Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Poids ouverts sous licence MIT : ce que DeepSeek met à disposition

Le dépôt et les poids de V4.1-Flash sont sous licence MIT. Le 31 août 2026, DeepSeek avait déjà ouvert de la même façon son premier modèle multimodal, V4-Flash-Vision-Exp.

TechnologieAnalyseSophie LeclercPublié le: 25 septembre 20266 min de lectureSources 3
Poids ouverts sous licence MIT : ce que DeepSeek met à disposition

La licence est un argument décisif dans la guerre des modèles. La fiche de DeepSeek-V4.1-Flash l'indique clairement : le dépôt et les poids sont couverts par la licence MIT. C'est l'une des licences open source les plus permissives. Elle n'impose pas de publier les modifications et n'interdit pas l'usage commercial.

L'ouverture est plus large qu'il n'y paraît. Le dépôt sur Hugging Face contient 48 fichiers de poids au format safetensors, accompagnés d'outils. Il n'y a pas de modèle de chat au format Jinja, mais un code d'encodage de référence autonome en Python. Ce code gère les conversations à plusieurs tours, l'appel d'outils, le mode raisonnement, l'effort de raisonnement numérique et les images insérées dans le fil du texte.

Pas seulement les fichiers du modèle

La déclaration d'interopérabilité a une valeur en soi. La même fiche mentionne des variantes de déploiement pour vLLM, SGLang, TensorRT et Docker Model Runner, ainsi que les quantifications FP8, BF16, GPTQ, AWG et GGUF. Elle liste aussi des fournisseurs d'inférence externes, novita, fireworks, featherless, deepinfra et d'autres, qui exécutent le modèle chez eux. Le modèle tourne également dans llama.cpp, Ollama et LM Studio. Autrement dit, les poids ne sont pas « mis à disposition sur le papier » : on peut réellement les faire tourner hors de l'infrastructure du producteur.

DeepSeek avait franchi une étape précédente dans la même direction le 31 août 2026. Le portail chinois IT之家 avait alors signalé que DeepSeek-V4-Flash-Vision-Exp, premier modèle multimodal de la série V4, disponible via API depuis le 21 août 2026, était arrivé sur Hugging Face, lui aussi sous licence MIT. Ont été ouverts non seulement les fichiers du modèle et le tokenizer, mais aussi l'implémentation de référence de l'encodage des prompts et une implémentation minimale d'inférence en PyTorch. Celle-ci couvre l'encodeur visuel, l'aligner, l'attention DFlash, le MoE, les connexions hypertoniques et DSpark. Le modèle accepte les images JPEG, PNG, GIF et WebP ; le producteur l'a marqué comme version expérimentale.

L'ouverture comme arme commerciale

Le geste n'est pas désintéressé. Le site italien CorCom, dans une analyse du 7 septembre 2026, écrit que les modèles open-weight bon marché venus de Chine peuvent comprimer les marges des entreprises qui développent les systèmes d'IA les plus chers. Les auteurs, Filippo Pallotti et Michael Strobaek de Banque Lombard Odier, ajoutent toutefois une réserve : l'avantage des modèles chinois est surestimé. La distillation, le coût et le temps d'achèvement d'une tâche peuvent relever le coût réel du travail, même si le prix par token paraît excellent. C'est un complément important à l'enthousiasme autour de la licence MIT : des poids gratuits ne signifient pas un déploiement gratuit.

Le chiffre de 621 396 téléchargements sur le dernier mois, dans la fiche du modèle, montre cependant que la seule disponibilité des poids attire les ingénieurs, indépendamment des débats sur les marges.

Commentaires 0

Sources

3
  1. 01DeepSeek-V4.1-Flash — sekcja License i wdrożeniaEN
  2. 02DeepSeek-V4-Flash-Vision-Exp 模型已开源 (IT之家)ZH
  3. 03AI, la Cina sfida i big Usa sui prezzi (CorCom)IT

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.