# Sebastian Raschka dévoile sa méthode pour décoder les LLM > Sebastian Raschka décrit une méthode manuelle pour analyser les architectures des modèles à poids ouverts grâce aux rapports, configurations et implémentations. Type : Actualité IA · Catégorie : Outils · Publié le 2026-10-12 · Signal IA - Order & Chaos Source : https://www.orderchaos.eu/signal-ia/actu/sebastian-raschka-detaille-son-analyse-des-architectures-llm Tags : ia, modèles ouverts, transformers, architecture, apprentissage, claude, chatgpt, gemini --- ## En résumé - Sebastian Raschka commence son analyse par les rapports techniques officiels. - Les fichiers de configuration révèlent des détails absents de nombreux articles. - Le travail manuel aide à comprendre le fonctionnement des architectures. **Le signal :** Sebastian Raschka combine rapports techniques, fichiers de configuration et code Transformers pour étudier les modèles à poids ouverts. **Sebastian Raschka** a publié le 18 avril 2026 une méthode pour comprendre les [architectures](/signal-ia/actu/sebastian-raschka-revele-sa-methode-pour-lire-les-modeles-ouverts) des grands modèles de langage. Le chercheur explique comment il prépare les schémas présentés dans ses articles, ses conférences et la [LLM Architecture Gallery](https://sebastianraschka.com/llm-architecture-gallery/). Son approche vise surtout les modèles à poids ouverts. Elle commence généralement par la lecture des rapports techniques officiels. Raschka souligne toutefois que ces documents sont souvent moins détaillés qu’auparavant. Cette limite concerne particulièrement de nombreux modèles à poids ouverts développés par des laboratoires industriels. Son objectif est donc de compléter la lecture des rapports par l’examen direct des fichiers et du code associés. **Les rapports techniques** constituent le premier point de départ de cette méthode. Raschka indique cependant que les articles décrivent parfois moins précisément les architectures qu’auparavant. Lorsque les poids sont publiés sur le [Model Hub de Hugging Face](https://huggingface.co/models), une autre voie devient accessible. Le chercheur peut alors consulter le fichier de configuration du modèle. Il peut également examiner son implémentation de référence dans la bibliothèque Python [Transformers](https://github.com/huggingface/transformers). Ces deux éléments apportent des informations supplémentaires sur les détails architecturaux. Raschka résume cette approche par une progression allant des configurations et du code vers une compréhension plus précise de l’[architecture](/signal-ia/actu/sebastian-raschka-decortique-larchitecture-des-modeles-ouverts). ## Les configurations révèlent l’architecture **Le code exécutable** occupe une place centrale dans le raisonnement de Raschka. Il affirme qu’une implémentation de référence fonctionnelle fournit un objet concret à inspecter. Cette inspection complète les rapports techniques, dont le niveau de détail peut varier. Le fichier de configuration permet d’observer les paramètres déclarés pour le modèle. La bibliothèque Transformers donne ensuite accès à l’implémentation correspondante. Raschka utilise ces informations pour construire des schémas et des dessins dans ses articles, ses présentations et sa galerie. Le processus concerne les modèles dont les poids sont accessibles. Il ne décrit donc pas une méthode générale pour tous les grands modèles de langage. **Les modèles propriétaires** restent en dehors du périmètre présenté par Raschka. Il précise que sa méthode ne s’applique pas réellement à [ChatGPT](/signal-ia/actu/cathy-mcphillips-revele-six-questions-pour-preparer-lia), Claude ou Gemini. Pour ces modèles, les poids et les détails architecturaux sont propriétaires. Son workflow vise plutôt les modèles à poids ouverts disponibles sur le Model Hub de Hugging Face. Il dépend aussi de leur prise en charge par la bibliothèque Python Transformers. Cette double condition permet d’examiner à la fois une configuration et une implémentation de référence. Raschka présente ainsi une distinction nette entre l’analyse de modèles accessibles et l’étude de systèmes dont les composants restent propriétaires. ## Raschka privilégie l’exercice manuel **Le travail manuel** constitue un choix pédagogique assumé dans la méthode décrite. Raschka reconnaît que certaines étapes pourraient être automatisées. Il estime néanmoins que réaliser plusieurs analyses à la main reste l’un des meilleurs exercices pour comprendre le fonctionnement des architectures. Le workflow ne se limite donc pas à produire rapidement un schéma. Il relie la lecture d’un rapport, l’inspection d’une configuration et l’examen du code. Cette séquence sert ensuite à dégager des informations architecturales. Raschka a documenté cette démarche dans son article publié sur [Substack](https://magazine.sebastianraschka.com/p/workflow-for-understanding-llms), consacré à la compréhension des nouvelles versions de modèles à poids ouverts.