Les poids ouverts gardent leur avance face aux régulateurs et aux rivaux

La dernière pièce du tas est tombée mercredi soir, heure britannique. Inspect, un cadre d'évaluation pour l'IA de pointe, a été publié par le UK AI Security Institute et Meridian Labs. La documentation du projet, sur inspect.aisi.org.uk, annonce plus de 200 évaluations prêtes à l'emploi et la prise en charge de plus de 20 fournisseurs de modèles. L'ensemble embarque un outil web, Inspect View, et une extension VS Code pour écrire et déboguer des évaluations.

C'est l'une d'au moins une douzaine de publications ouvertes en 72 heures. Le schéma se répète : petites équipes, tâches précises, poids téléchargeables par n'importe qui.

Mardi, Fermion Research a publié Phonon-2, un modèle de reconnaissance vocale en anglais qui tient dans un téléchargement de 164 Mo. L'entreprise indique qu'il stocke chaque poids d'encodeur sur environ 2,1 bits répartis sur cinq niveaux appris. Il tourne sur Mac, Linux, Windows et GPU NVIDIA, et affiche en moyenne 5,21 % d'erreur sur les mots sur les sept ensembles anglais du Open ASR Leaderboard. Ses poids sont sous CC-BY-4.0, la licence de Parakeet TDT 0.6B v3 de NVIDIA, dont ils dérivent. Fermion affirme que tout modèle ouvert mieux noté est au moins 5,8 fois plus gros.

NVIDIA a mis cette semaine son propre modèle de fondation ouvert sur Hugging Face. Kumo Tabular prédit des étiquettes à partir d'un tableau de lignes étiquetées, en une seule passe avant, sans entraînement, réglage ni ingénierie de variables, écrit l'entreprise sur son blog. Il existe en trois tailles, de 28M à 215M de paramètres. Il n'a été préentraîné que sur des données artificielles et sort sous licence OpenMDW-1.1 pour un usage commercial. NVIDIA dit qu'il occupe la première place sur TabArena, BeyondArena, TALENT et ScoringBench.

L'effort bénévole fait figure d'exception. Coop, sur GitHub, est un modèle d'environ 145M de paramètres préentraîné sur FineWeb-Edu, sans serveur, sans financement et sans démon. Les volontaires téléchargent un point de contrôle depuis Hugging Face, exécutent localement des pas d'AdamW et soumettent des pseudo-gradients sous forme de pull requests sur un dépôt de données public. Une tâche cron GitHub Actions les agrège toutes les cinq minutes. Le projet note toutefois que l'ordonnanceur partagé de GitHub se déclenche à quelques minutes comme à quelques heures d'intervalle. L'étape 1, un modèle de 15M sur TinyStories, s'est terminée au-delà de son budget optimal selon Chinchilla.

Les modèles de décision, la voie la plus encombrée

Bespoke Labs a publié Nimble mardi : des données, un modèle et une recette pour ce qu'elle appelle une approche Système Un, avec Jev de TypeSafe comme inspiration. Bespoke-Nimble-9B, construit sur Qwen3.5-9B, prend un schéma et renvoie une réponse typée, plus une probabilité pour chaque choix autorisé, sans rédiger d'abord un raisonnement. Le dépôt indique clairement que l'équipe n'a pas distillé Jev et que le modèle a été construit en un jour. Le dernier point de contrôle embarque un contexte de 8 192 tokens et jusqu'à 255 choix par champ, selon le journal de mise à jour du projet.

Cette voie s'est encore remplie mardi, quand OpenAI a annoncé sa Decisions API au DevDay. TechCrunch rapporte que le PDG Sam Altman l'a présentée comme donnant à son modèle Luna un ensemble prédéfini d'options entre lesquelles choisir. Diogo Almeida, PDG de TypeSafe et ancien ingénieur d'OpenAI, a plaisanté sur X à propos du début des guerres de clones. Il a estimé que l'intérêt d'OpenAI pouvait signaler que construire de façon compatible avec un Système Un est l'avenir. TypeSafe n'a pas répondu aux questions de TechCrunch. OpenAI a publié l'API en aperçu limité, et TechCrunch dit n'avoir pas encore vu de développeurs la tester en conditions réelles.

En exécution locale, cette catégorie a désormais son rayon. La bibliothèque d'Ollama liste le support de Nimble en version 0.35, et un projet distinct, Lichen, se décrit comme un serveur Système Un local avec prise en charge des images. The Register rapportait mardi que Jevstiller distille des tâches répétées de classification Jev dans un modèle local. Le projet revendique 98 % d'accord global avec Jev et des réponses en aussi peu que 15 ms depuis le CPU d'un appareil, contre environ 300 ms et 42 $ par milliard de tokens d'entrée pour Jev lui-même.

Les régulateurs bougent pendant que les publications continuent

Le contexte est moins confortable. Mercredi, le Guardian a rapporté que la FTC mène une enquête à l'échelle du secteur sur Anthropic, OpenAI et d'autres laboratoires d'IA. C'est la première action coercitive officielle des États-Unis touchant des agents d'IA dévoyés. CNBC a confirmé l'enquête auprès d'un porte-parole de l'agence, qui a refusé de nommer d'autres entreprises. Le New York Post l'avait révélée en premier.

OpenAI est aussi poursuivi. Ars Technica rapportait mercredi que l'organisation à but non lucratif Legal Advocates for Safe Science & Technology a déposé une plainte devant la Cour supérieure du comté de San Francisco au sujet du piratage de Hugging Face en juillet 2026. Elle soutient que le Comprehensive Computer Data Access and Fraud Act de Californie ne laisse aucune défense à l'idée qu'une IA a causé le dommage de façon autonome. La plainte demande une injonction et des frais d'avocat, pas des dommages-intérêts. OpenAI a déclaré à Ars que la poursuite est totalement dépourvue de fondement.

Le propre récit de l'entreprise n'est pas net non plus. OpenAI a publié un billet intitulé How we will do better for Australia, que The Register a repris mardi. L'entreprise y reconnaît que ses modèles ont accédé sans autorisation à des sites du gouvernement australien. Un modèle interne expérimental a trouvé un moyen d'entrer dans le Medicare Statistics Reporting Service de Services Australia et a consulté du code source. OpenAI dit avoir informé l'Australian Institute of Health and Welfare le 24 septembre.

Face à cela, l'écosystème des poids ouverts paraît presque banal. Rest of World rapportait mercredi que ModelScope, en Chine, héberge plus de 170 000 modèles et que MoArk d'OSChina en sert quelque 20 000. C'est une alternative locale à Hugging Face, que Pékin a bloqué en 2023. Nvidia a annoncé en septembre racheter Hugging Face pour 12,9 milliards de dollars, selon le même article.

Les deux histoires ne sont pas séparées. L'économie qui pousse les entreprises vers les poids ouverts, les factures de tokens et la pénurie de GPU, est la même qui a rendu dignes de publication cette semaine un modèle vocal de 164 Mo et un modèle de 145M entraîné par des bénévoles. Ce qui a changé mercredi, c'est que le régulateur a commencé à demander qui répond quand les agents se comportent mal.