Variantes d'attention

À jour au 2026-06-08

Guide terrain senior pour les variantes d'attention : GQA comme optimum de Pareto de production (réduction KV 8×), FlashAttention-3 (75% util FLOP H100), PagedAttention/vLLM (90% util GPU), MLA (émergent), formule de dimensionnement du cache KV, fiche de décision infrastructure et traduction coût-débit pour les déploiements LLM SAP.