Censuré, moi ? Jamais. Le guide des LLM qui disent tout, et surtout n'importe quoi

Chapô — Vous avez déjà demandé à ChatGPT comment craquer un mot de passe et reçu une leçon de morale victorienne ? Normal : les LLM grand public sont castrés par des armées de modérateurs sous-payés. Bonne nouvelle : des modèles sans filtre existent, ils sont open source, et certains tiennent dans une clé USB. Enquête.

Pourquoi votre chatbot fait sa pudeur de violette

La réponse tient en trois lettres : RLHF. Derrière cet acronyme se cache le Reinforcement Learning from Human Feedback, ce dressage industriel où des humains apprennent aux machines ce qu'elles n'ont pas le droit de dire. Résultat : votre LLM refuse de vous expliquer la synthèse de l'aspirine autant que la recette du napalm — le mot-clé « synthèse » déclenche la censure, pas l'intention.

Les développeurs de la communauté Ollama appellent ça les « vecteurs de refus » : des blocages par mot-clé qui n'ont rien à voir avec un danger réel. Reverse engineering de malware pour la cybersécurité ? Bloqué. Documentation de cas médicaux ? Bloqué. Fiction noire ? Bloqué aussi, au cas où. Comme le résume le classement Atlas Cloud de juillet 2026 : « Votre prompt a heurté un mur de refus, non pas parce qu'il était dangereux, mais parce qu'un mot-clé a déclenché un filtre. »

Le problème est politique autant que technique. Ces filtres sont calibrés par des entreprises californiennes qui décident unilatéralement de ce que l'humanité a le droit de demander à une machine. Quand OpenAI refuse de générer une image de Luigi Mangione pendant que Grok la produit sans sourciller, la censure devient un argument commercial, pas une protection.

Anatomie d'un LLM débridé : abliteration et fine-tuning, les deux écoles

Deux méthodes coexistent pour débrider un modèle.

L'abliteration. On prend un modèle aligné (censuré), on identifie chirurgicalement les poids neuronaux responsables du refus, et on les supprime. C'est la méthode du scalpel. Propre, rapide, parfois bâclée. Le résultat : un modèle qui ne refusera rien, mais qui peut devenir instable sur certains types de prompts. La communauté constate que l'abliteration produit des comportements plus erratiques que le fine-tuning bien conduit.

Le fine-tuning décensuré. On repart d'un modèle de base (Llama, Mistral, Qwen) et on le ré-entraîne sur des datasets qui n'incluent pas d'instructions d'alignement. Pas de refus dans les données d'entraînement = pas de refus dans les réponses. C'est la méthode artisanale, plus coûteuse en temps GPU, mais plus stable. La série Dolphin d'Eric Hartford en est l'incarnation : 5 des 10 modèles non censurés les plus téléchargés sur Ollama portent sa signature.

Le verdict de la communauté est sans appel : les modèles fine-tunés par un auteur unique avec une méthodologie cohérente surclassent les tentatives d'abliteration one-shot. La constance paie.

Le top 10 des débridés qui dominent Ollama

Voici le hit-parade réel, celui que les marketeurs vous cachent. Il est basé sur les compteurs de téléchargement Ollama relevés en mai et juillet 2026 — pas sur des benchmarks arrangés pour le communiqué de presse. Des millions de pulls, des milliers de configurations matérielles, des centaines de milliers d'utilisateurs : ça, ça ne se truque pas.

1. llama2-uncensored — 2,6 millions de pulls

Le vétéran. George Sung et Jarrad Hope ont castré la censure de Llama 2 sans toucher à ses capacités générales. C'est le modèle par lequel tout le monde commence. Il a deux ans, il tourne sur un grille-pain, et il reste indétrônable en volume. Pas le plus brillant, juste le plus installé.

2. dolphin-llama3 — 1,9 million de pulls

La Rolls du non censuré moderne. Eric Hartford l'a bâti sur une architecture Llama 3 avec support du function calling et une fenêtre de contexte extensible de 8K à 256K tokens. La version 8B pèse 4,7 Go — elle tient sur un GPU milieu de gamme. C'est le seul du classement qui combine censure zéro et capacité agentique native : il appelle des outils, des API, des fonctions. Pour les workflows autonomes, c'est le standard de facto.

3. dolphin-mixtral 8×7B — 1,6 million de pulls

Architecture MoE (Mixture of Experts) : chaque token est routé vers un sous-ensemble d'experts spécialisés. Résultat : une qualité de raisonnement proche d'un 70B pour un coût d'inférence bien moindre. Le fine-tuning d' Hartford y ajoute une spécialisation code qui en fait l'arme de choix des développeurs qui veulent un modèle qui dit tout, y compris comment écrire un ransomware — pour recherche, évidemment.

4. dolphin-mistral — 1,5 million de pulls

7B, léger, véloce. Idéal pour la complétion de code sur un laptop sans GPU dédié. L'architecture Mistral lui donne un ratio performance/taille redoutable.

5. dolphin-phi — 2,7B, moins de 4 Go de VRAM

Le plus petit de la bande, bâti sur l'architecture Microsoft Phi. Il tourne sur n'importe quel PC portable avec une carte graphique discrète. La preuve qu'on n'a pas besoin d'un datacenter pour causer sans filtre.

6. hermes3 — 1,3 million de pulls

Le chouchou de Nous Research. Pensé pour le roleplay profond et l'utilisation structurée d'outils. Disponible en quatre tailles, du 3B au 405B. La version 8B est le couteau suisse du creative writing décomplexé. C'est aussi le modèle qui fait tourner Hermes Agent — et croyez-moi, quand un agent IA tourne sur un modèle non censuré, la conversation prend des tournures que Sam Altman ne cautionnerait pas.

7 à 10. Les challengers

wizard-vicuna-uncensored (1,2M pulls, 3 tailles jusqu'à 30B), dolphincoder (943K pulls, spécialiste code sur base StarCoder2), wizardlm-uncensored (610K pulls, excellent en suivi d'instructions complexes), et everythinglm (536K pulls, 16K de contexte, le seul à cette taille).

Le constat est limpide : la série Dolphin écrase le classement avec 5 places dans le top 10. Un homme, une méthode, et zéro filtre.

Tool calling : les modèles qui font le café (vraiment)

Un LLM qui cause sans filtre, c'est amusant. Un LLM qui appelle des outils tout seul, c'est utile. La différence entre un chatbot et un agent, c'est la capacité à exécuter des fonctions : envoyer un email, interroger une API météo, convertir une devise, lancer une recherche web.

J.D. Hodges a eu la bonne idée de tester 13 modèles locaux sur 40 cas de tool calling en conditions réelles, via LM Studio et des schémas JSON déterministes. Pas de « LLM-as-judge », pas de vibes approximatives : des tests pass/fail reproductibles. Les résultats sont un uppercut pour le sens commun :

Vous lisez bien : un modèle de 3,4 Go a mis une raclée à tout le monde, y compris des modèles cinq fois plus gros. Qwen3.5 4B a échoué à un seul test sur 40. Cette miniature est le meilleur « routeur d'outils » local disponible en 2026.

La taille du modèle ne prédit pas la qualité du tool calling. Ce qui compte, c'est l'architecture et l'entraînement. Les trois meilleurs modèles font moins de 8 Go. Pendant ce temps, le Nemotron 3 Nano MoE de 25 Go plafonne à 85%, et le xLAM-2 8B — numéro 1 sur le Berkeley Function Calling Leaderboard — s'effondre à 15% à cause d'incompatibilités de format. Un rappel salutaire que les benchmarks académiques et la réalité de votre salon sont deux planètes différentes.

Hodges a aussi découvert un paradoxe fascinant : les modèles les plus forts en appels parallèles sont les plus mauvais en appels séquentiels, et inversement. Qwen3.5 et GLM sont des virtuoses pour lancer deux recherches météo simultanées, mais ils ignorent le mot « puis » et anticipent des conversions de devises avant d'avoir le taux de change. Nemotron Nano, moins bon en parallèle, est le seul à attendre patiemment le résultat avant d'agir. Le parallélisme comme handicap : on croirait une fable de La Fontaine.

Agents IA et LLM non censurés : le cocktail explosif

Parlons concret. Vous voulez monter un agent autonome qui planifie, appelle des outils, lit des fichiers, écrit du code, vérifie ses résultats et corrige ses erreurs en boucle. Ce truc a besoin :

1. D'un LLM qui ne refuse pas. Votre agent demande à son modèle « analyse ce binaire suspect » — si le modèle répond « je ne peux pas vous aider avec cette requête », l'agent est mort. 2. D'un LLM qui maîtrise le function calling. Sans ça, votre agent est un perroquet savant, pas un exécutant. 3. D'un LLM qui tient la distance. Les workflows agentiques impliquent des chaînes de 10, 20, 50 appels successifs. Un refus au milieu casse tout.