CroissantLLM e Lucie: os modelos 100% franceses em local

#Por que um modelo 100% francês?

A maioria dos LLMs de pesos abertos com alto desempenho em 2026 vem da China (Qwen, DeepSeek, GLM) ou dos Estados Unidos (Llama, Gemma, Phi). Eles costumam falar muito bem francês — Qwen 3.8 e Gemma 4 são, inclusive, excelentes — mas foram treinados principalmente com conteúdo em inglês e chinês, com vieses culturais que se manifestam: referências implícitas, expressões americanas mal transpostas, visão política e uso impreciso dos registros formal e informal.

Um modelo treinado na França atende a três necessidades distintas: qualidade nativa em francês formal, conteúdo cultural próximo (direito, administração, literatura, mídia) e soberania jurídica, no sentido de que os pesos, os conjuntos de dados e os desenvolvedores estão sujeitos ao direito europeu. Para um escritório de advocacia, uma administração ou um projeto de pesquisa pública, isso costuma ser decisivo.

#Panorama dos LLMs franceses em 2026

Cinco famílias dominam hoje o cenário francês de auto-hospedagem. Elas não estão na mesma categoria de tamanho, qualidade nem licença.

Mistral (Mistral AI, Paris)

O campeão. Mistral Small 24B, Magistral, Devstral. Apache 2.0 nos modelos abertos, contexto de 128k, qualidade em FR no nível dos melhores modelos de nuvem.

CroissantLLM (Centrale Supélec / Illuin)

1,3B bilíngue FR-EN realmente open-source: pesos, datasets, código. Pensado para pesquisa e sistemas embarcados.

Lucie (LINAGORA / OpenLLM-France)

7B Apache 2.0, projeto associativo, treinado em supercomputadores públicos franceses (Jean Zay). Primeiro modelo verdadeiramente francês desse tamanho.

Pleias (Paris)

Família de 1B a 3B treinada exclusivamente com dados abertos (Common Corpus). Conformidade radical, perfeita para o setor público.

Croco / CroissantCool / derivados

Fine-tunes comunitários com instruções em francês. Muitas vezes baseados em Mistral ou CroissantLLM, hospedados no Hugging Face.

Além disso, alguns modelos não franceses se destacam em francês: Qwen 3.8 (Alibaba), Gemma 4 (Google), gpt-oss (OpenAI). Mais abaixo, colocamos esses modelos em perspectiva nos benchmarks.

#CroissantLLM: 1,3B bilíngue, inteiramente aberto

CroissantLLM nasceu de uma colaboração entre CentraleSupélec, Illuin Technology, Inria e INRIA Paris. É um modelo de 1,3 bilhão de parâmetros treinado em cerca de 3 trilhões de tokens, com partes iguais de francês e inglês. Pequeno, é verdade, mas sua singularidade reside em sua transparência total: pesos, datasets, receitas de treinamento, scripts de avaliação, tudo é publicado.

Tamanho

1.3B parâmetros, ~800 MB em Q4. Funciona em CPU, smartphone recente, Raspberry Pi 5.

Idiomas

Bilíngue FR-EN equilibrado (1:1 no treinamento).

Licença

MIT, uso comercial permitido sem restrições.

Variantes

CroissantLLMBase (pré-treinado), CroissantLLMChat (ajustado por instruções), CroissantCool (RLHF comunitário).

Uso

Embarcado, edge, pesquisa, fine-tuning local. Não é um assistente generalista para colocar frente a frente com o GPT-5.

ollama run croissantllm/CroissantLLMChat-v0.1-GGUF:Q4_K_M

>>> Explique-moi la différence entre une SARL et une SAS en 4 lignes.

#Lucie: a aposta francesa no código aberto

Lucie é o projeto principal da LINAGORA, em parceria com o OpenLLM-France e vários laboratórios públicos. Apresentado no início de 2025, é um modelo de 7 bilhões de parâmetros treinado no supercomputador Jean Zay do CNRS-IDRIS, com um corpus que combina francês, inglês, alemão, espanhol, italiano e código, dando um peso elevado ao conteúdo em francês.

Tamanho

7 bilhões de parâmetros, ~4,5 GB em Q4_K_M, ~5,5 GB em Q5_K_M.

VRAM

No mínimo 5 GB em Q4. Roda sem esforço em uma RTX 3060 de 12 GB ou em um Mac da série M com 16 GB de memória unificada.

Licença

Apache 2.0, portanto permite uso comercial e redistribuição.

Contexto

32k tokens na versão de chat (Lucie-7B-Instruct).

Soberania

Pesos hospedados no HuggingFace, mas código e dados acessíveis. Possibilidade de um espelho auto-hospedado para órgãos públicos.

O que chama a atenção no uso: Lucie produz um francês muito bem escrito, sem as "construções calcadas no inglês" que ainda se percebem no Llama 4 em formulações literárias. Ela fica, porém, um nível abaixo dos melhores modelos da sua categoria, como o Qwen 3.5 9B, em programação e raciocínio matemático.

ollama pull OpenLLM-France/Lucie-7B-Instruct-gguf:Q4_K_M
ollama run OpenLLM-France/Lucie-7B-Instruct-gguf:Q4_K_M

#Pleias: conformidade radical baseada em dados

A Pleias adota uma posição rara: treinar seus modelos apenas com o Common Corpus — um conjunto de dados público, rastreável, sem conteúdo protegido por direitos autorais. O resultado são modelos de 1B e 3B que uma administração pública pode adotar sem receio quanto às questões de propriedade intelectual, mas cujas capacidades continuam modestas em comparação com as dos grandes modelos treinados com conteúdo de toda a web.

Tamanhos

Pleias-1B e Pleias-3B (versões Pico, Nano). Adequados para RAG.

Especialidade

Bons em tarefas RAG, classificação e extração estruturada. Fracos em conversas livres.

Argumento

Nenhum treinamento com dados protegidos por direitos autorais. É possível auditar a cadeia de suprimentos.

Caso de uso típico

Síntese de documentos públicos, processamento de solicitações administrativas, classificação de correspondências.

Pleias não é um assistente conversacional, é uma ferramenta de extração e estruturação. Para um ator do setor público sujeito à Lei da IA e a uma cadeia rigorosa de prestação de contas, provavelmente é o único modelo francês que atende a todos os requisitos sem concessões.

#Mistral: a referência francesa

Não é preciso se alongar: Mistral continua sendo o líder francês em modelos de pesos abertos. Mistral Small 24B (Apache 2.0, ollama run mistral-small, 14 GB em Q4) é provavelmente o melhor modelo em francês que pode ser auto-hospedado em 2026 em hardware para entusiastas. Para programação, Devstral 24B (Apache 2.0) é o especialista da própria Mistral em tarefas de agente. Mistral Magistral traz raciocínio (cadeia de pensamento) em francês, tema de um guia dedicado no site.

Mistral Small 24B

~14 GB em Q4 (ollama run mistral-small). RTX 4090 ou MacBook Pro M3/M4 32+ GB. Sem dúvida, o melhor compromisso entre francês e qualidade.

Devstral 24B

~14 GB em Q4, Apache 2.0 (ollama run devstral:24b). O especialista da Mistral AI em agentes de programação.

Mistral Magistral 24B

Raciocínio em cadeia de pensamento em francês.

Codestral 22B

Especializado em código, mas com licença que não permite uso em produção: proibido no trabalho. Prefira Devstral 24B.

#Testes de qualidade FR vs Qwen 3.8 e Gemma 4

Aqui está uma análise qualitativa dos usos típicos de um usuário francófono (redação em registro formal, síntese de PDFs, perguntas jurídicas gerais, código). Observações realizadas com temperatura 0,3, contexto 8k, Q4_K_M e prompts idênticos.

Mistral Small 24B (FR)

Excelente em redação, domina o registro formal, com raros erros de concordância. Muito bom em código. Referência em francês.

gpt-oss 20B (EUA)

Excelente desempenho multilíngue, com francês acima das expectativas. Algumas construções calcadas no inglês em textos literários. Muito rápido (MXFP4).

Qwen 3.8 27B (CN)

Muito bom em francês formal, às vezes pouco natural na linguagem coloquial. Código no nível de Mistral, raciocínio superior — lembre-se de definir o raciocínio como low, senão ele pensa demais.

Lucie 7B (FR)

Francês correto, com fluência nos registros administrativo e formal. Desempenho mediano em código. Bom para redação e síntese.

Qwen 3.5 9B (CN)

Bom desempenho em francês para o seu tamanho (8 GB), 256k ctx, visão. Bom equilíbrio entre redação e código em uma configuração modesta.

Gemma 4 12B (EUA)

FR correto, às vezes com um tom escolar demais. Multimodal, bom RAG, Apache 2.0.

CroissantLLM 1.3B (FR)

Nível de um assistente leve; não compete na mesma categoria. Excelente para o seu tamanho.

#Soberania e AI Act

A Lei Europeia de IA, que entrou em aplicação em 2024-2026, impõe várias obrigações aos fornecedores e às organizações que implantam modelos de IA de propósito geral: documentação técnica, resumo dos dados de treinamento, marcação dos conteúdos gerados e avaliação de riscos sistêmicos para modelos muito grandes. Modelos treinados e publicados na UE simplificam a auditoria, mas a Lei de IA não diz que é necessário um modelo francês — diz que é preciso poder documentar e explicar o sistema.

Argumento a favor da hospedagem local

Seja qual for o modelo, executá-lo localmente resolve 90% das questões de RGPD. Esse ponto é mais importante do que a nacionalidade do modelo.

Argumento de transparência

Para uma auditoria do AI Act, um modelo cujos datasets são públicos (Pleias, CroissantLLM, Lucie) é mais fácil de defender do que um modelo cujo treinamento é opaco.

Argumento a favor do ecossistema

Apoiar Mistral, LINAGORA e Pleias é fortalecer um setor europeu. É um argumento político, mas com relevância concreta para as contratações públicas.

Argumento jurídico

Os pesos dos modelos, publicados sob a licença Apache 2.0 por uma entidade europeia, reduzem a incerteza sobre as transferências de dados para os EUA.

#Qual escolher, de acordo com o seu caso

1. 01
   Você está começando e quer testar um modelo FR

   Instale Lucie 7B (ollama pull OpenLLM-France/Lucie-7B-Instruct-gguf:Q4_K_M), ~5 GB, um verdadeiro modelo 100% francês que funciona em qualquer lugar. Para um modelo generalista em francês mais robusto, execute ollama run mistral-small (Mistral Small 24B, 14 GB).
2. 02
   Você tem 12 GB de VRAM (RTX 3060/4070)

   Lucie-7B-Instruct em Q5_K_M para uso exclusivamente em francês, ou Qwen 3.5 9B em Q8 (11 GB) para um modelo generalista mais robusto. Você também pode tentar Mistral Small 24B em Q3.
3. 03
   Você tem 24 GB (RTX 4090/3090, Mac 32+ GB)

   Mistral Small 24B em Q4_K_M é provavelmente o melhor LLM em francês que você pode hospedar por conta própria, ponto. Adicione Lucie 7B para usos rápidos "puramente em francês".
4. 04
   Você é um órgão da administração pública ou um ator do setor público

   Pleias 1B/3B para RAG documental (risco zero de copyright), Lucie 7B para assistência geral, Mistral Small 24B se você precisar de qualidade. Evite modelos com licença pouco clara.
5. 05
   Você usa sistemas embarcados / edge / Raspberry Pi

   CroissantLLM 1.3B Q4. É o menor modelo francês que ainda é utilizável. Consultar o guia de LLMs no Raspberry Pi para mais detalhes.

#Para se aprofundar

Três caminhos relacionados, conforme sua próxima etapa: para avançar no raciocínio em francês, o guia dedicado ao Mistral Magistral detalha a cadeia de pensamento em francês; para construir um RAG com seus PDFs usando um desses modelos, o guia de RAG local com Ollama sem programar cobre a stack completa; para estruturar a conformidade na empresa, o guia de LLM local e RGPD retoma as obrigações do AI Act ponto a ponto.