Hypothèse de la simulation

Entités · esprits et esprits possibles, classés par preuves

Si le monde est une simulation, les esprits sont peut-être parmi les choses les plus difficiles à calculer qu’il contienne. Ce guide recense les cas connus, des cellules isolées aux humains. Il couvre aussi les systèmes artificiels construits jusqu’ici, et les esprits que des scientifiques et des philosophes ont proposés mais que personne n’a observés.

Chaque chiffre a une source et une étiquette de confiance. mesuré est un décompte direct, estimation est calculé à partir d’autres données, et non compté signifie que personne n’a publié de décompte. Savoir si l’un de ces systèmes a des expériences est une question distincte. Les preuves à ce sujet se trouvent sous critères de sentience et indicateurs de conscience.

Esprits individuels

Neurones du cortex cérébral (mammifères) ou du pallium (oiseaux), un repère anatomique très utilisé de la capacité cognitive. Échelle logarithmique ; les barres pleines sont des décomptes, les barres hachurées des estimations ou des décomptes contestés (†). Les reptiles et les invertébrés ne sont pas montrés, faute de décompte comparable.
  1. Orque †43,1 milliards
  2. Globicéphale noir †37,2 milliards
  3. Humain▲116,3 milliards
  4. Marsouin commun †14,9 milliards
  5. Grand dauphin †12,7 milliards
  6. Baleine à bec de Cuvier9,1 milliards
  7. Gorille8,5 milliards
  8. Orang-outan8,5 milliards
  9. Chimpanzé7,4 milliards
  10. Dauphin commun6,7 milliards
  11. Phoque du Groenland6,1 milliards
  12. Éléphant d’Afrique▼15,6 milliards
  13. Rorqual commun5,2 milliards
  14. Baleine bleue5,1 milliards
  15. Petit rorqual3,2 milliards
Afficher les chiffres
#AnimalCortex ou palliumCerveau entier
1Orque †43,1 milliards
2Globicéphale noir †37,2 milliards
3Humain16,3 milliards86,1 milliards
4Marsouin commun †14,9 milliards
5Grand dauphin †12,7 milliards
6Baleine à bec de Cuvier9,1 milliards
7Gorille8,5 milliards
8Orang-outan8,5 milliards
9Chimpanzé7,4 milliards
10Dauphin commun6,7 milliards
11Phoque du Groenland6,1 milliards
12Éléphant d’Afrique5,6 milliards257 milliards
13Rorqual commun5,2 milliards
14Baleine bleue5,1 milliards
15Petit rorqual3,2 milliards57,4 milliards
16Babouin olive2,88 milliards10,95 milliards
17Béluga2,7 milliards
18Cachalot nain2,02 milliards
19Ara bleu et jaune1,92 milliard3,14 milliards
20Macaque rhésus1,71 milliard6,39 milliards
21Girafe1,67 milliard11,21 milliards
22Saïmiri1,34 milliard3,25 milliards
23Grand-duc d’Europe1,33 milliard1,9 milliard
24Kéa1,28 milliard2,15 milliards
25Harfang des neiges1,27 milliard1,81 milliard
26Grand corbeau1,2 milliard2,17 milliards
27Chouette hulotte1,15 milliard1,58 milliard
28Capucin1,14 milliard3,69 milliards
29Cacatoès à huppe jaune1,14 milliard2,12 milliards
30Perroquet gris du Gabon850 millions1,57 milliard
31Corbeau freux820 millions1,51 milliard
32Grand koudou793,07 millions6,09 milliards
33Hibou moyen-duc673 millions991,31 millions
34Cacatoès de Goffin599 millions1,16 milliard
35Lion545,24 millions4,67 milliards
36Pygargue à queue blanche542,93 millions1,65 milliard
37Geai des chênes529 millions1,09 milliard
38Chien domestique526 millions
39Hyène rayée495,28 millions3,88 milliards
40Choucas des tours492 millions967,99 millions
41Autruche d’Afrique479,41 millions1,63 milliard
42Pie bavarde443 millions897,27 millions
43Faucon sacre442,95 millions1,2 milliard
44Émeu439 millions1,34 milliard
45Raton laveur437,94 millions2,15 milliards
46Effraie des clochers437 millions689,54 millions
47Chevêche d’Athéna400,82 millions585,92 millions
48Urubu noir398,9 millions1,01 milliard
49Chevêchette d’Europe364 millions533,26 millions
50Buse variable351,7 millions1 milliard
51Nandou d’Amérique330,34 millions1,03 milliard
52Cygne tuberculé323,66 millions1 milliard
53Cochon domestique293 millions2,22 milliards
54Oie cendrée258,65 millions738,23 millions
55Ours brun250,97 millions9,59 milliards
56Chat domestique250 millions1,22 milliard
57Ouistiti commun245 millions638 millions
58Faucon crécerelle237,9 millions624,58 millions
59Sarcelle d’hiver167,29 millions375,41 millions
60Perruche ondulée149 millions321,82 millions
61Bernache à cou roux148,62 millions482,71 millions
62Canard branchu138,21 millions305,82 millions
63Faucon pygmée131,9 millions350,37 millions
64Sarcelle marbrée130,14 millions386,92 millions
65Paon bleu129,62 millions570,93 millions
66Hocco à pierre jaune124,62 millions652,99 millions
67Goura de Victoria118,45 millions578,7 millions
68Canard colvert112,26 millions367,47 millions
69Dindon sauvage105,65 millions492,87 millions
70Épervier d’Europe87,83 millions401,75 millions
71Faisan vénéré80,69 millions387,17 millions
72Pigeon biset72 millions310 millions
73Lapin de garenne71,5 millions513 millions
74Coq bankiva60,7 millions220,84 millions
75Tinamou du Chili59,13 millions241,37 millions
76Diamant mandarin55,2 millions135,98 millions
77Tinamou élégant à crête51,38 millions217,77 millions
78Pigeon ramier51,33 millions258,68 millions
79Tinamou à crête du Quebracho48,29 millions235,67 millions
80Tourterelle rieuse40 millions139,27 millions
81Colin de Virginie39,11 millions148,4 millions
82Perdrix grise36,88 millions170,29 millions
83Rat31 millions200 millions
84Caille des blés22,57 millions117,76 millions
85Caille de Chine20,52 millions80,48 millions
86Géopélie diamant18,21 millions87,88 millions
87Souris13,7 millions70,9 millions
88Rat-taupe nu5,31 millions33,62 millions

Paramètres entraînables (poids des connexions), sur une échelle logarithmique : tous les modèles notables de la base d’Epoch AI avec un nombre de paramètres (consultée 3 octobre 2026). Les barres pleines sont des nombres qu’Epoch juge fiables ; les barres hachurées sont des nombres qu’il juge probables ou spéculatifs. Les barres marquées * sont des estimations pour des modèles fermés dont les développeurs ne publient pas la taille, compilées 2 octobre 2026 à partir d’analyses de tiers ; la moustache montre la fourchette de l’estimation. Gemini 3 et suivants : aucune estimation publiée. Les lignes creuses sont des nombres de synapses : un paramètre est plus proche d’une synapse que d’un neurone.
  1. Néocortex humain1.6 × 10¹⁴
  2. GPT-5.5 (OpenAI, 2026) *~4.7 × 10¹²
  3. Claude Fable 5 (Anthropic, 2026) *~3.5 × 10¹²
  4. Grok 3 (xAI, 2025)~3 × 10¹²
  5. Grok 4 (xAI, 2025)~3 × 10¹²
  6. Gemini 2.5 Pro (Google, 2025) *~3 × 10¹²
  7. Kimi K3 (Moonshot, 2026)~2.8 × 10¹²
  8. Qwen 3.8 Max (Alibaba, 2026)2.4 × 10¹²
  9. Qwen3.8-2.4T-A95B (Alibaba, 2026)2.4 × 10¹²
  10. Grok 4.7 (xAI, 2026) *~2.1 × 10¹²
  11. Llama 4 Behemoth (Meta AI, 2025)~2 × 10¹²
  12. GPT-4 (OpenAI, 2023)~1.8 × 10¹²
  13. DeepSeek-V4-Pro (DeepSeek, 2026)~1.6 × 10¹²
  14. LongCat-2.0 (Meituan Inc, 2026)~1.6 × 10¹²
  15. Switch (Google, 2021)1.6 × 10¹²
  16. GLaM (Google, 2021)1.2 × 10¹²
  17. PanGu-Σ (Huawei Noah’s Ark Lab, 2023)1.1 × 10¹²
  18. Kimi K2.5 (Moonshot, 2026)~1 × 10¹²
  19. Composer 2 (Cursor, 2026)1 × 10¹²
  20. Kimi K2.6 (Moonshot, 2026)1 × 10¹²
  21. Composer 2.5 (Cursor, 2026)~1 × 10¹²
  22. MiMo-V2-Pro (Xiaomi Corp, 2026)1 × 10¹²
  23. MiMo-V2.5-Pro (Xiaomi Corp, 2026)~1 × 10¹²
  24. M6-T (Alibaba, 2021)~1 × 10¹²
  25. Kimi K2 (Moonshot, 2025)1 × 10¹²
  26. Qwen3-Max (Alibaba, 2025)~1 × 10¹²
  27. Ling-1T (Ant Group, 2025)1 × 10¹²
  28. Kimi K2 Thinking (Moonshot, 2025)~1 × 10¹²
  29. Inkling (Thinking Machines, 2026)~9.8 × 10¹¹
  30. Tencent Hy4 preview (Tencent, 2026)~7.7 × 10¹¹
  31. GLM-5.1 (Z.ai (Zhipu AI), 2026)7.5 × 10¹¹
  32. K-EXAONE 2.0 (LG AI Research, 2026)7.5 × 10¹¹
  33. DeepSeek V4.1 Flash (DeepSeek, 2026)~7.5 × 10¹¹
  34. GLM-5 (Z.ai (Zhipu AI), 2026)~7.4 × 10¹¹
  35. GLM-5.3 (Z.ai (Zhipu AI), 2026)7.4 × 10¹¹
  36. A.X K2 (SK Telecom, 2026)6.9 × 10¹¹
  37. DeepSeekMath-V2 (DeepSeek, 2025)6.8 × 10¹¹
  38. Mistral Large 3 (Mistral AI, 2025)6.8 × 10¹¹
  39. DeepSeek-V3 (DeepSeek, 2024)6.7 × 10¹¹
  40. DeepSeek-R1 (DeepSeek, 2025)6.7 × 10¹¹
Afficher les chiffres
#SystèmeTous les paramètresUtilisés par jetonAnnéeType
1Néocortex humain1.6 × 10¹⁴1.6 × 10¹⁴synapses
2GPT-5.5 (OpenAI, 2026) *~4.7 × 10¹²2026estimation
3Claude Fable 5 (Anthropic, 2026) *~3.5 × 10¹²2026estimation
4Grok 3 (xAI, 2025)~3 × 10¹²2025estimation
5Grok 4 (xAI, 2025)~3 × 10¹²2025estimation
6Gemini 2.5 Pro (Google, 2025) *~3 × 10¹²2025estimation
7Kimi K3 (Moonshot, 2026)~2.8 × 10¹²2026estimation
8Qwen 3.8 Max (Alibaba, 2026)2.4 × 10¹²2.4 × 10¹²2026architecture non précisée
9Qwen3.8-2.4T-A95B (Alibaba, 2026)2.4 × 10¹²9.5 × 10¹⁰2026mélange d’experts
10Grok 4.7 (xAI, 2026) *~2.1 × 10¹²2026estimation
11Llama 4 Behemoth (Meta AI, 2025)~2 × 10¹²2025estimation
12GPT-4 (OpenAI, 2023)~1.8 × 10¹²2023estimation
13DeepSeek-V4-Pro (DeepSeek, 2026)~1.6 × 10¹²2026estimation
14LongCat-2.0 (Meituan Inc, 2026)~1.6 × 10¹²2026estimation
15Switch (Google, 2021)1.6 × 10¹²1.6 × 10¹²2021mélange d’experts (nombre actif non publié)
16GLaM (Google, 2021)1.2 × 10¹²1.2 × 10¹²2021mélange d’experts (nombre actif non publié)
17PanGu-Σ (Huawei Noah’s Ark Lab, 2023)1.1 × 10¹²1.1 × 10¹²2023mélange d’experts (nombre actif non publié)
18Kimi K2.5 (Moonshot, 2026)~1 × 10¹²2026estimation
19Composer 2 (Cursor, 2026)1 × 10¹²1 × 10¹²2026mélange d’experts (nombre actif non publié)
20Kimi K2.6 (Moonshot, 2026)1 × 10¹²1 × 10¹²2026mélange d’experts (nombre actif non publié)
21Composer 2.5 (Cursor, 2026)~1 × 10¹²2026estimation
22MiMo-V2-Pro (Xiaomi Corp, 2026)1 × 10¹²1 × 10¹²2026architecture non précisée
23MiMo-V2.5-Pro (Xiaomi Corp, 2026)~1 × 10¹²2026estimation
24M6-T (Alibaba, 2021)~1 × 10¹²2021estimation
25Kimi K2 (Moonshot, 2025)1 × 10¹²1 × 10¹²2025mélange d’experts (nombre actif non publié)
26Qwen3-Max (Alibaba, 2025)~1 × 10¹²2025estimation
27Ling-1T (Ant Group, 2025)1 × 10¹²5 × 10¹⁰2025mélange d’experts
28Kimi K2 Thinking (Moonshot, 2025)~1 × 10¹²2025estimation
29Inkling (Thinking Machines, 2026)~9.8 × 10¹¹2026estimation
30Tencent Hy4 preview (Tencent, 2026)~7.7 × 10¹¹2026estimation
31GLM-5.1 (Z.ai (Zhipu AI), 2026)7.5 × 10¹¹7.5 × 10¹¹2026mélange d’experts (nombre actif non publié)
32K-EXAONE 2.0 (LG AI Research, 2026)7.5 × 10¹¹7.5 × 10¹¹2026mélange d’experts (nombre actif non publié)
33DeepSeek V4.1 Flash (DeepSeek, 2026)~7.5 × 10¹¹2026estimation
34GLM-5 (Z.ai (Zhipu AI), 2026)~7.4 × 10¹¹2026estimation
35GLM-5.3 (Z.ai (Zhipu AI), 2026)7.4 × 10¹¹4 × 10¹⁰2026mélange d’experts
36A.X K2 (SK Telecom, 2026)6.9 × 10¹¹6.9 × 10¹¹2026mélange d’experts (nombre actif non publié)
37DeepSeekMath-V2 (DeepSeek, 2025)6.8 × 10¹¹6.8 × 10¹¹2025mélange d’experts (nombre actif non publié)
38Mistral Large 3 (Mistral AI, 2025)6.8 × 10¹¹4.1 × 10¹⁰2025mélange d’experts
39DeepSeek-V3 (DeepSeek, 2024)6.7 × 10¹¹3.7 × 10¹⁰2024mélange d’experts
40DeepSeek-R1 (DeepSeek, 2025)6.7 × 10¹¹3.7 × 10¹⁰2025mélange d’experts
41SenseChat 5.5 (SenseTime, 2024)6 × 10¹¹6 × 10¹¹2024architecture non précisée
42Step 5 Preview (StepFun, 2026)~6 × 10¹¹2026estimation
43PaLM-E (Google, 2023)~5.6 × 10¹¹2023estimation
44Hunyuan-TurboS (Tencent, 2025)5.6 × 10¹¹5.6 × 10¹¹2025mélange d’experts (nombre actif non publié)
45LongCat-Flash (Meituan Inc, 2025)~5.6 × 10¹¹2025estimation
46Nemotron 3 Ultra (Nvidia, 2026)~5.5 × 10¹¹2026estimation
47PaLM (Google Research, 2022)5.4 × 10¹¹5.4 × 10¹¹2022dense
48Minerva (Google, 2022)5.4 × 10¹¹5.4 × 10¹¹2022dense
49U-PaLM (Google, 2022)5.4 × 10¹¹5.4 × 10¹¹2022dense
50LMSI-Palm (Google, 2022)5.4 × 10¹¹5.4 × 10¹¹2022dense
51Flan-PaLM 540B (Google, 2022)5.4 × 10¹¹5.4 × 10¹¹2022dense
52Megatron-Turing NLG 530B (Microsoft, 2021)5.3 × 10¹¹5.3 × 10¹¹2021dense
53MegaScale (ByteDance, 2024)~5.3 × 10¹¹2024estimation
54A.X K1 (SK Telecom, 2025)5.2 × 10¹¹5.2 × 10¹¹2025mélange d’experts (nombre actif non publié)
55Doubao-pro (ByteDance, 2024)~5 × 10¹¹2024estimation
56Grok 4.20 (xAI, 2026)~5 × 10¹¹2026estimation
57Qwen3-Coder-480B-A35B (Alibaba, 2025)4.8 × 10¹¹3.5 × 10¹⁰2025mélange d’experts
58MiniMax-M3 (MiniMax, 2026)4.3 × 10¹¹2.2 × 10¹⁰2026mélange d’experts
59ERNIE-4.5-VL-424B-A47B (Baidu, 2025)4.2 × 10¹¹4.7 × 10¹⁰2025mélange d’experts
60Llama 3.1-405B (Meta AI, 2024)4 × 10¹¹4 × 10¹¹2024dense
61Llama 4 Maverick (Meta AI, 2025)~4 × 10¹¹2025estimation
62Jamba 1.5-Large (AI21 Labs, 2024)4 × 10¹¹4 × 10¹¹2024mélange d’experts (nombre actif non publié)
63Qwen3.5 397B-A17B (Alibaba, 2026)~4 × 10¹¹2026estimation
64Hunyuan-Large (Tencent, 2024)3.9 × 10¹¹3.9 × 10¹¹2024mélange d’experts (nombre actif non publié)
65GLM-4.7 (Z.ai (Zhipu AI), 2025)~3.6 × 10¹¹2025estimation
66GLM-4.6 (Z.ai (Zhipu AI), 2025)~3.6 × 10¹¹2025estimation
67GLM-4.5 (Z.ai (Zhipu AI), 2025)3.5 × 10¹¹3.2 × 10¹⁰2025mélange d’experts
68PaLM 2 (Google, 2023)~3.4 × 10¹¹2023estimation
69Med-PaLM 2 (Google Research, 2023)~3.4 × 10¹¹2023estimation
70Nemotron-4 340B (Nvidia, 2024)3.4 × 10¹¹3.4 × 10¹¹2024dense
71GLM-5.3-Flash (Z.ai (Zhipu AI), 2026)~3.2 × 10¹¹2026estimation
72Grok-1 (xAI, 2023)~3.1 × 10¹¹2023estimation
73Motif-3 (Motif Technologies, 2026)3.1 × 10¹¹3.1 × 10¹¹2026mélange d’experts (nombre actif non publié)
74SB-LM (Google, 2007)~3 × 10¹¹2007estimation
75Tencent Hy3 preview (Tencent, 2026)3 × 10¹¹3 × 10¹¹2026mélange d’experts (nombre actif non publié)
76Tencent Hy3 (Tencent, 2026)3 × 10¹¹3 × 10¹¹2026mélange d’experts (nombre actif non publié)
77DeepSeek-V4-Flash (DeepSeek, 2026)~2.8 × 10¹¹2026estimation
78Gopher (DeepMind, 2021)2.8 × 10¹¹2.8 × 10¹¹2021dense
79TML-Interaction-Small (Thinking Machines, 2026)2.8 × 10¹¹2.8 × 10¹¹2026mélange d’experts (nombre actif non publié)
80ST-MoE (Google, 2022)~2.7 × 10¹¹2022estimation
81ERNIE 3.0 Titan (Baidu, 2021)2.6 × 10¹¹2.6 × 10¹¹2021dense
82Solar Open2 250B (Upstage, 2026)~2.5 × 10¹¹2026estimation
83Aramco Metabrain AI (Saudi Aramco, 2024)~2.5 × 10¹¹2024estimation
84Yuan 1.0 (Inspur, 2021)2.5 × 10¹¹2.5 × 10¹¹2021architecture non précisée
85DeepSeek-Coder-V2 236B (DeepSeek, 2024)2.4 × 10¹¹2.4 × 10¹¹2024mélange d’experts (nombre actif non publié)
86DeepSeek-V2.5 (DeepSeek, 2024)2.4 × 10¹¹2.4 × 10¹¹2024mélange d’experts (nombre actif non publié)
87K-EXAONE (LG AI Research, 2025)2.4 × 10¹¹2.4 × 10¹¹2025architecture non précisée
88Qwen3-235B-A22B (Alibaba, 2025)~2.4 × 10¹¹2025estimation
89Qwen3-235B-A22B-Thinking (Alibaba, 2025)~2.4 × 10¹¹2025estimation
90P1-235B-A22B (Shanghai AI Lab, 2025)~2.4 × 10¹¹2025estimation
91Seed-1.6-Thinking (ByteDance, 2025)2.3 × 10¹¹2.3 × 10¹¹2025mélange d’experts (nombre actif non publié)
92MiniMax-M2 (MiniMax, 2025)2.3 × 10¹¹1 × 10¹⁰2025mélange d’experts
93MiniMax-M2.1 (MiniMax, 2025)2.3 × 10¹¹2.3 × 10¹¹2025mélange d’experts (nombre actif non publié)
94HyperCLOVA 204B (NAVER, 2021)~2 × 10¹¹2021estimation
95Amazon Titan (Amazon, 2023)~2 × 10¹¹2023estimation
96Falcon-180B (Technology Innovation Institute, 2023)1.8 × 10¹¹1.8 × 10¹¹2023dense
97Jurassic-1-Jumbo (AI21 Labs, 2021)1.8 × 10¹¹1.8 × 10¹¹2021architecture non précisée
98BLOOM-176B (Hugging Face, 2022)1.8 × 10¹¹1.8 × 10¹¹2022dense
99BLUUMI (Université de Turku, 2023)~1.8 × 10¹¹2023estimation
100InstructGPT 175B (OpenAI, 2022)1.8 × 10¹¹1.8 × 10¹¹2022dense
101OPT-175B (Meta AI, 2022)1.8 × 10¹¹1.8 × 10¹¹2022dense
102BlenderBot 3 (Université McGill, 2022)~1.8 × 10¹¹2022estimation
103GPT-3 175B (OpenAI, 2020)1.7 × 10¹¹1.7 × 10¹¹2020dense
104Palmyra X 004 (Writer, 2024)~1.5 × 10¹¹2024estimation
105FLAN 137B (Google Research, 2021)1.4 × 10¹¹1.4 × 10¹¹2021architecture non précisée
106LaMDA (Google, 2022)1.4 × 10¹¹1.4 × 10¹¹2022architecture non précisée
107MEB (Microsoft, 2021)1.4 × 10¹¹1.4 × 10¹¹2021architecture non précisée
108Pangu Ultra (Huawei, 2025)1.4 × 10¹¹1.4 × 10¹¹2025architecture non précisée
109DBRX (Databricks, 2024)1.3 × 10¹¹1.3 × 10¹¹2024mélange d’experts (nombre actif non publié)
110GLM-130B (Université Tsinghua, 2022)1.3 × 10¹¹1.3 × 10¹¹2022dense
111Pixtral Large (Mistral AI, 2024)1.2 × 10¹¹1.2 × 10¹¹2024architecture non précisée
112Mistral Large 2 (Mistral AI, 2024)~1.2 × 10¹¹2024estimation
113Qwen3.5-122B-A10B (Alibaba, 2026)~1.2 × 10¹¹2026estimation
114Galactica (Meta AI, 2022)~1.2 × 10¹¹2022estimation
115Nemotron 3 Super (Nvidia, 2026)~1.2 × 10¹¹2026estimation
116gpt-oss-120b (OpenAI, 2025)1.2 × 10¹¹5.1 × 10⁹2025mélange d’experts
117Telechat2-115B (China Telecom, 2024)1.1 × 10¹¹1.1 × 10¹¹2024architecture non précisée
118Kaiju Large (Character.ai, 2025)~1.1 × 10¹¹2025estimation
119Llama 4 Scout (Meta AI, 2025)~1.1 × 10¹¹2025estimation
120InternLM (Shanghai AI Lab, 2023)1 × 10¹¹1 × 10¹¹2023dense
121Solar Open 100B (Upstage, 2025)1 × 10¹¹1 × 10¹¹2025architecture non précisée
122DLRM-2020 (Facebook AI, 2019)1 × 10¹¹1 × 10¹¹2019dense
123xTrimoPGLM -100B (Université Tsinghua, 2023)1 × 10¹¹1 × 10¹¹2023architecture non précisée
124Yi-Large (01.AI, 2024)~1 × 10¹¹2024estimation
125VAETKI (NC AI, 2025)1 × 10¹¹1 × 10¹¹2025mélange d’experts (nombre actif non publié)
126ESM3 (EvolutionaryScale, 2024)9.8 × 10¹⁰9.8 × 10¹⁰2024architecture non précisée
127Néocortex de souris8.1 × 10¹⁰8.1 × 10¹⁰synapses
128Flamingo (DeepMind, 2022)8 × 10¹⁰8 × 10¹⁰2022dense
129Qwen3-Coder-Next (Alibaba, 2026)~8 × 10¹⁰2026estimation
130Qwen2-72B (Alibaba, 2024)7.3 × 10¹⁰7.3 × 10¹⁰2024dense
131Qwen2.5-72B (Alibaba, 2024)7.3 × 10¹⁰7.3 × 10¹⁰2024dense
132Qwen2.5 Instruct (Alibaba, 2024)7.3 × 10¹⁰7.3 × 10¹⁰2024dense
133Qwen-72B (Alibaba, 2023)7.2 × 10¹⁰7.2 × 10¹⁰2023dense
134Palmyra X 003 (Writer, 2024)~7.2 × 10¹⁰2024estimation
135Qwen1.5-72B (Alibaba, 2024)7.2 × 10¹⁰7.2 × 10¹⁰2024dense
136LLaVA-OV-72B (ByteDance, 2024)7.2 × 10¹⁰7.2 × 10¹⁰2024dense
137NVLM-X 72B (Nvidia, 2024)~7.2 × 10¹⁰2024estimation
138NVLM-H 72B (Nvidia, 2024)~7.2 × 10¹⁰2024estimation
139NVLM-D 72B (Nvidia, 2024)7.2 × 10¹⁰7.2 × 10¹⁰2024architecture non précisée
140MindLink-72B (Kunlun Inc., 2025)7.2 × 10¹⁰7.2 × 10¹⁰2025architecture non précisée
141Chinchilla (DeepMind, 2022)7 × 10¹⁰7 × 10¹⁰2022dense
142Llama 2-70B (Meta AI, 2023)7 × 10¹⁰7 × 10¹⁰2023dense
143PPLX-70B-Online (Perplexity, 2023)~7 × 10¹⁰2023estimation
144Llama 3-70B (Meta AI, 2024)7 × 10¹⁰7 × 10¹⁰2024dense
145ALLaM adapted 70B (Saudi Data and Artificial Intelligence Authority, 2024)7 × 10¹⁰7 × 10¹⁰2024architecture non précisée
146Llama 3.3 70B (Meta AI, 2024)7 × 10¹⁰7 × 10¹⁰2024dense
147Reka Core (Reka AI, 2024)~6.7 × 10¹⁰2024estimation
148LLaMA-65B (Meta AI, 2023)6.5 × 10¹⁰6.5 × 10¹⁰2023dense
149SNM-skip (Google, 2014)~6.2 × 10¹⁰2014estimation
150PaLI-X (Google Research, 2023)~5.5 × 10¹⁰2023estimation
151RT-2 (Google DeepMind, 2023)5.5 × 10¹⁰5.5 × 10¹⁰2023architecture non précisée
152RT-2-X (Google DeepMind, 2023)5.5 × 10¹⁰5.5 × 10¹⁰2023architecture non précisée
153NLLB (Meta AI, 2022)5.5 × 10¹⁰5.5 × 10¹⁰2022dense
154BloombergGPT (Bloomberg, 2023)5.1 × 10¹⁰5.1 × 10¹⁰2023dense
155M4-50B (Google, 2019)5 × 10¹⁰5 × 10¹⁰2019mélange d’experts (nombre actif non publié)
156Mixtral 8x7B (Mistral AI, 2023)~4.7 × 10¹⁰2023estimation
157AlphaCode (DeepMind, 2022)4.1 × 10¹⁰4.1 × 10¹⁰2022architecture non précisée
158Falcon-40B (Technology Innovation Institute, 2023)4 × 10¹⁰4 × 10¹⁰2023dense
159Qwen3-Omni-30B-A3B (Alibaba, 2025)3.5 × 10¹⁰3 × 10⁹2025mélange d’experts
160Yi-34B (01.AI, 2023)3.4 × 10¹⁰3.4 × 10¹⁰2023dense
161Cambrian-1-34B (Université de New York (NYU), 2024)3.4 × 10¹⁰3.4 × 10¹⁰2024architecture non précisée
162Oryx 34B (Université Tsinghua, 2024)3.4 × 10¹⁰3.4 × 10¹⁰2024architecture non précisée
163Kaiju Medium (Character.ai, 2025)~3.4 × 10¹⁰2025estimation
164EXAONE 4.5 (LG AI Research, 2026)3.3 × 10¹⁰3.3 × 10¹⁰2026architecture non précisée
165Qwen2.5-32B (Alibaba, 2024)3.3 × 10¹⁰3.3 × 10¹⁰2024dense
166QwQ-32B (Alibaba, 2025)~3.3 × 10¹⁰2025estimation
167EXAONE 3.5 32B (LG AI Research, 2024)3.2 × 10¹⁰3.2 × 10¹⁰2024architecture non précisée
168EXAONE Deep 32B (LG AI Research, 2025)3.2 × 10¹⁰3.2 × 10¹⁰2025architecture non précisée
169EXAONE 4.0 (LG AI Research, 2025)3.2 × 10¹⁰3.2 × 10¹⁰2025architecture non précisée
170Olmo 3 (Allen Institute for AI, 2025)3.2 × 10¹⁰3.2 × 10¹⁰2025architecture non précisée
171HyperCLOVA X SEED 32B Think (NAVER, 2025)3.2 × 10¹⁰3.2 × 10¹⁰2025architecture non précisée
172Nemotron 3-Nano-30B-A3B (Nvidia, 2025)~3.2 × 10¹⁰2025estimation
173Tongyi DeepResearch (Alibaba, 2025)3 × 10¹⁰3 × 10¹⁰2025architecture non précisée
174MM1-30B (Apple, 2024)~3 × 10¹⁰2024estimation
175Movie Gen Video (Meta AI, 2024)3 × 10¹⁰3 × 10¹⁰2024architecture non précisée
176AgentFounder-30B (Alibaba, 2025)3 × 10¹⁰3 × 10¹⁰2025architecture non précisée
177PLUG (Alibaba, 2021)2.7 × 10¹⁰2.7 × 10¹⁰2021architecture non précisée
178Qwen Image (Alibaba, 2025)2.7 × 10¹⁰2.7 × 10¹⁰2025architecture non précisée
179GenSLM (Université de Chicago, 2022)2.5 × 10¹⁰2.5 × 10¹⁰2022architecture non précisée
180ViT-22B (Google, 2023)2.2 × 10¹⁰2.2 × 10¹⁰2023architecture non précisée
181KN-LM (Google, 2007)~2.1 × 10¹⁰2007estimation
182gpt-oss-20b (OpenAI, 2025)2.1 × 10¹⁰2.1 × 10¹⁰2025mélange d’experts (nombre actif non publié)
183RNN for 1B words (Google, 2013)~2 × 10¹⁰2013estimation
184GPT-NeoX-20B (EleutherAI, 2022)2 × 10¹⁰2 × 10¹⁰2022dense
185UL2 (Google Research, 2022)2 × 10¹⁰2 × 10¹⁰2022architecture non précisée
186Parti (Google Research, 2022)2 × 10¹⁰2 × 10¹⁰2022architecture non précisée
187GPT-3.5 Turbo (OpenAI, 2023)~2 × 10¹⁰2023estimation
188GPT-3.5 Turbo Instruct (OpenAI, 2023)~2 × 10¹⁰2023estimation
189SPHINX (Shanghai AI Lab, 2023)~2 × 10¹⁰2023estimation
190AlexaTM 20B (Amazon, 2022)2 × 10¹⁰2 × 10¹⁰2022architecture non précisée
191CogAgent (Université Tsinghua, 2023)~1.8 × 10¹⁰2023estimation
192Turing-NLG (Microsoft, 2020)~1.7 × 10¹⁰2020estimation
193CogVLM-17B (Université Tsinghua, 2023)1.7 × 10¹⁰1.7 × 10¹⁰2023architecture non précisée
194PaLI (Google, 2022)~1.7 × 10¹⁰2022estimation
195CodeT5+ (Salesforce, 2023)1.6 × 10¹⁰1.6 × 10¹⁰2023architecture non précisée
196StarCoder (Hugging Face, 2023)1.6 × 10¹⁰1.6 × 10¹⁰2023dense
197ESM2-15B (Meta AI, 2022)1.5 × 10¹⁰1.5 × 10¹⁰2022architecture non précisée
198FunSearch (Google DeepMind, 2023)~1.5 × 10¹⁰2023estimation
199NVILA 15B (Nvidia, 2024)1.5 × 10¹⁰1.5 × 10¹⁰2024architecture non précisée
200nekomata-14b (rinna, 2023)1.4 × 10¹⁰1.4 × 10¹⁰2023architecture non précisée
201VILA1.5-13B (Nvidia, 2024)1.3 × 10¹⁰1.3 × 10¹⁰2024architecture non précisée
202VILA-13B (Nvidia, 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023architecture non précisée
203mT5-XXL (Google, 2020)1.3 × 10¹⁰1.3 × 10¹⁰2020dense
204mT0-13B (Hugging Face, 2022)1.3 × 10¹⁰1.3 × 10¹⁰2022architecture non précisée
205LLaVA (Université du Wisconsin à Madison, 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023dense
206InstructBLIP (Salesforce Research, 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023architecture non précisée
207Jais (Cerebras Systems, 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023architecture non précisée
208FinGPT-13B (Université de Californie à Los Angeles (UCLA), 2023)~1.3 × 10¹⁰2023estimation
209Ferret (Université Columbia, 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023architecture non précisée
210Skywork-13B (Kunlun Inc., 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023architecture non précisée
211LLaVA 1.5 (Université du Wisconsin à Madison, 2023)1.3 × 10¹⁰1.3 × 10¹⁰2023dense
212Volcano 13B (Université de Corée, 2023)~1.3 × 10¹⁰2023estimation
213Aya (Cohere Labs (anciennement Cohere for AI), 2024)~1.3 × 10¹⁰2024estimation
214Kaiju Small (Character.ai, 2025)~1.3 × 10¹⁰2025estimation
215ByT5-XXL (Google, 2021)~1.3 × 10¹⁰2021estimation
216CoRe (Université Tsinghua, 2023)~1.2 × 10¹⁰2023estimation
217DALL-E (OpenAI, 2021)~1.2 × 10¹⁰2021estimation
218Codex (OpenAI, 2021)~1.2 × 10¹⁰2021estimation
219T5-11B (Google, 2019)1.1 × 10¹⁰1.1 × 10¹⁰2019dense
220UnifiedQA (Allen Institute for AI, 2020)1.1 × 10¹⁰1.1 × 10¹⁰2020dense
221Unicorn (Allen Institute for AI, 2021)1.1 × 10¹⁰1.1 × 10¹⁰2021architecture non précisée
222PLATO-XL (Baidu, 2021)1.1 × 10¹⁰1.1 × 10¹⁰2021architecture non précisée
223CoEdiT-xxl (Université du Minnesota, 2023)~1.1 × 10¹⁰2023estimation
224GQA-8-XXL (Google Research, 2023)1.1 × 10¹⁰1.1 × 10¹⁰2023architecture non précisée
225XLMR-XXL (Facebook AI Research, 2021)1.1 × 10¹⁰1.1 × 10¹⁰2021architecture non précisée
226Llama 3.2 11B (Meta AI, 2024)1.1 × 10¹⁰1.1 × 10¹⁰2024dense
227ERNIE 3.0 (Baidu, 2021)1 × 10¹⁰1 × 10¹⁰2021dense
228ERNIE-ViLG (Baidu, 2021)~1 × 10¹⁰2021estimation
229Qwen-VL (Alibaba, 2023)~9.6 × 10⁹2023estimation
230Generative BST (Facebook AI Research, 2021)9.4 × 10⁹9.4 × 10⁹2021architecture non précisée
231Sparse all-MLP (Meta AI, 2022)9.4 × 10⁹9.4 × 10⁹2022mélange d’experts (nombre actif non publié)
232CogVideo (Université Tsinghua, 2022)~9.4 × 10⁹2022estimation
233eDiff-I (Nvidia, 2022)~9.1 × 10⁹2022estimation
234Eagle 2 (Nvidia, 2025)8.9 × 10⁹8.9 × 10⁹2025architecture non précisée
235MoE-Multi (Université Jagellonne, 2017)8.7 × 10⁹8.7 × 10⁹2017mélange d’experts (nombre actif non publié)
236Qwen-Audio-Chat (Alibaba, 2023)~8.5 × 10⁹2023estimation
237Megatron-LM (Nvidia, 2019)~8.3 × 10⁹2019estimation
238BigSSL (Google, 2021)~8 × 10⁹2021estimation
239Nemotron-3-8B (Nvidia, 2023)8 × 10⁹8 × 10⁹2023architecture non précisée
240Stable Diffusion 3 (Stability AI, 2024)8 × 10⁹8 × 10⁹2024dense
241Qwen3 Embedding (Alibaba, 2025)8 × 10⁹8 × 10⁹2025mélange d’experts (nombre actif non publié)
242Imagen (Google Brain, 2022)~7.8 × 10⁹2022estimation
243XGLM-7.5B (Meta AI, 2021)7.5 × 10⁹7.5 × 10⁹2021architecture non précisée
244RETRO-7B (DeepMind, 2022)7.5 × 10⁹7.5 × 10⁹2022architecture non précisée
245OpenVLA (Université de Stanford, 2024)7.2 × 10⁹7.2 × 10⁹2024architecture non précisée
246mPLUG-Owl2 (Alibaba, 2023)~7.1 × 10⁹2023estimation
247Goat-7B (Université nationale de Singapour, 2023)~7 × 10⁹2023estimation
248Llama 2-7B (Meta AI, 2023)7 × 10⁹7 × 10⁹2023dense
249Llama Guard (Meta AI, 2023)7 × 10⁹7 × 10⁹2023dense
250Qwen-VL-Max (Alibaba, 2024)7 × 10⁹7 × 10⁹2024dense
251Mathstral (Mistral AI, 2024)7 × 10⁹7 × 10⁹2024architecture non précisée
252Apollo 7B (Meta AI, 2024)7 × 10⁹7 × 10⁹2024architecture non précisée
253Eurus-2-7B-PRIME (Université Tsinghua, 2025)~7 × 10⁹2025estimation
254INTELLECT-MATH (Prime Intellect, 2025)7 × 10⁹7 × 10⁹2025architecture non précisée
255Incoder-6.7B (Facebook AI Research, 2023)6.7 × 10⁹6.7 × 10⁹2023architecture non précisée
256ProGen2-xlarge (Salesforce Research, 2022)6.4 × 10⁹6.4 × 10⁹2022architecture non précisée
257GPipe (Google, 2018)~6 × 10⁹2018estimation
258InstructGPT 6B (OpenAI, 2022)6 × 10⁹6 × 10⁹2022dense
259Vega v2 (Université de Wuhan, 2022)6 × 10⁹6 × 10⁹2022architecture non précisée
260ChatGLM3-6B (Z.ai (Zhipu AI), 2023)~6 × 10⁹2023estimation
261MolmoAct 2 (Allen Institute for AI, 2026)~5.5 × 10⁹2026estimation
262T-NLRv5 XXL (Microsoft, 2021)5.4 × 10⁹5.4 × 10⁹2021architecture non précisée
263π0.6 (Physical Intelligence, 2025)5.3 × 10⁹5.3 × 10⁹2025mélange d’experts (nombre actif non publié)
264PaLI-3 (Google DeepMind, 2023)5 × 10⁹5 × 10⁹2023architecture non précisée
265Mesh-TensorFlow Transformer 4.9B (Google Brain, 2018)4.9 × 10⁹4.9 × 10⁹2018dense
266W.A.L.T (Université de Stanford, 2023)4.7 × 10⁹4.7 × 10⁹2023architecture non précisée
267CogView (Université Tsinghua, 2021)~4 × 10⁹2021estimation
268Make-A-Scene (Meta AI, 2022)~4 × 10⁹2022estimation
269ONE-PEACE (Alibaba, 2023)~4 × 10⁹2023estimation
270Megatron-BERT (Nvidia, 2019)3.9 × 10⁹3.9 × 10⁹2019dense
271DALL·E 2 (OpenAI, 2022)~3.5 × 10⁹2022estimation
272Stable Diffusion XL (Stability AI, 2023)~3.4 × 10⁹2023estimation
273MusicGen (Meta AI, 2023)~3.4 × 10⁹2023estimation
274Gemini Nano-2 (Google DeepMind, 2023)3.3 × 10⁹3.3 × 10⁹2023architecture non précisée
275Zidong Taichu (Académie chinoise des sciences, 2021)3.2 × 10⁹3.2 × 10⁹2021architecture non précisée
276DeepNet (Microsoft Research, 2022)3.2 × 10⁹3.2 × 10⁹2022architecture non précisée
277MS-ensemble-speech-recognition (Microsoft, 2016)~3.2 × 10⁹2016estimation
278BASIC-L (Google, 2021)~3.1 × 10⁹2021estimation
279BASIC-L + Lion (Google, 2023)3.1 × 10⁹3.1 × 10⁹2023architecture non précisée
280LEP-AD (Université des sciences et technologies Roi Abdallah (KAUST), 2023)3 × 10⁹3 × 10⁹2023architecture non précisée
281ViT-G/14 (Google Research, 2021)3 × 10⁹3 × 10⁹2021architecture non précisée
282ProtT5-XL-U50 (Université technique de Munich, 2021)3 × 10⁹3 × 10⁹2021architecture non précisée
283Swin Transformer V2 (Microsoft Research Asia, 2021)3 × 10⁹3 × 10⁹2021architecture non précisée
284LongT5 (Google Research, 2021)3 × 10⁹3 × 10⁹2021architecture non précisée
285ReALM (Apple, 2024)3 × 10⁹3 × 10⁹2024architecture non précisée
286Mesh-TensorFlow Transformer 2.9B (Google Brain, 2018)~2.9 × 10⁹2018estimation
287T5-3B (Google, 2019)2.8 × 10⁹2.8 × 10⁹2019dense
288DPO on Pythia-2.8B (Université de Stanford, 2023)2.8 × 10⁹2.8 × 10⁹2023dense
289AFM-on-device (Apple, 2024)2.7 × 10⁹2.7 × 10⁹2024architecture non précisée
290PolyCoder (Université Carnegie Mellon (CMU), 2022)~2.7 × 10⁹2022estimation
291Hybrid H3-2.7B (Université de Stanford, 2022)~2.7 × 10⁹2022estimation
292GPT3-2.7B (Université de Stanford, 2023)2.7 × 10⁹2.7 × 10⁹2023architecture non précisée
293Meena (Google Brain, 2020)2.6 × 10⁹2.6 × 10⁹2020dense
294CPM-Large (Université Tsinghua, 2020)2.6 × 10⁹2.6 × 10⁹2020dense
295Nucleotide Transformer (Nvidia, 2023)~2.5 × 10⁹2023estimation
296Fugatto 1 (Nvidia, 2024)2.5 × 10⁹2.5 × 10⁹2024architecture non précisée
297CoAtNet (Google, 2021)2.4 × 10⁹2.4 × 10⁹2021architecture non précisée
298GShard (Google, 2020)2.3 × 10⁹2.3 × 10⁹2020dense
299SeamlessM4T (Facebook, 2023)2.3 × 10⁹2.3 × 10⁹2023architecture non précisée
300Turing ULRv5 (Microsoft, 2021)2.2 × 10⁹2.2 × 10⁹2021architecture non précisée
301CoCa (Google Research, 2022)2.1 × 10⁹2.1 × 10⁹2022architecture non précisée
302MuseNet (OpenAI, 2019)~2 × 10⁹2019estimation
303Infinity (ByteDance, 2024)2 × 10⁹2 × 10⁹2024architecture non précisée
304Seq2Seq LSTM (Google, 2014)1.9 × 10⁹1.9 × 10⁹2014dense
305BEIT-3 (Microsoft, 2022)~1.9 × 10⁹2022estimation
306Ankh_large (Université technique de Munich, 2023)1.9 × 10⁹1.9 × 10⁹2023architecture non précisée
307ViT-G/14 (Google Brain, 2021)1.8 × 10⁹1.8 × 10⁹2021architecture non précisée
308ViT-G (Université de Washington, 2022)1.8 × 10⁹1.8 × 10⁹2022architecture non précisée
309Phenaki (University College de Londres (UCL), 2022)~1.8 × 10⁹2022estimation
310Gemini Nano-1 (Google DeepMind, 2023)1.8 × 10⁹1.8 × 10⁹2023architecture non précisée
311DistBelief Vision (Google, 2012)~1.7 × 10⁹2012estimation
312Whisper (OpenAI, 2022)~1.6 × 10⁹2022estimation
313GPT-2 (OpenAI, 2019)~1.5 × 10⁹2019estimation
314DeBERTa (Microsoft, 2021)1.5 × 10⁹1.5 × 10⁹2021architecture non précisée
315AR-LDM (Alibaba, 2022)1.5 × 10⁹1.5 × 10⁹2022architecture non précisée
316AudioLM (Google Research, 2023)~1.5 × 10⁹2023estimation
317BLIP-2 (Salesforce Research, 2023)1.5 × 10⁹1.5 × 10⁹2023architecture non précisée
318LDM-1.45B (Université de Heidelberg, 2021)1.4 × 10⁹1.4 × 10⁹2021architecture non précisée
319Stable Diffusion (Runway, 2022)1.4 × 10⁹1.4 × 10⁹2022dense
320SEER (Facebook AI Research, 2021)1.3 × 10⁹1.3 × 10⁹2021architecture non précisée
321InstructGPT 1.3B (OpenAI, 2022)1.3 × 10⁹1.3 × 10⁹2022dense
322Megatron-LM (Nvidia, 2019)1.2 × 10⁹1.2 × 10⁹2019dense
323RDT-1B (Université Tsinghua, 2024)~1.2 × 10⁹2024estimation
324Gato (DeepMind, 2022)1.2 × 10⁹1.2 × 10⁹2022architecture non précisée
325DINOv2 (Facebook AI Research, 2023)1.1 × 10⁹1.1 × 10⁹2023architecture non précisée
326Diffusion Renderer (Nvidia, 2025)1.1 × 10⁹1.1 × 10⁹2025architecture non précisée
327InternImage (Shanghai AI Lab, 2022)1.1 × 10⁹1.1 × 10⁹2022architecture non précisée
328EVA-01 (Académie d’intelligence artificielle de Pékin / BAAI, 2022)1 × 10⁹1 × 10⁹2022architecture non précisée
329Unsupervised High-level Feature Learner (Google, 2012)~1 × 10⁹2012estimation
330Conformer + Wav2vec 2.0 + Noisy Student (Google, 2020)1 × 10⁹1 × 10⁹2020dense
331HuBERT (Facebook AI Research, 2021)~1 × 10⁹2021estimation
332W2v-BERT (Google Brain, 2021)1 × 10⁹1 × 10⁹2021dense
333AudioGen (Meta AI, 2023)~1 × 10⁹2023estimation
334VideoMAE V2 (Université de Nankin, 2023)1 × 10⁹1 × 10⁹2023architecture non précisée
335TransE (Université de technologie de Compiègne – CNRS, 2013)~9.4 × 10⁸2013estimation
336ImageBind (Meta AI, 2023)~9.3 × 10⁸2023estimation
337Big Transfer (Google Brain, 2019)~9.3 × 10⁸2019estimation
338Florence (Microsoft, 2021)8.9 × 10⁸8.9 × 10⁸2021architecture non précisée
339NÜWA (Microsoft Research, 2021)8.7 × 10⁸8.7 × 10⁸2021architecture non précisée
340MusicLM (Google, 2023)8.6 × 10⁸8.6 × 10⁸2023architecture non précisée
341ResNeXt-101 32x48d (Facebook, 2018)8.3 × 10⁸8.3 × 10⁸2018dense
342FixRes ResNeXt-101 WSL (Facebook AI, 2019)~8.3 × 10⁸2019estimation
343ALIGN (Google Research, 2021)8.2 × 10⁸8.2 × 10⁸2021architecture non précisée
344Statement Curriculum Learning (OpenAI, 2022)~7.7 × 10⁸2022estimation
345CodeT5-large (Salesforce, 2022)~7.7 × 10⁸2022estimation
346DITTO (Université Tsinghua, 2022)7.5 × 10⁸7.5 × 10⁸2022architecture non précisée
347FGN (Google DeepMind, 2025)7.2 × 10⁸7.2 × 10⁸2025architecture non précisée
348data2vec (Meta AI, 2022)~7.1 × 10⁸2022estimation
349Tranception (Université d’Oxford, 2022)7 × 10⁸7 × 10⁸2022architecture non précisée
350Word2Vec (Google, 2013)~6.9 × 10⁸2013estimation
351DiT-XL/2 (Université de New York (NYU), 2023)6.8 × 10⁸6.8 × 10⁸2023architecture non précisée
352DiT-XL/2 + CADS (ETH Zurich, 2023)~6.8 × 10⁸2023estimation
353OmegaPLM (Massachusetts Institute of Technology (MIT), 2022)6.7 × 10⁸6.7 × 10⁸2022architecture non précisée
354XLM (Facebook, 2019)~6.7 × 10⁸2019estimation
355ESM1b (Facebook AI Research, 2020)6.5 × 10⁸6.5 × 10⁸2020dense
356Segment Anything Model (Meta AI, 2023)6.4 × 10⁸6.4 × 10⁸2023architecture non précisée
357ViT-Huge/14 (Google Brain, 2020)6.3 × 10⁸6.3 × 10⁸2020dense
358Masked Autoencoders ViT-H (Facebook AI Research, 2021)~6.3 × 10⁸2021estimation
359Retrieval-Augmented Generator (Facebook, 2020)6.3 × 10⁸6.3 × 10⁸2020dense
360DLDL (Université d’Oxford, 2016)~5.6 × 10⁸2016estimation
361ADM (OpenAI, 2021)5.6 × 10⁸5.6 × 10⁸2021architecture non précisée
362TrOCR (Université de Beihang, 2021)5.6 × 10⁸5.6 × 10⁸2021architecture non précisée
363XLM-RoBERTa (Facebook AI, 2019)5.5 × 10⁸5.5 × 10⁸2019dense
364LUKE (Université de Washington, 2020)~4.8 × 10⁸2020estimation
365EfficientNet-L2 (Google, 2019)~4.8 × 10⁸2019estimation
366Noisy Student (Université Carnegie Mellon (CMU), 2019)4.8 × 10⁸4.8 × 10⁸2019dense
367Meta Pseudo Labels (Google Brain, 2021)~4.8 × 10⁸2021estimation
368EMDR (Mila - Quebec AI (à l’origine Institut de Montréal pour les algorithmes d’apprentissage), 2021)4.4 × 10⁸4.4 × 10⁸2021architecture non précisée
369NMT Transformer 437M (Google, 2019)4.4 × 10⁸4.4 × 10⁸2019dense
370Adaptive Inputs + LayerDrop (Facebook AI Research, 2019)4.2 × 10⁸4.2 × 10⁸2019dense
371ProtBERT-BFD (Université technique de Munich, 2021)4.2 × 10⁸4.2 × 10⁸2021architecture non précisée
372OntoProtein (Université du Zhejiang (ZJU), 2022)~4.2 × 10⁸2022estimation
373DeBERTaV3large + KEAR (Microsoft, 2022)4.2 × 10⁸4.2 × 10⁸2022architecture non précisée
374BART-large (Facebook AI, 2019)~4.1 × 10⁸2019estimation
375SigLIP 400M (Google DeepMind, 2023)4 × 10⁸4 × 10⁸2023architecture non précisée
376BERT-Large-CAS (Amazon, 2019)~4 × 10⁸2019estimation
377MoCo (Facebook AI, 2019)~3.8 × 10⁸2019estimation
378SimCLR (Google Brain, 2020)~3.8 × 10⁸2020estimation
379CLIP (OpenAI, 2021)3.7 × 10⁸3.7 × 10⁸2021architecture non précisée
380RoBERTa Large (Facebook, 2019)3.5 × 10⁸3.5 × 10⁸2019dense
381AbLang (Université d’Oxford, 2022)3.5 × 10⁸3.5 × 10⁸2022architecture non précisée
382GPT-2 Medium (Université de Stanford, 2022)3.5 × 10⁸3.5 × 10⁸2022dense
383VALL-E (Microsoft, 2023)~3.5 × 10⁸2023estimation
384BERT-Large (Google, 2018)3.4 × 10⁸3.4 × 10⁸2018dense
385XLNet (Université Carnegie Mellon (CMU), 2019)3.4 × 10⁸3.4 × 10⁸2019dense
386ERNIE-GEN (Baidu, 2020)~3.4 × 10⁸2020estimation
387CamemBERT (Facebook, 2019)3.4 × 10⁸3.4 × 10⁸2019dense
388ELECTRA (Université de Stanford, 2020)~3.4 × 10⁸2020estimation
389German ELECTRA Large (deepset, 2020)3.4 × 10⁸3.4 × 10⁸2020dense
390ALM 1.0 (Académie d’intelligence artificielle de Pékin / BAAI, 2022)~3.4 × 10⁸2022estimation
391MT-DNN (Microsoft, 2019)3.3 × 10⁸3.3 × 10⁸2019dense
392Fusion in Encoder (Samsung, 2022)~3.3 × 10⁸2022estimation
393wave2vec 2.0 LARGE (Facebook, 2020)3.2 × 10⁸3.2 × 10⁸2020dense
394CPC v2 (DeepMind, 2019)~3 × 10⁸2019estimation
395Transformer - LibriVox + Decoding/Rescoring (Facebook, 2019)3 × 10⁸3 × 10⁸2019dense
396DDPM-IP (Université d’Utrecht, 2023)~3 × 10⁸2023estimation
397GNMT (Google, 2016)~2.8 × 10⁸2016estimation
398base LM+GNN+kNN (Shannon.AI, 2021)2.7 × 10⁸2.7 × 10⁸2021architecture non précisée
399YOLO (Université de Washington, 2015)~2.7 × 10⁸2015estimation
400Transformer-XL (Université Carnegie Mellon (CMU), 2019)~2.6 × 10⁸2019estimation
401Transformer-XL + RMS dynamic eval (Université d’Édimbourg, 2019)2.6 × 10⁸2.6 × 10⁸2019dense
402Transformer-XL Large + Phrase Induction (Massachusetts Institute of Technology (MIT), 2019)~2.6 × 10⁸2019estimation
403Segatron-XL large, M=384 + HCP (Microsoft Research, 2022)2.6 × 10⁸2.6 × 10⁸2022architecture non précisée
404Denoising Diffusion Probabilistic Models (Université de Californie (UC) à Berkeley, 2021)2.6 × 10⁸2.6 × 10⁸2021architecture non précisée
405Pangu-Weather (Huawei, 2023)2.6 × 10⁸2.6 × 10⁸2023architecture non précisée
406SPN (Google Brain, 2018)2.5 × 10⁸2.5 × 10⁸2018dense
407S4 (Université de Stanford, 2021)~2.5 × 10⁸2021estimation
408Base LM + kNN LM + Continuous Cache (Université de Stanford, 2019)~2.5 × 10⁸2019estimation
409ERNIE-Doc (Baidu, 2020)2.5 × 10⁸2.5 × 10⁸2020dense
410Adaptive Input Transformer + RD (Microsoft Research Asia, 2021)~2.5 × 10⁸2021estimation
411Transformer (Adaptive Input Embeddings) WT103 (Facebook AI Research, 2018)2.5 × 10⁸2.5 × 10⁸2018dense
412TaLK Convolution (Université Carleton, 2020)~2.4 × 10⁸2020estimation
413ALBERT-xxlarge (Toyota Technological Institute at Chicago, 2020)~2.4 × 10⁸2020estimation
414SRU++ Large (ASAPP, 2021)2.3 × 10⁸2.3 × 10⁸2021architecture non précisée
415GR-2 (ByteDance, 2024)2.3 × 10⁸2.3 × 10⁸2024architecture non précisée
416MaskGIT (Google Research, 2022)2.3 × 10⁸2.3 × 10⁸2022architecture non précisée
417MetNet (Google, 2020)~2.3 × 10⁸2020estimation
418FFN SwiGLU (Google, 2020)2.2 × 10⁸2.2 × 10⁸2020dense
419CodeT5-base (Salesforce, 2021)~2.2 × 10⁸2021estimation
420Transformer (Google Research, 2017)2.1 × 10⁸2.1 × 10⁸2017dense
421Sandwich Transformer (Allen Institute for AI, 2019)~2.1 × 10⁸2019estimation
422EfficientNetV2-XL (Google, 2021)2.1 × 10⁸2.1 × 10⁸2021architecture non précisée
423Word2Vec (Google, 2013)~2.1 × 10⁸2013estimation
424Multilingual DNN (Google, 2013)2.1 × 10⁸2.1 × 10⁸2013dense
425DreamerV3 (DeepMind, 2023)~2 × 10⁸2023estimation
426DL scaling speech (Baidu, 2017)~1.9 × 10⁸2017estimation
427ResNeXt-101 Billion-scale (Facebook AI, 2019)~1.9 × 10⁸2019estimation
428 (NTT Communication Science Laboratories, 2018)1.9 × 10⁸1.9 × 10⁸2018dense
429TrellisNet (Université Carnegie Mellon (CMU), 2018)1.8 × 10⁸1.8 × 10⁸2018dense
430DL scaling LM (Baidu, 2017)~1.8 × 10⁸2017estimation
431EXAONE Path 2.0 (LG AI Research, 2025)1.8 × 10⁸1.8 × 10⁸2025architecture non précisée
432OpenAI Five Rerun (OpenAI, 2019)1.6 × 10⁸1.6 × 10⁸2019dense
433OpenAI Five (OpenAI, 2019)1.6 × 10⁸1.6 × 10⁸2019dense
4344 layer QRNN (Salesforce Research, 2018)~1.5 × 10⁸2018estimation
435TransformerXL + spectrum control (Université de Californie à Los Angeles (UCLA), 2020)~1.5 × 10⁸2020estimation
436AlphaGeometry (Google DeepMind, 2024)1.5 × 10⁸1.5 × 10⁸2024architecture non précisée
437PermuteFormer (Université de Pékin, 2021)~1.5 × 10⁸2021estimation
438Fragment embedding (Université de Stanford, 2014)~1.4 × 10⁸2014estimation
439OverFeat (Université de New York (NYU), 2013)1.4 × 10⁸1.4 × 10⁸2013dense
440VGG19 (Université d’Oxford, 2014)~1.4 × 10⁸2014estimation
441LRCN (UT Austin, 2014)~1.4 × 10⁸2014estimation
442Transformer-XL DeFINE (Université de Washington, 2019)~1.4 × 10⁸2019estimation
443Deep Autoencoders (Université de Toronto, 2011)1.4 × 10⁸1.4 × 10⁸2011dense
444AlphaStar (DeepMind, 2019)1.4 × 10⁸1.4 × 10⁸2019dense
445VGG16 (Université d’Oxford, 2014)1.4 × 10⁸1.4 × 10⁸2014dense
446VGG-Face (Université d’Oxford, 2015)1.4 × 10⁸1.4 × 10⁸2015dense
447SAF R-CNN (Institut de technologie de Pékin, 2015)~1.4 × 10⁸2015estimation
448Template Adaptation (Université d’Oxford, 2016)~1.4 × 10⁸2016estimation
449LRR-4X (UC Irvine, 2016)~1.4 × 10⁸2016estimation
450CMS-RCNN (IEEE, 2016)~1.4 × 10⁸2016estimation
451QRNN (Salesforce Research, 2018)~1.4 × 10⁸2018estimation
452Multiresolution CNN (Google, 2014)~1.3 × 10⁸2014estimation
453FTW (DeepMind, 2018)~1.3 × 10⁸2018estimation
454Feedback Transformer (LORIA, 2020)~1.3 × 10⁸2020estimation
455KEPLER (Université Tsinghua, 2020)1.3 × 10⁸1.3 × 10⁸2020dense
456DL scaling Image (Baidu, 2017)1.2 × 10⁸1.2 × 10⁸2017dense
457GloVe (Université de Stanford, 2014)~1.2 × 10⁸2014estimation
458Conformer (Google, 2020)1.2 × 10⁸1.2 × 10⁸2020dense
459GPT-1 (OpenAI, 2018)~1.2 × 10⁸2018estimation
460ContextNet (Google, 2020)~1.1 × 10⁸2020estimation
461SciBERT (Allen Institute for AI, 2019)1.1 × 10⁸1.1 × 10⁸2019dense
462DNABERT (Université Northeastern, 2021)1.1 × 10⁸1.1 × 10⁸2021architecture non précisée
463Contriever (Meta AI, 2021)~1.1 × 10⁸2021estimation
464BERT-RBP (Université Waseda, 2022)1.1 × 10⁸1.1 × 10⁸2022dense
465RoFormer (Zhuiyi Technology, 2023)1.1 × 10⁸1.1 × 10⁸2023architecture non précisée
466LSTM LM (Université RWTH d’Aix-la-Chapelle, 2012)~1 × 10⁸2012estimation
467ReLU-Speech (Google, 2013)~1 × 10⁸2013estimation
468STORM-B/8 (Université de Californie du Sud, 2024)1 × 10⁸1 × 10⁸2024architecture non précisée
469Support Vector Machines (AT&T, 1995)~1 × 10⁸1995estimation
470GPU DBNs (Université de Stanford, 2009)1 × 10⁸1 × 10⁸2009dense
471MSA Transformer (Facebook AI Research, 2021)~1 × 10⁸2021estimation
472YOLOX-X (Megvii Inc, 2021)~9.9 × 10⁷2021estimation
473DeLighT (Université de Washington, 2020)~9.9 × 10⁷2020estimation
474ELMo (Université de Washington, 2018)~9.4 × 10⁷2018estimation
475AlphaFold 2 (DeepMind, 2020)~9.3 × 10⁷2020estimation
476AlphaMissense (Google DeepMind, 2023)~9.3 × 10⁷2023estimation
477Octo-Base (Université de Californie (UC) à Berkeley, 2024)9.3 × 10⁷9.3 × 10⁷2024architecture non précisée
478PolyNet (Université chinoise de Hong Kong (CUHK), 2016)~9.2 × 10⁷2016estimation
479Transformer local-attention (Google Cloud, 2021)9 × 10⁷9 × 10⁷2021architecture non précisée
480Transformer + Simple Recurrent Unit (ASAPP, 2018)9 × 10⁷9 × 10⁷2018dense
481NASNet-A (Google Brain, 2017)~8.9 × 10⁷2017estimation
482CLIP (OpenAI, 2021)~8.9 × 10⁷2021estimation
483Detic (Meta AI, 2022)~8.8 × 10⁷2022estimation
484MSRA (Microsoft Research, 2015)8.7 × 10⁷8.7 × 10⁷2015dense
485BigBiGAN (Google, 2019)~8.6 × 10⁷2019estimation
486ViT-Base/32 (Google Brain, 2020)~8.6 × 10⁷2020estimation
487DeiT-B (Meta AI, 2021)8.6 × 10⁷8.6 × 10⁷2021architecture non précisée
488CaLM (Université d’Oxford, 2022)~8.6 × 10⁷2022estimation
489Tensor-Transformer (Université de Californie (UC) à Berkeley, 2020)8.5 × 10⁷8.5 × 10⁷2020dense
490ResNeXt-101 (Université de Californie à San Diego, 2016)8.3 × 10⁷8.3 × 10⁷2016dense
491RBM Image Classifier (Université de Toronto, 2009)~8 × 10⁷2009estimation
492Routing Transformer (Google Research, 2020)8 × 10⁷8 × 10⁷2020dense
493Big-Little Net (IBM, 2018)~7.7 × 10⁷2018estimation
494EfficientDet (Google Brain, 2020)~7.7 × 10⁷2020estimation
495CODEFUSION (Microsoft, 2023)7.5 × 10⁷7.5 × 10⁷2023architecture non précisée
496RNN LM (Université Johns Hopkins, 2010)~7 × 10⁷2010estimation
497R-CNN (Université de Californie (UC) à Berkeley, 2013)~6.9 × 10⁷2013estimation
498Variational (Université de Cambridge, 2015)6.6 × 10⁷6.6 × 10⁷2015dense
499DistilBERT (Hugging Face, 2019)6.6 × 10⁷6.6 × 10⁷2019dense
500Theseus 6/768 (Université de Californie à San Diego, 2020)6.6 × 10⁷6.6 × 10⁷2020dense
501ResNet-152 (Microsoft, 2015)6 × 10⁷6 × 10⁷2015dense
502AlexNet (Université de Toronto, 2012)6 × 10⁷6 × 10⁷2012dense
503DETR (Facebook, 2020)6 × 10⁷6 × 10⁷2020dense
504YOLOv3 (Université de Washington, 2018)~5.7 × 10⁷2018estimation
505Inception-ResNet-V2 (Google, 2016)~5.6 × 10⁷2016estimation
506Transformer ELMo (Allen Institute for AI, 2019)5.6 × 10⁷5.6 × 10⁷2019dense
507Cerveau de drosophile5.5 × 10⁷5.5 × 10⁷synapses
508NAS with base 8 and shared embeddings (Google Brain, 2016)5.4 × 10⁷5.4 × 10⁷2016dense
509RetinaNet-R101 (Facebook AI Research, 2017)5.3 × 10⁷5.3 × 10⁷2017dense
510AWD-LSTM+WT+Cache+IOG (NTT Communication Science Laboratories, 2017)5.3 × 10⁷5.3 × 10⁷2017dense
511Hierarchical Scene Labeling (Université de New York (NYU), 2013)5.2 × 10⁷5.2 × 10⁷2013dense
512VD-LSTM+REAL Large (Salesforce Research, 2016)5.1 × 10⁷5.1 × 10⁷2016dense
513YOLOv2 (Université de Washington, 2016)~5.1 × 10⁷2016estimation
514Dropout-LSTM+Noise (Université Columbia, 2018)~5.1 × 10⁷2018estimation
515LSTM + dynamic eval (Université d’Édimbourg, 2017)~5 × 10⁷2017estimation
516Dropout (Université de Toronto, 2012)~4.9 × 10⁷2012estimation
517Dropout: SVHN (Université de Toronto, 2014)4.8 × 10⁷4.8 × 10⁷2014dense
518DistBelief Speech (Google, 2012)~4.7 × 10⁷2012estimation
519AlphaGo Zero (DeepMind, 2017)4.6 × 10⁷4.6 × 10⁷2017dense
520Fine-tuned-AWD-LSTM-DOC (Samsung R&D Institute Russia, 2018)4.6 × 10⁷4.6 × 10⁷2018dense
521CT-MoS (Google, 2020)4.5 × 10⁷4.5 × 10⁷2020dense
522JFT (Google Research, 2017)4.5 × 10⁷4.5 × 10⁷2017dense
523ResNet-101 (Microsoft, 2015)4.5 × 10⁷4.5 × 10⁷2015dense
524HR-ResNet101 (Université Carnegie Mellon (CMU), 2016)4.5 × 10⁷4.5 × 10⁷2016dense
5253DMM-CNN (Université de Californie du Sud, 2016)4.5 × 10⁷4.5 × 10⁷2016dense
526LaNet-L (Université Brown, 2019)4.4 × 10⁷4.4 × 10⁷2019dense
527ProBERTa (Université de l’Illinois à Urbana-Champaign (UIUC), 2020)4.4 × 10⁷4.4 × 10⁷2020dense
528PreTrans-3L-250H (Université de Toronto, 2013)~4.3 × 10⁷2013estimation
529Inceptionv4 (Google, 2016)~4.3 × 10⁷2016estimation
530GL-LWGC-AWD-MoS-LSTM + dynamic evaluation (Université Ben-Gourion du Néguev, 2017)3.8 × 10⁷3.8 × 10⁷2017dense
531U-Net (Université de Fribourg-en-Brisgau, 2015)3.8 × 10⁷3.8 × 10⁷2015dense
532NASv3 (Google Brain, 2016)~3.7 × 10⁷2016estimation
533MuZero (DeepMind, 2019)~3.7 × 10⁷2019estimation
534AWD-LSTM-MoS + dynamic evaluation (Université Carnegie Mellon (CMU), 2017)~3.5 × 10⁷2017estimation
535AWD-LSTM-MoS+PDR + dynamic evaluation (IBM, 2018)3.5 × 10⁷3.5 × 10⁷2018dense
536AWD-LSTM-MoS + dynamic evaluation (Université de Pékin, 2018)3.5 × 10⁷3.5 × 10⁷2018dense
537AWD-LSTM + MoS + Partial Shuffled (Université du Texas à Austin, 2019)3.5 × 10⁷3.5 × 10⁷2019dense
538Mogrifier (d2, MoS2, MC) + dynamic eval (DeepMind, 2019)3.5 × 10⁷3.5 × 10⁷2019dense
539Mogrifier RLSTM (DeepMind, 2022)3.5 × 10⁷3.5 × 10⁷2022architecture non précisée
540RT-1 (Google, 2022)3.5 × 10⁷3.5 × 10⁷2022architecture non précisée
541DenseNet-264 (Université Tsinghua, 2016)3.4 × 10⁷3.4 × 10⁷2016dense
542RetinaNet-R50 (Facebook AI Research, 2017)~3.4 × 10⁷2017estimation
543Fraternal dropout + AWD-LSTM 3-layer (Université Jagellonne, 2017)~3.4 × 10⁷2017estimation
544AWD-LSTM-DRILL + dynamic evaluation† (IDIAP, 2019)~3.4 × 10⁷2019estimation
545AWD-LSTM - 3-layer LSTM (Salesforce Research, 2017)3.3 × 10⁷3.3 × 10⁷2017dense
546TCAN (Université de Nankin, 2020)3.3 × 10⁷3.3 × 10⁷2020dense
547MMLSTM (Université des postes et télécommunications de Pékin, 2019)~3.2 × 10⁷2019estimation
548Paragraph Vector (Google, 2014)3.2 × 10⁷3.2 × 10⁷2014dense
549aLSTM (Université de Manchester, 2018)3.2 × 10⁷3.2 × 10⁷2018dense
550StyleGAN2 (Nvidia, 2019)3 × 10⁷3 × 10⁷2019dense
551UDSMProt (Institut Fraunhofer Heinrich Hertz, 2019)~2.8 × 10⁷2019estimation
552SENet (Académie chinoise des sciences, 2017)~2.8 × 10⁷2017estimation
553Perceiver IO (DeepMind, 2020)2.8 × 10⁷2.8 × 10⁷2020dense
554Fractional Max-Pooling (Université de Warwick, 2014)~2.7 × 10⁷2014estimation
555Hierarchical Reasoning Model (Sapient Intelligence, 2025)2.7 × 10⁷2.7 × 10⁷2025architecture non précisée
556RNN-WER (DeepMind, 2014)~2.6 × 10⁷2014estimation
557StyleGAN (Nvidia, 2018)2.6 × 10⁷2.6 × 10⁷2018dense
558PyramidNet (Institut supérieur coréen des sciences et technologies (KAIST), 2017)~2.6 × 10⁷2017estimation
559ResNeXt-50 (Université de Californie à San Diego, 2016)~2.5 × 10⁷2016estimation
560AWD-LSTM (DeepMind, 2017)2.4 × 10⁷2.4 × 10⁷2017dense
561Inception v3 (Google, 2015)~2.4 × 10⁷2015estimation
562Mamba-24M (Université Carnegie Mellon (CMU), 2023)2.3 × 10⁷2.3 × 10⁷2023architecture non précisée
563WeNet (Amazon, 2019)~2.3 × 10⁷2019estimation
564EN^2AS with performance reward (Institut de technologie de Pékin, 2019)~2.3 × 10⁷2019estimation
565NAS+ESS (Université Northeastern (Chine), 2020)2.3 × 10⁷2.3 × 10⁷2020dense
566Xception (Google, 2016)2.3 × 10⁷2.3 × 10⁷2016dense
567MetaMimic (Google, 2018)~2.2 × 10⁷2018estimation
568MMLSTM (Université des postes et télécommunications de Pékin, 2019)~2.1 × 10⁷2019estimation
569Pointer Sentinel-LSTM (MetaMind Inc, 2016)2.1 × 10⁷2.1 × 10⁷2016dense
570DiffDock (Massachusetts Institute of Technology (MIT), 2022)~2 × 10⁷2022estimation
571EI-REHN-1000D (Institut supérieur coréen des sciences et technologies (KAIST), 2017)1.9 × 10⁷1.9 × 10⁷2017dense
572TC-DNN-BLSTM-DNN (Université Carnegie Mellon (CMU), 2015)1.8 × 10⁷1.8 × 10⁷2015dense
573OR-WideResNet (Université Duke, 2017)1.8 × 10⁷1.8 × 10⁷2017dense
574BP-DBN (Université de Toronto, 2009)1.8 × 10⁷1.8 × 10⁷2009dense
575ALBERT (Toyota Technological Institute at Chicago, 2019)1.8 × 10⁷1.8 × 10⁷2019dense
576MedBERT (Peng Cheng Laboratory, 2021)~1.7 × 10⁷2021estimation
577LCNP NORB (, 2009)1.7 × 10⁷1.7 × 10⁷2009dense
578LF-MMI (Université Johns Hopkins, 2016)1.7 × 10⁷1.7 × 10⁷2016dense
579AlphaFold (DeepMind, 2020)~1.6 × 10⁷2020estimation
580GNoME for crystal discovery (Google DeepMind, 2023)~1.6 × 10⁷2023estimation
581ReLU (Université de Toronto, 2010)~1.6 × 10⁷2010estimation
582ProteinBERT (Université hébraïque de Jérusalem, 2022)1.6 × 10⁷1.6 × 10⁷2022architecture non précisée
583Eve (Faculté de médecine de Harvard, 2021)~1.5 × 10⁷2021estimation
584LCNP LabelMe (Université de Bonn, 2009)1.4 × 10⁷1.4 × 10⁷2009dense
585BatchNorm (Google, 2015)1.4 × 10⁷1.4 × 10⁷2015dense
586Fold2Seq (IBM, 2021)~1.2 × 10⁷2021estimation
587NPLM (Université de Montréal, 2003)1.2 × 10⁷1.2 × 10⁷2003dense
588LCNP MNIST (, 2009)1.2 × 10⁷1.2 × 10⁷2009dense
589ISS (Université Duke, 2017)1.1 × 10⁷1.1 × 10⁷2017dense
590ResNet-1001 (Microsoft, 2016)~1 × 10⁷2016estimation
591RNN+LDA+KN5+cache (Microsoft, 2012)~9 × 10⁶2012estimation
592Gated HORNN (Université York, 2016)~9 × 10⁶2016estimation
593AlphaGo Fan (DeepMind, 2015)~8.2 × 10⁶2015estimation
594genCNN + dyn eval (Académie chinoise des sciences, 2015)~8 × 10⁶2015estimation
595Once for All (MIT-IBM Watson AI Lab, 2020)7.7 × 10⁶7.7 × 10⁶2020dense
596Multi-cell LSTM (Université d’Hyderabad, 2018)~7.2 × 10⁶2018estimation
597Feedforward NN (Université de Montréal, 2010)7.1 × 10⁶7.1 × 10⁶2010dense
598True-Regularization+Finetune+Dynamic-Eval (Mobvoi, 2019)7 × 10⁶7 × 10⁶2019dense
599Neural LM (Université de Montréal, 2000)6.9 × 10⁶6.9 × 10⁶2000dense
600GoogLeNet / InceptionV1 (Google, 2014)6.8 × 10⁶6.8 × 10⁶2014dense
601HyenaDNA (Université de Stanford, 2023)6.6 × 10⁶6.6 × 10⁶2023architecture non précisée
602Dropout (Université de Toronto, 2012)5.6 × 10⁶5.6 × 10⁶2012dense
603SimpleNet (Sensifai, 2016)5.5 × 10⁶5.5 × 10⁶2016dense
604AlphaX-1 (Facebook AI Research, 2019)5.4 × 10⁶5.4 × 10⁶2019dense
6053DDFA (Académie chinoise des sciences, 2015)5.4 × 10⁶5.4 × 10⁶2015dense
606Deep CNN + COTS (IEEE, 2015)5 × 10⁶5 × 10⁶2015dense
607DCNN (Université du Maryland, 2015)5 × 10⁶5 × 10⁶2015dense
608NLP from scratch (NEC Laboratories, 2011)~5 × 10⁶2011estimation
609SPN-4+KN5 (Université de technologie et de design de Singapour, 2014)~5 × 10⁶2014estimation
6106-Act Tether (Facebook AI Research, 2021)5 × 10⁶5 × 10⁶2021architecture non précisée
611High Performance CNN (IDSIA, 2011)~4.9 × 10⁶2011estimation
612MobileNet (Google, 2017)~4.2 × 10⁶2017estimation
613NPLM (Université de Montréal, 2003)4.1 × 10⁶4.1 × 10⁶2003dense
614LMICA (, 2004)4.1 × 10⁶4.1 × 10⁶2004dense
615PoE MNIST (University College de Londres (UCL), 2000)3.9 × 10⁶3.9 × 10⁶2000dense
616Dimensionality Reduction (Université de Toronto, 2006)~3.8 × 10⁶2006estimation
617GOAT (DeepMind, 2021)~3.5 × 10⁶2021estimation
618MobileNetV2 (Google, 2018)~3.4 × 10⁶2018estimation
619Big-Little Net (IBM, 2018)~3.3 × 10⁶2018estimation
620DLWP (Université de Washington, 2021)2.7 × 10⁶2.7 × 10⁶2021architecture non précisée
621BIDAF (Université de Washington, 2016)2.6 × 10⁶2.6 × 10⁶2016dense
622DeepStack (Université de l’Alberta, 2017)~2.5 × 10⁶2017estimation
623KataGo (Jane Street, 2019)~2.5 × 10⁶2019estimation
624ShuffleNet v1 (Megvii Inc, 2017)~2.4 × 10⁶2017estimation
625ADAM (Université d’Amsterdam, 2014)2.4 × 10⁶2.4 × 10⁶2014dense
626StyleGAN3-T (Nvidia, 2021)2.2 × 10⁶2.2 × 10⁶2021architecture non précisée
627LSTM+NeuralCache (KU Leuven, 2018)~2.1 × 10⁶2018estimation
628HLBL (Université de Toronto, 2008)1.8 × 10⁶1.8 × 10⁶2008dense
629ResNet-110 (Microsoft, 2015)~1.7 × 10⁶2015estimation
630Dueling DQN (Google DeepMind, 2016)1.7 × 10⁶1.7 × 10⁶2016dense
631DQN-2015 (Google, 2015)~1.7 × 10⁶2015estimation
632Rational DQN Average (TU Darmstadt, 2021)~1.7 × 10⁶2021estimation
633IBM-5 (IBM, 1993)~1.7 × 10⁶1993estimation
634Deep Belief Nets (Université de Toronto, 2006)~1.6 × 10⁶2006estimation
635IMPALA (DeepMind, 2018)1.6 × 10⁶1.6 × 10⁶2018dense
636StyleGAN3-R (Nvidia, 2021)1.6 × 10⁶1.6 × 10⁶2021architecture non précisée
637Deep Multitask NLP Network (NEC Laboratories, 2008)~1.5 × 10⁶2008estimation
638Double DQN (Google DeepMind, 2016)1.5 × 10⁶1.5 × 10⁶2016dense
639CNN committee (IDSIA, 2011)~1.4 × 10⁶2011estimation
640SqueezeNet (DeepScale, 2016)~1.2 × 10⁶2016estimation
641Neocognitron (NHK Broadcasting Science Research Laboratories, 1980)1.1 × 10⁶1.1 × 10⁶1980dense
642CURL (Université de Californie (UC) à Berkeley, 2020)~9.1 × 10⁵2020estimation
643DQN (DeepMind, 2013)8.4 × 10⁵8.4 × 10⁵2013dense
644EnhanceNet (Institut Max Planck pour les systèmes intelligents, 2016)8.1 × 10⁵8.1 × 10⁵2016dense
645Image generation (Université d’Amsterdam, 2013)7.8 × 10⁵7.8 × 10⁵2013dense
646Hanabi 4 player (DeepMind, 2019)7.6 × 10⁵7.6 × 10⁵2019dense
647TA-CNN (Université chinoise de Hong Kong (CUHK), 2014)~7.1 × 10⁵2014estimation
648Robot Parkour (Institut Shanghai Qi Zhi, 2023)5 × 10⁵5 × 10⁵2023architecture non précisée
649LISSOM (Université du Texas à Austin, 1995)~4.3 × 10⁵1995estimation
650SPIDER2 (Université Griffith, 2016)~4.1 × 10⁵2016estimation
651Mixture of linear models (, 1994)~3.8 × 10⁵1994estimation
652NPD (IEEE, 2014)3.1 × 10⁵3.1 × 10⁵2014dense
653Pooling CNN (Université de Bonn, 2010)2.9 × 10⁵2.9 × 10⁵2010dense
654Pooling CNN (Université de Bonn, 2010)2.7 × 10⁵2.7 × 10⁵2010dense
655Two Stage Feature Extraction (Université de New York (NYU), 2009)2.6 × 10⁵2.6 × 10⁵2009dense
656Vector Space Model (Université de Stanford, 2011)2.5 × 10⁵2.5 × 10⁵2011dense
657HyperNEAT (Université du Texas à Austin, 2014)~2.4 × 10⁵2014estimation
658DNN EM segmentation (IDSIA, 2012)2.2 × 10⁵2.2 × 10⁵2012dense
659Predictive Coding NN (Université technique de Munich, 1994)2.1 × 10⁵2.1 × 10⁵1994dense
660Table Tennis Agent (Google DeepMind, 2024)~1.9 × 10⁵2024estimation
661CNN Committee (IDSIA, 2011)~1.3 × 10⁵2011estimation
662CNN Committee (IDSIA, 2011)~1.2 × 10⁵2011estimation
663RECONTRA-uncategorized (, 1999)~1.1 × 10⁵1999estimation
664BLSTM for handwriting (Université de Berne, 2007)~1 × 10⁵2007estimation
665SVM-CNN (Université de New York (NYU), 2006)9.1 × 10⁴9.1 × 10⁴2006dense
666Invariant CNN (Université de New York (NYU), 2004)9.1 × 10⁴9.1 × 10⁴2004dense
667SexNet compression (, 1990)7.3 × 10⁴7.3 × 10⁴1990dense
668NeuroChess (, 1994)~7.2 × 10⁴1994estimation
669RECONTRA-categorized (, 1999)~6.7 × 10⁴1999estimation
670LeNet-5 (AT&T, 1998)6 × 10⁴6 × 10⁴1998dense
671Swift (Intel Labs, 2023)~5.7 × 10⁴2023estimation
672TCN (Université Carnegie Mellon (CMU), 2018)4.2 × 10⁴4.2 × 10⁴2018dense
673TRPO (Université de Californie (UC) à Berkeley, 2015)3.4 × 10⁴3.4 × 10⁴2015dense
674SOM-CNN (, 1997)3.2 × 10⁴3.2 × 10⁴1997dense
675NETtalk reimplementation (Université d’État de l’Oregon, 1990)2.7 × 10⁴2.7 × 10⁴1990dense
676TD-Gammon (IBM, 1992)~2.5 × 10⁴1992estimation
677Cognitron (Biological Cybernetics, 1975)2.2 × 10⁴2.2 × 10⁴1975dense
678NetTalk (Université de Princeton, 1987)1.9 × 10⁴1.9 × 10⁴1987dense
679CFSS (SenseTime, 2015)~1.7 × 10⁴2015estimation
680MUSIC perceptron (, 1996)1.4 × 10⁴1.4 × 10⁴1996dense
681AdaRNN (Université de Beihang, 2014)1.3 × 10⁴1.3 × 10⁴2014dense
682Bidirectional RNN (Advanced Telecommunications Research Institute, 1997)~1.3 × 10⁴1997estimation
683Decision tree (Mitsubishi Electric Research Labs, 2001)~1.2 × 10⁴2001estimation
684LSTM (Université technique de Munich, 1997)1.1 × 10⁴1.1 × 10⁴1997dense
685MLN-ASR (Université McGill, 1988)1 × 10⁴1 × 10⁴1988dense
686Hopfield network (Institut de technologie de Californie, 1982)~9.9 × 10³1982estimation
687Zip CNN (AT&T, 1989)9.8 × 10³9.8 × 10³1989dense
688Hierarchical Cognitron (NHK Broadcasting Science Research Laboratories, 1984)~9.3 × 10³1984estimation
689Weight Decay (, 1991)8.4 × 10³8.4 × 10³1991dense
690Deep Blue (IBM, 1997)~8 × 10³1997estimation
691Nématode (C. elegans)7 × 10³7 × 10³synapses
692System 11 (Université Carnegie Mellon (CMU), 1996)6.5 × 10³6.5 × 10³1996dense
693ACF-WIDER (Académie chinoise des sciences, 2014)6.1 × 10³6.1 × 10³2014dense
694RankNet (Microsoft Research, 2005)5.7 × 10³5.7 × 10³2005dense
695ANN Eye Tracker (, 1993)5.6 × 10³5.6 × 10³1993dense
696JPMAX (, 1994)~4.4 × 10³1994estimation
697Kohonen network (Université de technologie d’Helsinki, 1981)~4.1 × 10³1981estimation
698Speaker-independent vowel classification (Université de Washington, 1989)3 × 10³3 × 10³1989dense
699Pattern recognition and reading by machine (Sandia Corporation, 1959)~2.6 × 10³1959estimation
700Handwritten digit recognition network (AT&T, 1989)2.6 × 10³2.6 × 10³1989dense
701Boosting (Bell Laboratories, 1992)~2.6 × 10³1992estimation
702Decision tree adaline (Université médicale et dentaire de Tokyo, 1969)2.5 × 10³2.5 × 10³1969dense
703LTE speaker verification system (IBM, 1966)~2.1 × 10³1966estimation
704Ceramic-MLP (Sapienza Université de Rome, 1994)~1.9 × 10³1994estimation
705SexNet classification (, 1990)~1.6 × 10³1990estimation
706RAAM (, 1990)1.5 × 10³1.5 × 10³1990dense
707Super-vector coding (Université de l’Illinois à Urbana-Champaign (UIUC), 2010)~1 × 10³2010estimation
708Perceptron Mark I (Cornell Aeronautical Laboratory, 1957)~1 × 10³1957estimation
709Perceptron (Cornell Aeronautical Laboratory, 1960)~1 × 10³1960estimation
710Translation-invariant MLP (Université Carnegie Mellon (CMU), 1987)8.2 × 10²8.2 × 10²1987mélange d’experts (nombre actif non publié)
711Truck backer-upper (Université de Stanford, 1989)8.1 × 10²8.1 × 10²1989dense
712Siamese-TDNN (Bell Laboratories, 1993)~7.4 × 10²1993estimation
713MLP with back-propagation (Université de Californie à San Diego, 1986)7.2 × 10²7.2 × 10²1986dense
714Prédiction du mécanisme des médicaments anticancéreux (Institut national du cancer, 1992)~5.9 × 10²1992estimation
715Distributed representation NN (Université Carnegie Mellon (CMU), 1986)4.3 × 10²4.3 × 10²1986dense
716Piecewise linear model (Université du Kansas, 1973)3.6 × 10²3.6 × 10²1973dense
717ASE+ACE (Université du Massachusetts à Amherst, 1983)~3.2 × 10²1983estimation
718LSTM with forget gates (IDSIA, 1999)~2.8 × 10²1999estimation
719Self Organizing System (Massachusetts Institute of Technology (MIT), 1955)~2.3 × 10²1955estimation
720Theseus (Bell Laboratories, 1950)4 × 10¹4 × 10¹1950dense
721SNARC (Université Harvard, 1952)~4 × 10¹1952estimation
722Bankruptcy-NN (, 1990)3.6 × 10¹3.6 × 10¹1990dense
723GNN (Université de Sienne, 2008)3 × 10¹3 × 10¹2008dense
724ADALINE (Université de Stanford, 1960)1.7 × 10¹1.7 × 10¹1960dense
725Samuel Neural Checkers (IBM, 1959)~1.6 × 10¹1959estimation

Collectifs

Ces graphiques classent les sociétés animales, les religions, les États, les partis et les entreprises de deux façons. L’une est par nombre de membres. L’autre est par équivalents-neurones, qui pondèrent chaque membre selon la part de son temps d’éveil que dirigent les instructions du groupe. Les codes religieux, les lois, les règlements de parti et les descriptions de poste comptent tous de la même façon. Ce sont tous des ensembles d’instructions, nous les mesurons donc selon la même règle. Comment le temps dirigé est estimé.

Membres d’un groupe typique × neurones du cortex ou du pallium de chaque membre (cerveau entier pour les insectes), sur une échelle logarithmique. Les barres hachurées utilisent une taille de groupe estimée ou le nombre de neurones d’une espèce proche.
  1. Communauté de chimpanzés▲17.4 × 10¹¹
  2. Colonie de fourmis coupe-feuilles▼16.3 × 10¹¹
  3. Communauté de bonobos▲24.4 × 10¹¹
  4. Campement hadza (humains, pour l’échelle)4.1 × 10¹¹
  5. Groupe d’orques de Bigg▼22.6 × 10¹¹
  6. Matriligne d’orques résidentes2.4 × 10¹¹
  7. Troupe de babouins8.6 × 10¹⁰
  8. Alliance de grands dauphins▲17.6 × 10¹⁰
  9. Unité sociale de cachalots▲16.4 × 10¹⁰
  10. Colonie d’abeilles▼25.8 × 10¹⁰
  11. Famille d’éléphants5.6 × 10¹⁰
  12. Troupe de geais des pinèdes5.3 × 10¹⁰
  13. Clan de hyènes tachetées2.2 × 10¹⁰
  14. Meute de lycaons7.2 × 10⁹
  15. Meute de loups4.2 × 10⁹
  16. Groupe de suricates1.7 × 10⁹
  17. Colonie de rats-taupes nus4.1 × 10⁸
Afficher les chiffres
#GroupeNeurones du groupeEn activité de groupeMembresPart dirigéeTypes de cris
1Communauté de chimpanzés7.4 × 10¹¹2.5 × 10¹¹10034%—
2Colonie de fourmis coupe-feuilles6.3 × 10¹¹5 × 10¹¹2,5 millions80%—
3Communauté de bonobos4.4 × 10¹¹1.9 × 10¹¹5943%—
4Campement hadza (humains, pour l’échelle)4.1 × 10¹¹2.1 × 10¹¹2553%—
5Groupe d’orques de Bigg2.6 × 10¹¹2.4 × 10¹¹691%—
6Matriligne d’orques résidentes2.4 × 10¹¹1.7 × 10¹¹670%11
7Troupe de babouins8.6 × 10¹⁰5.2 × 10¹⁰3060%9
8Alliance de grands dauphins7.6 × 10¹⁰4.2 × 10¹⁰655%—
9Unité sociale de cachalots6.4 × 10¹⁰4.1 × 10¹⁰865%—
10Colonie d’abeilles5.8 × 10¹⁰4.9 × 10¹⁰60,00085%—
11Famille d’éléphants5.6 × 10¹⁰3.2 × 10¹⁰1057%—
12Troupe de geais des pinèdes5.3 × 10¹⁰3.2 × 10¹⁰10060%—
13Clan de hyènes tachetées2.2 × 10¹⁰6.7 × 10⁹4530%11
14Meute de lycaons7.2 × 10⁹4.8 × 10⁹1467%11
15Meute de loups4.2 × 10⁹2.6 × 10⁹863%—
16Groupe de suricates1.7 × 10⁹1 × 10⁹1557%12
17Colonie de rats-taupes nus4.1 × 10⁸2.9 × 10⁸7870%—

Comment les groupes sont notés.

Adeptes, sur une échelle logarithmique. Les branches et mouvements sont présentés à part des religions qui les contiennent. Les barres pleines sont des décomptes ; les barres hachurées sont des estimations.
  1. Christianisme▲12,27 milliards
  2. Islam▼12,02 milliards
  3. Hindouisme1,18 milliard
  4. Religions populaires400 millions
  5. Bouddhisme324,19 millions
  6. Religions traditionnelles africaines▲198,73 millions
  7. Shinto▲187,92 millions
  8. Sikhisme▲125 millions
  9. Judaïsme▼314,78 millions
  10. Taoïsme▲18 millions
  11. Foi bahá’íe▲18 millions
  12. Falun Gong▲17 millions
  13. Jaïnisme▼34,45 millions
  14. Spiritisme3,8 millions
  15. Cao Đài2,5 millions
  16. Tenrikyo1,12 million
  17. Brahma Kumaris1 million
Afficher les chiffres
#ReligionMembresSuivant ses instructionsPart dirigéeHeures par semaine
1Christianisme2,27 milliards1.7 × 10¹⁸0.88%0.9 h
2Islam2,02 milliards8.9 × 10¹⁸5.1%5.4 h
3Hindouisme1,18 milliard1.6 × 10¹⁸1.6%1.6 h
4Religions populaires400 millions2 × 10¹⁷0.59% (approximation)0.6 h
5Bouddhisme324,19 millions7.5 × 10¹⁶0.27%0.3 h
6Religions traditionnelles africaines98,73 millions5 × 10¹⁶0.59% (approximation)0.6 h
7Shinto87,92 millions4.5 × 10¹⁶0.59% (approximation)0.6 h
8Sikhisme25 millions3.7 × 10¹⁶1.7%1.8 h
9Judaïsme14,78 millions5.3 × 10¹⁶4.2%4.4 h
10Taoïsme8 millions4.1 × 10¹⁵0.59% (approximation)0.6 h
11Foi bahá’íe8 millions4.1 × 10¹⁵0.59% (approximation)0.6 h
12Falun Gong7 millions3.6 × 10¹⁵0.59% (approximation)0.6 h
13Jaïnisme4,45 millions1.8 × 10¹⁶4.6%4.8 h
14Spiritisme3,8 millions1.9 × 10¹⁵0.59% (approximation)0.6 h
15Cao Đài2,5 millions1.3 × 10¹⁵0.59% (approximation)0.6 h
16Tenrikyo1,12 million5.7 × 10¹⁴0.59% (approximation)0.6 h
17Brahma Kumaris1 million5.1 × 10¹⁴0.59% (approximation)0.6 h

Chaque pratique, part et source.

Population, sur une échelle logarithmique. Les barres pleines sont des décomptes ; les barres hachurées sont des estimations.
  1. Inde▲11,46 milliard
  2. Chine▼11,41 milliard
  3. États-Unis341,78 millions
  4. Indonésie285,72 millions
  5. Pakistan▲5255,22 millions
  6. Nigéria▲1237,53 millions
  7. Brésil▼2212,81 millions
  8. Bangladesh▲5175,69 millions
  9. Russie▼3143,51 millions
  10. Éthiopie▲7135,47 millions
  11. Mexique▼2131,95 millions
  12. Japon▲11123,37 millions
  13. Égypte▼2118,37 millions
  14. Philippines116,79 millions
  15. RD Congo▼3112,83 millions
Afficher les chiffres
#ÉtatHabitantsSuivant ses instructionsPart dirigéeHeures par semaine
1Inde1,46 milliard2.5 × 10¹⁸2%2.1 h
2Chine1,41 milliard5 × 10¹⁸4.1%4.3 h
3États-Unis341,78 millions1.6 × 10¹⁸5.6%5.8 h
4Indonésie285,72 millions1 × 10¹⁸4.2%4.4 h
5Pakistan255,22 millions5.7 × 10¹⁷2.6%2.7 h
6Nigéria237,53 millions6.6 × 10¹⁷3.2%3.4 h
7Brésil212,81 millions8.7 × 10¹⁷4.8%5 h
8Bangladesh175,69 millions4.6 × 10¹⁷3%3.1 h
9Russie143,51 millions7.5 × 10¹⁷6.1%6.4 h
10Éthiopie135,47 millions3.9 × 10¹⁷3.4%3.5 h
11Mexique131,95 millions5.9 × 10¹⁷5.2%5.5 h
12Japon123,37 millions2.8 × 10¹⁷2.7%2.8 h
13Égypte118,37 millions5.5 × 10¹⁷5.4%5.7 h
14Philippines116,79 millions4.4 × 10¹⁷4.4%4.6 h
15RD Congo112,83 millions4.7 × 10¹⁷4.8%5.1 h
16Vietnam101,6 millions4.2 × 10¹⁷4.8%5 h
17Iran92,42 millions3.5 × 10¹⁷4.3%4.6 h
18Turquie85,88 millions4.3 × 10¹⁷5.8%6 h
19Allemagne83,49 millions2.9 × 10¹⁷4%4.2 h
20Thaïlande71,62 millions2.4 × 10¹⁷3.9%4.1 h
21Tanzanie70,55 millions2.2 × 10¹⁷3.6%3.8 h
22Royaume-Uni69,49 millions2.8 × 10¹⁷4.6%4.8 h
23France68,72 millions3.1 × 10¹⁷5.3%5.5 h
24Afrique du Sud64,75 millions2.9 × 10¹⁷5.1%5.4 h
25Italie58,92 millions2.1 × 10¹⁷4.2%4.4 h
26Kenya57,53 millions2.3 × 10¹⁷4.7%5 h
27Myanmar54,85 millions1.9 × 10¹⁷4%4.2 h
28Colombie53,43 millions1.7 × 10¹⁷3.7%3.9 h
29Corée du Sud51,68 millions1.4 × 10¹⁷3%3.2 h
30Soudan51,66 millions1.5 × 10¹⁷3.4%3.6 h
31Ouganda51,38 millions1.5 × 10¹⁷3.4%3.6 h
32Espagne49,36 millions1.8 × 10¹⁷4.2%4.3 h
33Algérie47,44 millions3.2 × 10¹⁷7.9%8.3 h
34Irak47,02 millions1.1 × 10¹⁷2.8%2.9 h
35Argentine45,85 millions1.7 × 10¹⁷4.4%4.6 h
36Afghanistan43,84 millions1.8 × 10¹⁷4.8%5 h
37Yémen41,77 millions1.3 × 10¹⁷3.7%3.9 h
38Canada41,65 millions2 × 10¹⁷5.5%5.8 h
39Angola39,04 millions1.4 × 10¹⁷4.2%4.4 h
40Ukraine38,98 millions2.1 × 10¹⁷6.2%6.5 h
41Maroc38,43 millions1.5 × 10¹⁷4.5%4.7 h
42Ouzbékistan37,05 millions2 × 10¹⁷6.3%6.6 h
43Arabie saoudite36,97 millions1.4 × 10¹⁷4.3%4.6 h
44Pologne36,44 millions2.1 × 10¹⁷6.7%7 h
45Malaisie35,98 millions1.8 × 10¹⁷5.8%6.1 h
46Mozambique35,63 millions1.5 × 10¹⁷4.8%5.1 h
47Ghana35,06 millions1.2 × 10¹⁷3.9%4.1 h
48Pérou34,58 millions1.4 × 10¹⁷4.8%5 h
49Madagascar32,74 millions9.4 × 10¹⁶3.3%3.5 h
50Côte d’Ivoire32,71 millions9.5 × 10¹⁶3.4%3.5 h
51Cameroun29,88 millions9.8 × 10¹⁶3.8%4 h
52Népal29,62 millions1.1 × 10¹⁷4.2%4.4 h
53Venezuela28,52 millions1.5 × 10¹⁷6.1%6.4 h
54Niger27,92 millions6.4 × 10¹⁶2.6%2.8 h
55Australie27,61 millions1.1 × 10¹⁷4.7%5 h
56Corée du Nord26,57 millions6.6 × 10¹⁷29%30.1 h
57Syrie25,62 millions9.8 × 10¹⁶4.4%4.6 h
58Mali25,2 millions4.9 × 10¹⁶2.3%2.4 h
59Burkina Faso24,07 millions5.7 × 10¹⁶2.8%2.9 h
60Taïwan23,31 millions1 × 10¹⁷5%5.3 h
61Malawi22,22 millions1 × 10¹⁷5.4%5.6 h
62Zambie21,91 millions10 × 10¹⁶5.3%5.5 h
63Sri Lanka21,76 millions1.1 × 10¹⁷6%6.3 h
64Tchad21 millions4.9 × 10¹⁶2.7%2.9 h
65Kazakhstan20,84 millions1.4 × 10¹⁷7.6%7.9 h
66Chili19,86 millions6.2 × 10¹⁶3.6%3.8 h
67Somalie19,65 millions1.5 × 10¹⁶0.88%0.9 h
68Roumanie19,02 millions7.5 × 10¹⁶4.6%4.8 h
69Sénégal18,93 millions5.9 × 10¹⁶3.6%3.8 h
70Guatemala18,69 millions6 × 10¹⁶3.7%3.9 h
71Équateur18,29 millions6.6 × 10¹⁶4.2%4.4 h
72Pays-Bas18,09 millions7.6 × 10¹⁶4.9%5.1 h
73Cambodge17,85 millions7.4 × 10¹⁶4.8%5.1 h
74Zimbabwe16,95 millions6.1 × 10¹⁶4.2%4.4 h
75Guinée15,1 millions3.1 × 10¹⁶2.4%2.5 h
76Bénin14,81 millions4.4 × 10¹⁶3.4%3.6 h
77Rwanda14,57 millions7 × 10¹⁶5.6%5.8 h
78Burundi14,39 millions5.2 × 10¹⁶4.2%4.4 h
79Bolivie12,58 millions5.8 × 10¹⁶5.4%5.6 h
80Tunisie12,35 millions6.4 × 10¹⁶6%6.3 h
81Soudan du Sud12,19 millions4.4 × 10¹⁶4.2%4.4 h
82Belgique11,94 millions4.5 × 10¹⁶4.3%4.5 h
83Haïti11,91 millions1.9 × 10¹⁶1.8%1.9 h
84Jordanie11,52 millions4.9 × 10¹⁶5%5.2 h
85République dominicaine11,52 millions4.9 × 10¹⁶4.9%5.2 h
86Émirats arabes unis11,51 millions3.1 × 10¹⁶3.1%3.2 h
87Honduras11,01 millions3.2 × 10¹⁶3.3%3.5 h
88Cuba10,94 millions1.6 × 10¹⁷17%17.4 h
89Tchéquie10,89 millions5.8 × 10¹⁶6.2%6.5 h
90Portugal10,8 millions5.1 × 10¹⁶5.5%5.7 h
91Tadjikistan10,79 millions5.3 × 10¹⁶5.7%6 h
92Papouasie-Nouvelle-Guinée10,76 millions4.3 × 10¹⁶4.6%4.8 h
93Suède10,6 millions6.8 × 10¹⁶7.5%7.8 h
94Grèce10,41 millions4.9 × 10¹⁶5.4%5.7 h
95Azerbaïdjan10,25 millions6.2 × 10¹⁶7%7.4 h
96Israël10,12 millions6.4 × 10¹⁶7.3%7.7 h
97Hongrie9,51 millions5.7 × 10¹⁶6.9%7.3 h
98Autriche9,21 millions2.5 × 10¹⁶3.2%3.4 h
99Suisse9,09 millions3.9 × 10¹⁶5%5.3 h
100Biélorussie9,09 millions7.9 × 10¹⁶10%10.6 h
101Sierra Leone8,82 millions4.9 × 10¹⁶6.5%6.8 h
102Togo8,59 millions3 × 10¹⁶4%4.2 h
103Laos7,87 millions3.2 × 10¹⁶4.8%5 h
104Turkménistan7,62 millions4.2 × 10¹⁶6.5%6.8 h
105Libye7,46 millions3.9 × 10¹⁶6.1%6.4 h
106Kirghizistan7,34 millions4.1 × 10¹⁶6.5%6.8 h
107Paraguay7,01 millions2.9 × 10¹⁶4.8%5.1 h
108Nicaragua7,01 millions2.8 × 10¹⁶4.6%4.8 h
109Serbie6,55 millions4.1 × 10¹⁶7.2%7.5 h
110République du Congo6,48 millions1.7 × 10¹⁶3%3.1 h
111Bulgarie6,43 millions3.3 × 10¹⁶5.9%6.2 h
112Salvador6,37 millions3.2 × 10¹⁶5.8%6.1 h
113Singapour6,11 millions1.9 × 10¹⁶3.6%3.7 h
114Danemark6,01 millions3.9 × 10¹⁶7.6%8 h
115Liban5,85 millions1.5 × 10¹⁶3%3.1 h
116Libéria5,73 millions1.5 × 10¹⁶3.1%3.3 h
117Finlande5,65 millions3.2 × 10¹⁶6.6%6.9 h
118Norvège5,61 millions3.7 × 10¹⁶7.6%8 h
119République centrafricaine5,51 millions1.7 × 10¹⁶3.5%3.7 h
120Oman5,49 millions2.9 × 10¹⁶6.2%6.5 h
121Irlande5,48 millions3.4 × 10¹⁶7.2%7.6 h
122Slovaquie5,41 millions3.1 × 10¹⁶6.7%7 h
123Palestine5,41 millions2 × 10¹⁶4.3%4.5 h
124Nouvelle-Zélande5,32 millions2.7 × 10¹⁶5.9%6.2 h
125Mauritanie5,32 millions2 × 10¹⁶4.3%4.5 h
126Costa Rica5,15 millions2.6 × 10¹⁶5.9%6.2 h
127Koweït4,87 millions2.7 × 10¹⁶6.5%6.8 h
128Panama4,57 millions2.3 × 10¹⁶5.9%6.2 h
129Géorgie3,94 millions2.1 × 10¹⁶6.1%6.4 h
130Croatie3,88 millions2.2 × 10¹⁶6.7%7 h
131Érythrée3,61 millions1.5 × 10¹⁶5%5.2 h
132Mongolie3,57 millions2.2 × 10¹⁶7%7.3 h
133Uruguay3,38 millions1.7 × 10¹⁶5.9%6.2 h
134Bosnie-Herzégovine3,14 millions1.6 × 10¹⁶5.9%6.2 h
135Namibie3,09 millions1.8 × 10¹⁶6.9%7.2 h
136Arménie3,09 millions1.7 × 10¹⁶6.5%6.8 h
137Qatar2,97 millions9.6 × 10¹⁵3.8%3.9 h
138Lituanie2,89 millions1.8 × 10¹⁶7.4%7.7 h
139Jamaïque2,84 millions1.2 × 10¹⁶5%5.2 h
140Gambie2,82 millions1.1 × 10¹⁶4.5%4.7 h
141Gabon2,59 millions9.9 × 10¹⁵4.4%4.6 h
142Botswana2,56 millions1.3 × 10¹⁶5.7%6 h
143Lesotho2,36 millions9.5 × 10¹⁵4.7%4.9 h
144Moldavie2,36 millions1.5 × 10¹⁶7.3%7.6 h
145Albanie2,35 millions1.2 × 10¹⁶5.7%6 h
146Guinée-Bissau2,25 millions5.7 × 10¹⁵2.9%3.1 h
147Slovénie2,13 millions1.2 × 10¹⁶6.6%6.9 h
148Guinée équatoriale1,94 million4 × 10¹⁵2.4%2.5 h
149Lettonie1,85 million1.2 × 10¹⁶7.6%7.9 h
150Macédoine du Nord1,82 million9.2 × 10¹⁵5.9%6.2 h
151Bahreïn1,6 million5.9 × 10¹⁵4.3%4.5 h
152Kosovo1,58 million8 × 10¹⁵5.9%6.2 h
153Timor-Leste1,42 million8 × 10¹⁵6.6%6.9 h
154Chypre1,37 million5.5 × 10¹⁵4.7%4.9 h
155Trinité-et-Tobago1,37 million9.3 × 10¹⁵7.9%8.2 h
156Estonie1,37 million8.3 × 10¹⁵7%7.4 h
157Eswatini1,26 million7.5 × 10¹⁵6.9%7.2 h
158Maurice1,24 million5.1 × 10¹⁵4.8%5 h
159Djibouti1,18 million4.6 × 10¹⁵4.5%4.8 h
160Fidji933,1545.6 × 10¹⁵7%7.4 h
161Comores882,8473.5 × 10¹⁵4.6%4.8 h
162Îles Salomon838,6453.2 × 10¹⁵4.4%4.6 h
163Guyana835,9864.6 × 10¹⁵6.4%6.7 h
164Bhoutan796,6825.8 × 10¹⁵8.5%8.9 h
165Luxembourg686,9702.4 × 10¹⁵4%4.2 h
166Suriname639,8503.7 × 10¹⁵6.7%7.1 h
167Monténégro623,1294.3 × 10¹⁵8.1%8.5 h
168Malta579,7043.1 × 10¹⁵6.2%6.5 h
169Maldives529,6764.7 × 10¹⁵10%10.8 h
170Cap-Vert527,3263.3 × 10¹⁵7.2%7.6 h
171Brunei466,3303.6 × 10¹⁵8.9%9.3 h
172Belize422,9241.1 × 10¹⁵2.9%3.1 h
173Bahamas403,0332.2 × 10¹⁵6.4%6.7 h
174Islande392,4042.5 × 10¹⁵7.4%7.7 h
175Vanuatu335,1692 × 10¹⁵6.9%7.3 h
176Barbade282,6231.5 × 10¹⁵6%6.3 h
177Sao Tomé-et-Principe240,2541.1 × 10¹⁵5.4%5.7 h
178Samoa219,3061.1 × 10¹⁵5.7%5.9 h
179Sainte-Lucie180,1499.3 × 10¹⁴6%6.3 h
180Kiribati136,4887.6 × 10¹⁴6.4%6.7 h
181Seychelles122,7308.9 × 10¹⁴8.4%8.8 h
182Grenade117,3037.3 × 10¹⁴7.2%7.5 h
183Micronésie113,6835.7 × 10¹⁴5.8%6.1 h
184Tonga103,7425.9 × 10¹⁴6.6%6.9 h
185Saint-Vincent-et-les-Grenadines99,9244.9 × 10¹⁴5.7%5.9 h
186Antigua-et-Barbuda94,2096.5 × 10¹⁴8%8.3 h
187Andorre82,9043.9 × 10¹⁴5.5%5.8 h
188Dominique65,8712.3 × 10¹⁴4.1%4.3 h
189Saint-Christophe-et-Niévès46,9222.1 × 10¹⁴5.2%5.5 h
190Liechtenstein41,0242 × 10¹⁴5.7%5.9 h
191Monaco38,3412.3 × 10¹⁴6.9%7.3 h
192Îles Marshall36,2823.3 × 10¹⁴10%10.9 h
193Saint-Marin34,1091.3 × 10¹⁴4.6%4.8 h
194Palaos17,6631.6 × 10¹⁴10%11 h
195Nauru12,0259.3 × 10¹³9%9.4 h
196Tuvalu9,4928 × 10¹³9.8%10.2 h

Ce qui est compté, et ce qui ne l’est pas.

Membres selon les chiffres du parti, sur une échelle logarithmique. Les barres pleines sont des décomptes ; les barres hachurées sont des estimations ou des déclarations.
  1. Parti Bharatiya Janata (Inde)▲1140 millions
  2. Parti communiste chinois▼1101,29 millions
  3. Parti démocrate (États-Unis)▲1344,9 millions
  4. Parti républicain (États-Unis)▲1638 millions
  5. Congrès national indien▼226 millions
  6. AIADMK (Inde)▼220,04 millions
  7. DMK (Inde)▼220 millions
  8. Parti de la prospérité (Éthiopie)▼115,7 millions
  9. TVK (Inde)▼115 millions
  10. Chama Cha Mapinduzi (Tanzanie)▼113 millions
  11. Congrès de tous les progressistes (Nigéria)▼112,9 millions
  12. AK Parti (Turquie)▼111,71 millions
  13. Morena (Mexique)▼111,63 millions
  14. Parti Telugu Desam (Inde)▼110,05 millions
  15. Parti du peuple cambodgien▼17 millions
Afficher les chiffres
#PartiMembresSuivant ses instructionsPart dirigéeHeures par semaine
1Parti Bharatiya Janata (Inde)140 millions6.3 × 10¹⁶0.52% (approximation)0.6 h
2Parti communiste chinois101,29 millions8.2 × 10¹⁶0.94%1 h
3Parti démocrate (États-Unis)44,9 millions2.3 × 10¹⁵0.06%0.1 h
4Parti républicain (États-Unis)38 millions2 × 10¹⁵0.06%0.1 h
5Congrès national indien26 millions1.2 × 10¹⁶0.52% (approximation)0.6 h
6AIADMK (Inde)20,04 millions9 × 10¹⁵0.52% (approximation)0.6 h
7DMK (Inde)20 millions9 × 10¹⁵0.52% (approximation)0.6 h
8Parti de la prospérité (Éthiopie)15,7 millions7 × 10¹⁵0.52% (approximation)0.6 h
9TVK (Inde)15 millions6.7 × 10¹⁵0.52% (approximation)0.6 h
10Chama Cha Mapinduzi (Tanzanie)13 millions5.8 × 10¹⁵0.52% (approximation)0.6 h
11Congrès de tous les progressistes (Nigéria)12,9 millions5.8 × 10¹⁵0.52% (approximation)0.6 h
12AK Parti (Turquie)11,71 millions5.2 × 10¹⁵0.52% (approximation)0.6 h
13Morena (Mexique)11,63 millions5.2 × 10¹⁵0.52% (approximation)0.6 h
14Parti Telugu Desam (Inde)10,05 millions4.5 × 10¹⁵0.52% (approximation)0.6 h
15Parti du peuple cambodgien7 millions3.1 × 10¹⁵0.52% (approximation)0.6 h
16Parti du travail de Corée6,18 millions7.6 × 10¹⁵1.4%1.5 h
17FRELIMO (Mozambique)6 millions2.7 × 10¹⁵0.52% (approximation)0.6 h
18Parti communiste du Vietnam5,6 millions2.1 × 10¹⁵0.44%0.5 h
19Parti démocratique de Corée5 millions2.2 × 10¹⁵0.52% (approximation)0.6 h
20Parti du pouvoir du peuple (Corée du Sud)4,44 millions2 × 10¹⁵0.52% (approximation)0.6 h
21PSUV (Venezuela)4,24 millions1.9 × 10¹⁵0.52% (approximation)0.6 h
22ZANU-PF (Zimbabwe)4,06 millions1.8 × 10¹⁵0.52% (approximation)0.6 h
23UMNO (Malaisie)3,25 millions1.5 × 10¹⁵0.52% (approximation)0.6 h
24Parti justicialiste (Argentine)3,1 millions1.4 × 10¹⁵0.52% (approximation)0.6 h
25Parti Colorado (Paraguay)3 millions1.3 × 10¹⁵0.52% (approximation)0.6 h
26Russie unie2,6 millions1.2 × 10¹⁵0.52% (approximation)0.6 h
27UzLiDeP (Ouzbékistan)2,31 millions1 × 10¹⁵0.52% (approximation)0.6 h
28PLD (République dominicaine)2,18 millions9.7 × 10¹⁴0.52% (approximation)0.6 h
29MDB (Brésil)2,02 millions9 × 10¹⁴0.52% (approximation)0.6 h
30CHP (Turquie)1,88 million8.4 × 10¹⁴0.52% (approximation)0.6 h
31Union civique radicale (Argentine)1,79 million8 × 10¹⁴0.52% (approximation)0.6 h
32Parti des travailleurs, PT (Brésil)1,67 million7.5 × 10¹⁴0.52% (approximation)0.6 h
33PRM (République dominicaine)1,55 million6.9 × 10¹⁴0.52% (approximation)0.6 h
34Parti libéral radical authentique (Paraguay)1,55 million6.9 × 10¹⁴0.52% (approximation)0.6 h
35Partido Federal ng Pilipinas1,5 million6.7 × 10¹⁴0.52% (approximation)0.6 h
36PAS (Malaisie)1,3 million5.8 × 10¹⁴0.52% (approximation)0.6 h
37PRD (Brésil)1,29 million5.8 × 10¹⁴0.52% (approximation)0.6 h
38Progressistas (Brésil)1,29 million5.8 × 10¹⁴0.52% (approximation)0.6 h
39PSDB (Brésil)1,26 million5.6 × 10¹⁴0.52% (approximation)0.6 h
40PKR (Malaisie)1,15 million5.2 × 10¹⁴0.52% (approximation)0.6 h
41Combattants pour la liberté économique (Afrique du Sud)1,09 million4.9 × 10¹⁴0.52% (approximation)0.6 h
42PDT (Brésil)1,07 million4.8 × 10¹⁴0.52% (approximation)0.6 h
43União Brasil1,07 million4.8 × 10¹⁴0.52% (approximation)0.6 h
44CPI(M) (Inde)1,02 million4.6 × 10¹⁴0.52% (approximation)0.6 h
45Parti libéral-démocrate (Japon)1 million4.5 × 10¹⁴0.52% (approximation)0.6 h
46FLN (Algérie)1 million4.5 × 10¹⁴0.52% (approximation)0.6 h
47Parti libéral, PL (Brésil)952,8814.3 × 10¹⁴0.52% (approximation)0.6 h
48Parti communiste de Cuba700,0002.7 × 10¹⁴0.44%0.5 h
49Congrès national africain688,4543.1 × 10¹⁴0.52% (approximation)0.6 h
50Parti conservateur du Canada678,7082.7 × 10¹⁴0.46%0.5 h
51CDU (Allemagne)364,2021.6 × 10¹⁴0.52% (approximation)0.6 h
52SPD (Allemagne)357,1161.6 × 10¹⁴0.52% (approximation)0.6 h
53Parti travailliste (Royaume-Uni)333,2351.6 × 10¹⁴0.55%0.6 h
54Parti libéral du Canada163,8366.5 × 10¹³0.46%0.5 h
55Les Verts (Allemagne)155,2967 × 10¹³0.52% (approximation)0.6 h
56CSU (Allemagne)125,1535.6 × 10¹³0.52% (approximation)0.6 h
57Parti conservateur (Royaume-Uni)123,0003.7 × 10¹³0.35%0.4 h
58Nouveau Parti démocratique (Canada)100,5424 × 10¹³0.46%0.5 h
59AfD (Allemagne)51,3352.3 × 10¹³0.52% (approximation)0.6 h

Réunions, enquêtes et sources.

Employés d’après le dernier rapport annuel ou la dernière liste, sur une échelle linéaire.
  1. Walmart2,1 millions
  2. Amazon▲11,58 million
  3. State Grid▼11,36 million
  4. China National Petroleum1,03 million
  5. JD.com951,420
  6. BYD▲1869,622
  7. Accenture▼1779,000
  8. Allied Universal▲3770,000
  9. China Post Group▼1719,448
  10. Chemins de fer russes (RZD)▲2677,363
  11. Volkswagen Group▲6662,942
  12. Foxconn (Hon Hai)▼2633,167
  13. Schwarz Group▲16604,000
  14. Compass Group▲18590,000
  15. Tata Consultancy Services▼6584,510
Afficher les chiffres
#EntrepriseEmployésSuivant ses instructionsHeures par semainePart dirigée
1Walmart2,1 millions6.3 × 10¹⁶36.3 h (États-Unis)35%
2Amazon1,58 million4.7 × 10¹⁶36.3 h (États-Unis)35%
3State Grid1,36 million5.5 × 10¹⁶49 h (Chine)47%
4China National Petroleum1,03 million4.1 × 10¹⁶49 h (Chine)47%
5JD.com951,4203.8 × 10¹⁶49 h (Chine)47%
6BYD869,6223.5 × 10¹⁶49 h (Chine)47%
7Accenture779,0003.7 × 10¹⁶57.58 h (Inde)55%
8Allied Universal770,0002.3 × 10¹⁶36.52 h (États-Unis)35%
9China Post Group719,4482.9 × 10¹⁶49 h (Chine)47%
10Chemins de fer russes (RZD)677,3632.2 × 10¹⁶39.96 h (Russie)38%
11Volkswagen Group662,9422 × 10¹⁶35.95 h (Allemagne)34%
12Foxconn (Hon Hai)633,1672.5 × 10¹⁶49 h (Chine)47%
13Schwarz Group604,0001.6 × 10¹⁶31.49 h (Allemagne)30%
14Compass Group590,0001.5 × 10¹⁶31.7 h (États-Unis)30%
15Tata Consultancy Services584,5102.8 × 10¹⁶58.23 h (Inde)56%
16DHL Group583,9981.7 × 10¹⁶35.81 h (Allemagne)34%
17Sinopec513,4342.1 × 10¹⁶49 h (Chine)47%
18Gazprom501,0001.7 × 10¹⁶40.47 h (Russie)39%
19FedEx474,2001.6 × 10¹⁶39.98 h (États-Unis)38%
20Home Depot470,0001.4 × 10¹⁶36.3 h (États-Unis)35%
21China Mobile468,4961.9 × 10¹⁶49 h (Chine)47%
22UPS460,0001.5 × 10¹⁶39.98 h (États-Unis)38%
23Banque agricole de Chine457,8351.8 × 10¹⁶49 h (Chine)47%
24Concentrix455,0001.7 × 10¹⁶46.71 h (Philippines)45%
25Teleperformance446,7162.2 × 10¹⁶58.89 h (Inde)56%
26Jardine Matheson443,0001.5 × 10¹⁶41.93 h (Indonésie)40%
27Sodexo426,4641.1 × 10¹⁶31.7 h (États-Unis)30%
28Capgemini423,4002 × 10¹⁶58.23 h (Inde)56%
29Reliance Industries419,9112.1 × 10¹⁶59.57 h (Inde)57%
30Edeka417,5001.1 × 10¹⁶31.49 h (Allemagne)30%
31Luxshare Precision416,1971.7 × 10¹⁶49 h (Chine)47%
32Target415,0001.2 × 10¹⁶36.3 h (États-Unis)35%
33Marriott International414,0001.1 × 10¹⁶31.7 h (États-Unis)30%
34Bosch412,4001.2 × 10¹⁶35.95 h (Allemagne)34%
35ICBC409,7581.6 × 10¹⁶49 h (Chine)47%
36Kroger403,0001.2 × 10¹⁶36.3 h (États-Unis)35%
37China Resources397,3981.6 × 10¹⁶49 h (Chine)47%
38Magnit394,0001.3 × 10¹⁶39.69 h (Russie)38%
39Toyota390,9271.3 × 10¹⁶39.6 h (Japon)38%
40UnitedHealth Group390,0001.2 × 10¹⁶36.87 h (États-Unis)35%
41X5 Group389,0001.3 × 10¹⁶39.69 h (Russie)38%
42Berkshire Hathaway387,8001.2 × 10¹⁶37.75 h (États-Unis)36%
43AVIC384,0001.5 × 10¹⁶49 h (Chine)47%
44Ahold Delhaize384,0001.1 × 10¹⁶36.3 h (États-Unis)35%
45China Telecom381,4361.5 × 10¹⁶49 h (Chine)47%
46Starbucks381,0009.9 × 10¹⁵31.7 h (États-Unis)30%
47Rewe Group380,0009.8 × 10¹⁵31.49 h (Allemagne)30%
48Banque de construction de Chine378,3441.5 × 10¹⁶49 h (Chine)47%
49TJX Companies377,0001.1 × 10¹⁶36.3 h (États-Unis)35%
50China State Construction Engineering370,2721.5 × 10¹⁶49 h (Chine)47%
51FEMSA368,7761.4 × 10¹⁶47.09 h (Mexique)45%
52Japan Post Holdings360,0001.2 × 10¹⁶41.6 h (Japon)40%
53Tesco354,7449.3 × 10¹⁵31.81 h (Royaume-Uni)30%
54Cognizant351,6001.7 × 10¹⁶58.23 h (Inde)56%
55NTT344,1961.1 × 10¹⁶40.2 h (Japon)38%
56Costco341,0001 × 10¹⁶36.3 h (États-Unis)35%
57Infosys328,5941.6 × 10¹⁶58.23 h (Inde)56%
58ISS325,0001.6 × 10¹⁶58.89 h (Inde)56%
59Securitas322,0009.7 × 10¹⁵36.52 h (États-Unis)35%
60HCA Healthcare320,0009.7 × 10¹⁵36.87 h (États-Unis)35%
61Rosneft320,0001.1 × 10¹⁶40.47 h (Russie)39%
62JPMorgan Chase318,5121.1 × 10¹⁶40.14 h (États-Unis)38%
63Siemens318,0009.4 × 10¹⁵35.95 h (Allemagne)34%
64Banque de Chine313,7461.3 × 10¹⁶49 h (Chine)47%
65Walgreens Boots Alliance312,0009.3 × 10¹⁵36.3 h (États-Unis)35%
66PepsiCo306,0001 × 10¹⁶40.7 h (États-Unis)39%
67China Railway Construction (CRCC)304,9271.2 × 10¹⁶49 h (Chine)47%
68CHN Energy (China Energy Investment)303,4181.2 × 10¹⁶49 h (Chine)47%
69China Railway Group (CREC)302,5271.2 × 10¹⁶49 h (Chine)47%
70CK Hutchison300,0008.6 × 10¹⁵35.08 h (Royaume-Uni)33%
71CVS Health300,0008.9 × 10¹⁵36.3 h (États-Unis)35%

Heures et sources.

Animaux et autres organismes

Des cellules uniques sans neurones jusqu’au cerveau humain. Les nombres de neurones sont mesurés là où ils existent.

Pas de neurones

  • Escherichia coliEscherichia coli0 mesuréUne cellule unique, sans neurones. Elle s’oriente vers la nourriture et possède une mémoire chimique de quelques secondes.
  • MyxomycètePhysarum polycephalum0 mesuréUne cellule géante unique, sans neurones. Elle résout des labyrinthes et fait croître des réseaux de transport efficaces.
  • Sensitive (Mimosa pudica)Mimosa pudica0 mesuréUne plante dont les feuilles se replient au toucher. Une étude a rapporté qu’elle apprend à ignorer les contacts inoffensifs. Une réanalyse ultérieure l’a contesté.
  • ÉpongePorifera (p. ex. Amphimedon queenslandica)0 mesuréUn animal sans neurones ni synapses qui contracte pourtant tout son corps de façon coordonnée.

Réseaux nerveux, pas de cerveau

  • HydreHydra vulgarisenviron 3 000 à 5 000 estimationUn petit cnidaire d’eau douce. Il est commandé par un réseau nerveux diffus et n’a pas de cerveau.
  • CuboméduseTripedalia cystophoraAucun décompte publiéUne cuboméduse n’a pas de cerveau central, et pourtant elle a montré un apprentissage associatif.

Invertébrés dotés d’un cerveau

  • NématodeCaenorhabditis elegans302 mesuréUn ver d’environ un millimètre, avec exactement 302 neurones. Il fut le premier animal dont le schéma de câblage complet a été cartographié.
  • DrosophileDrosophila melanogaster139,255 mesuréLe plus grand schéma complet de câblage cérébral cartographié à ce jour, couvrant environ 139 000 neurones.
  • Abeille domestiqueApis melliferaenviron 1 million estimationEnviron un million de neurones, et les abeilles peuvent apprendre des concepts abstraits comme « pareil » et « différent ».
  • Fourmi (Camponotus / Formica)Camponotus spp.Aucun décompte publiéUn petit cerveau qui gère la navigation sur de longues distances en comptant les pas (intégration de trajet) et en retenant des repères.
  • Araignée sauteuse PortiaPortia fimbriata / labiataAucun décompte publiéUne araignée sauteuse qui planifie ses détours. Elle emprunte des itinéraires qui l’éloignent de sa proie et la cachent à sa vue.
  • Crabe vert / écrevisseCarcinus maenas ; Procambarus / Astacus spp.Aucun décompte publiéCrabes et écrevisses. Un examen gouvernemental de 2021 a trouvé de solides preuves que les vrais crabes sont sentients.
  • Poulpe communOctopus vulgaris500 millions estimationLa plupart de ses neurones sont dans ses bras. Un examen de 2021 a trouvé des preuves très solides qu’il est sentient.

Poissons et amphibiens

  • Poisson-zèbreDanio rerioAucun décompte publiéUn petit poisson très utilisé en neuroscience. Ses neurones n’ont pas été entièrement comptés. Le cerveau adulte compte environ 10 millions de cellules.
  • Labre nettoyeurLabroides dimidiatusAucun décompte publiéUn poisson de récif qui a réussi une version du test de la marque devant le miroir. On discute de ce que cela montre.
  • GrenouilleAnoures (p. ex. Xenopus / Rana)Aucun décompte publiéLa Déclaration de New York de 2024 affirme qu’il existe une possibilité réaliste d’expérience consciente chez les amphibiens.

Oiseaux

  • Pigeon bisetColumba livia310 millions mesuréDes centaines de millions de neurones dans un petit cerveau. Les pigeons savent trier des images complexes par catégories.
  • Grand corbeauCorvus corax2,17 milliards mesuréPlus de deux milliards de neurones, très densément regroupés. Les grands corbeaux se souviennent de chacun de leurs rivaux.
  • Corbeau de Nouvelle-CalédonieCorvus moneduloidesAucun décompte publiéIl fabrique des outils à crochet avec des brindilles et du fil de fer. Ses neurones n’ont pas été comptés.
  • Perroquet gris du GabonPsittacus erithacus1,57 milliard mesuréEnviron 1,6 milliard de neurones. Des décennies d’études en laboratoire sur la numérosité et la catégorisation.

Mammals

  • SourisMus musculus70,9 millions mesuréEnviron 71 millions de neurones. Les souris montrent des expressions faciales de douleur que l’on peut mesurer.
  • RatRattus norvegicus200 millions mesuréEnviron 200 millions de neurones. Les rats libèrent leurs compagnons de cage piégés.
  • Chat domestiqueFelis catus1,22 milliard mesuréEnviron 250 millions de neurones dans le cortex cérébral.
  • Chien domestiqueCanis familiaris1,8 à 2,6 milliards, selon le chien mesuréJusqu’à environ 600 millions de neurones corticaux, selon le chien. C’est plus que les chats.
  • Cochon domestiqueSus scrofa domesticus2,22 milliards mesuréLes cochons apprennent ce que montre un miroir et s’en servent pour trouver de la nourriture.
  • Grand dauphinTursiops truncatusAucun décompte publiéRéussit les tests de reconnaissance de soi dans le miroir. Aucun nombre de neurones mesuré n’existe pour le grand dauphin.
  • Éléphant d’AfriqueLoxodonta africana257 milliards mesuré257 milliards de neurones, trois fois plus qu’un humain, presque tous dans le cervelet.
  • ChimpanzéPan troglodytesenviron 28 milliards (prédits par des lois d’échelle, non comptés) estimationL’un de nos deux plus proches parents vivants (avec le bonobo). Il réussit le test du miroir.
  • HumainHomo sapiens86,1 milliards mesuré86 milliards de neurones, dont 16 milliards dans le cortex cérébral. Nous sommes la seule espèce dont les membres peuvent rendre compte verbalement de leur expérience.

Systèmes collectifs

Des groupes qui prennent des décisions qu’aucun membre ne prend seul. On les étudie comme intelligence collective, pas comme esprits.

  • Colonies de fourmisLes colonies choisissent le meilleur nid parce que chaque fourmi suit un seuil de quorum. Aucune fourmi ne compare les sites dans leur ensemble.
  • Essaims d’abeillesLes essaims choisissent la meilleure cavité par une compétition entre éclaireuses et un quorum. Des signaux d’arrêt assurent une inhibition croisée, qui brise les blocages.
  • Vols d’étourneauxChaque oiseau suit un nombre fixe de voisins (environ 6 à 7), et non tous les oiseaux situés à une distance donnée. On parle d’interaction topologique, non métrique.
  • Bancs de poissonsLes bancs décident par des règles de quorum. De grands groupes peuvent percevoir des gradients de l’environnement qu’aucun poisson seul ne peut détecter.

Systèmes artificiels

Types d’intelligence artificielle, classés selon leur fonctionnement. Aucun système actuel n’est considéré comme un candidat sérieux à la conscience.

  • Systèmes experts à base de règlesDes programmes qui codent le savoir d’un expert du domaine sous forme de règles explicites « si… alors… ». Un moteur d’inférence applique les règles à la suite pour arriver à des conclusions, en général avec une explication de son raisonnement.
  • Moteurs de recherche dans l’arbre de jeu (échecs)Des programmes qui énumèrent les suites de coups possibles jusqu’à une profondeur fixe et notent les positions obtenues avec une fonction d’évaluation faite à la main. Ils élaguent les branches qui ne peuvent pas changer le choix (minimax avec élagage alpha-bêta).
  • Agents d’apprentissage par renforcement profondRéseaux de neurones entraînés par essais et erreurs à maximiser un signal de récompense. Ils apprennent une politique ou une fonction de valeur en interagissant avec un environnement, souvent simulé, comme un jeu.
  • Grands modèles de langageRéseaux de neurones de type transformeur, entraînés à prédire le jeton suivant dans de très grands corpus de textes, puis souvent ajustés à partir de retours humains.
  • Robots incarnésDes machines dotées de capteurs et d’actionneurs qui agissent dans le monde physique. Elles utilisent souvent un contrôle réactif en couches plutôt qu’un modèle central du monde : le comportement émerge de la boucle entre le corps et l’environnement.
  • Matériel neuromorphiqueDes puces dont les circuits imitent les neurones à impulsions et les synapses. Elles fonctionnent par événements et consomment peu, contrairement à une architecture classique processeur et mémoire.

Esprits hypothétiques

Esprits proposés dans la littérature scientifique et philosophique. Personne n’en a observé.

  • Émulation de cerveau entiernon observéScanner un cerveau en détail et faire tourner un modèle logiciel de celui-ci.
  • Esprits simulés dans des simulations ancestralesnon observéLe trilemme de Bostrom : soit presque aucune civilisation n’atteint un stade posthumain, soit presque aucune ne fait tourner de simulations ancestrales, soit nous vivons presque certainement dans l’une d’elles.
  • Cerveaux de Boltzmannnon observéObservateurs semblables à des cerveaux qui surgissent de rares fluctuations thermiques ou quantiques.
  • Téléversement de l’esprit par remplacement graduelnon observéRemplacer les neurones un par un par des pièces artificielles fonctionnellement identiques.
  • Superintelligencenon observéUn intellect hypothétique qui dépasse largement la performance humaine dans pratiquement tous les domaines. Le livre de Bostrom analyse les voies qui y mènent (émulation de cerveau entier, cognition biologique, IA), ses formes et les problèmes de contrôle.

Version des données 2.0.0. Télécharger (JSON).