# Pile de modèles multi-fournisseurs mixte : Opus planifie, Qwen / DeepSeek exécutent

> La passerelle IA mélange les modèles multi-fournisseurs par rôle d’agent : planification sur Claude Opus, exécution routinière sur Qwen3.8-Max / DeepSeek V4.1 Flash, mappage de modèles par identité + traduction inter-protocoles, sans changement client.

Canonique: https://www.gatellm.io/fr/use-cases/mixed-model-stack/

Épinglez les meilleurs modèles de différents fournisseurs par rôle d’agent — la planification garde Anthropic Opus, l’exécution atterrit sur Qwen3.8-Max / DeepSeek V4.1 Flash, sans changement client et avec traduction automatique inter-protocoles.

## Ce dont la communauté se plaint réellement
Faire tourner Claude Code sur Claude Opus de bout en bout coûte trop cher ; une bascule générale vers Sonnet dégrade visiblement la planification et le jugement architectural, et les reprises coûtent plus cher. Les développeurs veulent mélanger les meilleurs modèles d’autres fournisseurs (Qwen, DeepSeek), mais le client ne parle que le protocole Anthropic et les noms de modèles claude-*, et changer la configuration signifie toucher chaque machine de développeur.
Pire, la boucle de planification, la boucle d’exécution principale et les sous-tâches par lots ont des besoins réellement différents en capacité et en prix — un simple changement de modèle côté client ne peut pas y répondre.

## Comment GateLLM procède
GateLLM réécrit le nom du modèle par identité après la porte d’entrée et avant le routage — aucun changement client. La planification et le jugement architectural gardent claude-opus-5 vers Anthropic ; le claude-sonnet-* de la boucle d’exécution principale est mappé vers qwen3.8-max de DashScope ; les sous-tâches par lots (formatage, messages de commit, résumés de recherche) sont mappées vers deepseek-flash via un amont compatible OpenAI. La traduction inter-protocoles est assurée par la passerelle, avec les flux SSE et tool_call_id préservés à l’aller-retour.
Les règles s’attachent aux clés d’accès ou aux groupes de clés et prennent effet par équipe ; la porte de sortie vérifie que la cible figure dans la liste d’autorisation de l’identité — configurer un mappage n’équivaut pas à accorder une permission.

## 5 leviers qui portent réellement
- Mappage de modèles par identité : de → vers sur les clés d’accès / groupes de clés, réécrit après l’entrée et avant le routage ; prend en charge un * unique capturant un segment intermédiaire, rechargé à chaud
- Traduction inter-protocoles : Claude Code sur Anthropic, Codex / SDK OpenAI sur OpenAI, la passerelle traduit vers les amonts DashScope / OpenAI / Gemini / Bedrock ; :keep-alive pendant une longue inférence amont, _gateway_warning en cas de rupture de flux
- Routage conditionnel par en-tête de requête : un même « de » route vers des cibles différentes selon X-Tenant, etc. (exact / préfixe / regex / existe / absent) ; règles conditionnelles d’abord, repli inconditionnel, première correspondance gagnante — utilisable pour les canaris
- Détection du mode plan : le mode plan de Claude Code injecte les marqueurs Plan mode is active / Exited Plan Mode ; un script comparant la dernière position bascule le routage — planification sur Opus, exécution sur le modèle économique
- Permission et observabilité : la porte de sortie vérifie que la cible figure dans la liste d’autorisation de l’identité (mappage ≠ permission) ; la colonne modèle des journaux affiche une étiquette MM avec le nom d’origine → mappé au survol ; les statistiques et la facturation imputent selon le nom réel du modèle après mappage, pour que le coût de la pile mixte soit comparable d’un coup d’œil

## FAQ
### Dois-je changer la configuration du client ?
Il suffit de pointer ANTHROPIC_BASE_URL vers la passerelle et de remplacer ANTHROPIC_API_KEY par une clé d’accès à la passerelle ; la réécriture du nom de modèle se fait sur la passerelle, donc aucun changement de configuration par machine. Notez que /v1/models ne reflète pas les noms sources du mappage — vous ne les verrez pas dans la liste déroulante, mais le client peut demander directement ce nom ; c’est attendu.

### Comment prouver que la pile mixte est réellement moins chère ?
La facturation et les statistiques enregistrent le nom du modèle cible après mappage, facturable par modèle / clé / locataire. Faites d’abord passer une partie des requêtes via une condition d’en-tête de requête, comparez coût et taux de reprise sur la même fenêtre, puis élargissez la part — la porte de sortie garde les cibles dans la liste d’autorisation, le canari est donc sûr.

- [Guide complet : configurer le mappage de modèles par identité (docs)](https://docs.gatellm.io/en/howto/configure-identity-model-mapping)

## Cas d’usage associés
- [Un protocole atteint aussi le reste de la pile de modèles mixtes](https://www.gatellm.io/fr/use-cases/one-protocol-any-model.md)

## Voir aussi
- [Accueil](https://www.gatellm.io/fr/index.md)
- [Tarifs](https://www.gatellm.io/fr/pricing.md)
- [Calculateur de coûts](https://www.gatellm.io/fr/calculator.md)
- [À propos](https://www.gatellm.io/fr/about.md)
- [Réserver une démo](https://www.gatellm.io/fr/demo.md)
- [FAQ](https://www.gatellm.io/fr/faq.md)
- [Comparer les passerelles IA](https://www.gatellm.io/fr/compare.md)
- [Comparer LiteLLM](https://www.gatellm.io/fr/compare/litellm.md)
- [Comparer OpenRouter](https://www.gatellm.io/fr/compare/openrouter.md)
- [Comparer Alibaba Cloud AI Gateway](https://www.gatellm.io/fr/compare/alibaba-cloud.md)
- [Comparer Azure API Management](https://www.gatellm.io/fr/compare/azure-apim.md)
- [Comparer Apigee](https://www.gatellm.io/fr/compare/apigee.md)
- [Comparer Cloudflare AI Gateway](https://www.gatellm.io/fr/compare/cloudflare.md)
- [Comparer Kong AI Gateway](https://www.gatellm.io/fr/compare/kong.md)
- [Comparer Portkey](https://www.gatellm.io/fr/compare/portkey.md)
- [LiteLLM vs Kong AI Gateway](https://www.gatellm.io/fr/compare/litellm-vs-kong.md)
- [LiteLLM vs OpenRouter](https://www.gatellm.io/fr/compare/litellm-vs-openrouter.md)
- [LiteLLM vs Portkey](https://www.gatellm.io/fr/compare/litellm-vs-portkey.md)
- [Cas d’usage](https://www.gatellm.io/fr/use-cases.md)
- [Réduire le coût des LLM](https://www.gatellm.io/fr/use-cases/reduce-cost.md)
- [Haute disponibilité](https://www.gatellm.io/fr/use-cases/high-availability.md)
- [Isolation multi-tenant](https://www.gatellm.io/fr/use-cases/multi-tenant.md)
- [Conformité et audit](https://www.gatellm.io/fr/use-cases/compliance-audit.md)
- [Dépannage par symptôme](https://www.gatellm.io/fr/use-cases/troubleshooting.md)
- [Héberger l’IA en interne dans Office](https://www.gatellm.io/fr/use-cases/self-hosted-office-ai.md)
- [Visibilité et attribution des tokens](https://www.gatellm.io/fr/use-cases/token-ops.md)
- [Token FinOps : allocation et contrôle des coûts IA](https://www.gatellm.io/fr/use-cases/token-finops.md)
- [Gouvernance des outils MCP](https://www.gatellm.io/fr/use-cases/mcp-tool-governance.md)
- [Recherche web pour chaque modèle](https://www.gatellm.io/fr/use-cases/web-search-grounding.md)
- [Rotation et secours multi-clés](https://www.gatellm.io/fr/use-cases/multi-key-pooling.md)
- [Contrôle des clients connectés](https://www.gatellm.io/fr/use-cases/client-admission-control.md)
- [Imposer la politique d’usage des modèles](https://www.gatellm.io/fr/use-cases/enforce-model-policy.md)
- [Aucun choix de modèle côté client](https://www.gatellm.io/fr/use-cases/automatic-model-tiering.md)
- [Un protocole, n’importe quel modèle](https://www.gatellm.io/fr/use-cases/one-protocol-any-model.md)
- [Complément Office / Microsoft 365](https://www.gatellm.io/fr/office-addin.md)
- [Glossaire](https://www.gatellm.io/fr/glossary.md)
- [Catalogue de modèles](https://www.gatellm.io/fr/models.md)
- [Intégrations SDK et frameworks](https://www.gatellm.io/fr/integrations.md)
- [Agents de codage IA et harnais](https://www.gatellm.io/fr/coding-agents.md)
- [Sécurité et conformité](https://www.gatellm.io/fr/security.md)