémoire, comparez une version à plus de bits avec la version 4 bits sur la même scène et gardez celle que vous préférez.
Quelle température utiliser pour l'écriture créative ?
Comme plage éditoriale de départ, 0.9–1.1 pour la prose et 0.7–0.85 pour les dialogues serrés ou les formes poétiques strictes. Les valeurs des éditeurs sont un bon repère : Google indique 1.0 (top-p 0.95, top-k 64) pour Gemma 4, et Alibaba indique 1.0 en mode de réflexion et 0.7 hors réflexion pour Qwen3.8. Désactivez le mode de réflexion pour la fiction.
Puis-je utiliser les textes d'un LLM local dans un cadre commercial ?
Cela dépend de la licence. Gemma 4, Qwen3.8, Mistral Small 3 et Hermes 4.3 sont indiqués sous Apache 2.0, Llama 3.3 utilise la Meta Llama 3.3 Community License propre à Meta, et Fimbulvetr-11B est sous CC BY-NC 4.0 (non commercial). Lisez la licence sur la fiche du modèle précis que vous utilisez. Ceci ne constitue pas un conseil juridique.
Fimbulvetr et Midnight-Rose valent-ils encore le coup ?
Seulement si vous préférez leur voix. Fimbulvetr-11B-v2 est un modèle basé sur Solar sous licence non commerciale, et Midnight-Rose-70B est une fusion basée sur Llama 2 70B ; tous deux sont antérieurs aux modèles de 2026 de ce guide, et nous n'avons trouvé de score de benchmark d'écriture créative pour aucun des deux.
Sources
- Bibliothèque Ollama : Gemma 4 -- balises, tailles de téléchargement et fenêtres de contexte
- Bibliothèque Ollama : Qwen3.8 et Qwen3.5 -- balises, tailles et fenêtres de contexte
- Bibliothèque Ollama : Mistral Small et Llama 3.3 -- balises, tailles, contexte et notes de licence
- Hugging Face : fiche de Gemma 4 31B et Gemma 4 12B -- licence, longueur de contexte, réglages d'échantillonnage
- Hugging Face : fiche de Qwen3.8-27B -- licence, contexte natif, échantillonnage recommandé
- Hugging Face : Hermes 4.3 36B -- modèle de base, licence, chiffres RefusalBench, fichiers GGUF
- Hugging Face : Fimbulvetr-11B-v2 et Midnight-Rose-70B -- modèles de base et licences
- EQ-Bench Creative Writing v3 et scores EQ-Bench sur evals.report -- chiffres du classement (données du 2026-11-15)
- Featherless : meilleurs modèles ouverts pour l'écriture créative -- chiffres EQ-Bench de Gemma 4 et tailles de modèles ouverts (du 2026-09-17)
- Documentation Ollama : thinking -- le paramètre `think`
Erreurs courantes dans le choix et l'usage des modèles locaux pour écrire
- Choisir selon un rang de benchmark général. Les classements de code et de raisonnement disent peu de la prose. Consultez des listes créatives comme EQ-Bench, puis testez sur vos propres scènes.
- Utiliser un échantillonnage de code. Une température de 0.2–0.4 tend à produire une prose plate ; l'écriture créative demande environ 0.9–1.1 (plage éditoriale).
- Laisser le mode de réflexion actif. Une sortie axée sur la planification peut sembler construite. Désactivez-le pour la fiction.
- Ignorer la mémoire de contexte. Un modèle de 19–20 Go laisse peu de marge sur une carte de 24 Go dès que vous agrandissez la fenêtre de contexte.
- Des prompts trop minces. « Écris une histoire » donne un résultat générique ; ajoutez point de vue, temps, longueur, fiche de personnage et une contrainte explicite.
- Éditer dans la fenêtre de chat. Générez dans le chat, révisez dans un éditeur de texte ; réviser la prose vous-même garde la voix la vôtre.
