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
›

Ce que « poids ouverts » veut vraiment dire, et ce que les modèles cachent encore

Les publications à poids ouverts permettent de télécharger les paramètres d'un modèle, mais un rapport de Mozilla publié le 15 septembre affirme que le meilleur modèle ouvert reste environ quatre mois derrière le leader fermé, et l'Open Source Initiative soutient que l'étiquette couvre bien moins que les quatre libertés du logiciel.

IA & modèlesExpliquéCamille RousseauPublié le: 28 septembre 20266 min de lectureSources 2
Ce que « poids ouverts » veut vraiment dire, et ce que les modèles cachent encore

« Poids ouverts » est aujourd'hui une formule marketing autant qu'un terme technique. En clair : les paramètres entraînés d'un modèle sont publiés sous forme de fichiers que l'on peut télécharger, exécuter et affiner. Rien de plus. Cela ne dit rien des données sur lesquelles le modèle a appris, du code qui l'a entraîné, ni de la licence qui l'accompagne.

La distinction compte, car le terme sert dans des batailles politiques, des décisions d'achat public et, de plus en plus, des arguments de sécurité nationale. Il vaut donc la peine de séparer ce qu'une publication à poids ouverts vous donne de ce qu'elle retient.

Le test des quatre libertés

L'Open Source Initiative, qui tient la définition utilisée par la plupart de l'industrie du logiciel, a exposé sa position dans un billet de blog le 19 septembre. Les modèles d'IA ont trois composantes principales : les données d'entraînement, les poids ou paramètres, et le code de préparation des données et d'entraînement. Selon celle des trois à laquelle vous avez accès, un modèle est fermé, à poids ouverts, ou Open Source AI.

Les poids ouverts vous en donnent une sur trois. Vous pouvez faire tourner le modèle en local et ne payer que l'électricité et le matériel, ou le confier à un hébergeur tiers. Vous pouvez l'affiner sur vos propres données. C'est plus de liberté qu'un système entièrement fermé, où vous utilisez l'infrastructure du fournisseur et payez ses tarifs.

Les modèles à poids ouverts limitent votre capacité à modifier le modèle, et vous ne pouvez pas l'étudier entièrement.

L'argument de l'OSI est que cela ne suffit pas à satisfaire les quatre libertés du logiciel : utiliser, étudier, modifier et partager sans demander la permission au détenteur des droits. Sans le code d'entraînement et, au choix, le jeu de données ou un compte rendu détaillé de sa construction, vous ne pouvez pas examiner pourquoi un modèle produit telle sortie. L'organisation cite Olmo d'Ai2 comme contre-exemple : un grand modèle de langue publié avec l'intégralité de son jeu de données d'entraînement et de ses points de contrôle, ce qui a permis à des chercheurs d'injecter de nouvelles informations dans les données et d'observer comment le modèle les mémorisait ou les oubliait.

Ce type d'expérience fait la différence concrète entre les deux étiquettes. C'est aussi, dans la lecture de l'OSI, la différence entre pouvoir vérifier un modèle et devoir croire quelqu'un sur parole.

L'écart, et comment il se mesure

Mozilla a publié la version 1.1 de son rapport State of Open Source AI le 15 septembre, à partir de données arrêtées au 1er septembre, selon Tom's Hardware. Constat principal : le meilleur modèle ouvert accusait trois points de retard sur le leader fermé à l'Artificial Analysis Intelligence Index, à 60 % du prix, et deux points derrière Claude Fable 5 à 30 % du coût.

L'ajustement de Mozilla sur les données de METR sur l'horizon des tâches situe l'écart ouvert-fermé à environ 4,4 mois, en ligne avec l'estimation de quatre mois d'Epoch AI. METR, une organisation de recherche à but non lucratif, note les modèles selon la durée des tâches, mesurée en temps de travail humain, qu'ils accomplissent une fois sur deux. Selon l'estimation de Mozilla, les modèles fermés traitent des tâches qui prennent de 8 à 12 heures à des experts humains ; les modèles ouverts y parviennent environ quatre mois plus tard. Mozilla calcule que les capacités ouvertes doublent tous les 3,9 mois, contre 5,5 mois pour les fermées.

Le rapport n'est pas un document neutre, et Tom's Hardware le dit. Mozilla est l'association derrière Firefox et défend les modèles ouverts. TIME rapportait le 14 juillet que Raffi Krikorian, directeur technique de Mozilla, présentait le rapport comme en partie militant. Il s'appuie sur une enquête Mozilla/SlashData auprès d'environ 1 400 développeurs, sur des données de trafic OpenRouter et sur des indices de référence tiers, et recense 16 publications notables, dont aucune ne livre la recette des données qu'exige la définition de l'OSI.

D'autres réserves méritent d'être gardées en tête. Le chiffre de quatre mois et la comparaison de prix à 30 % du coût par token sont mesurés d'API à API sur des points d'accès hébergés, au prix catalogue. Le propre graphique matériel de Mozilla raconte une histoire plus dure : le meilleur modèle ouvert qui tient sur un seul serveur obtient 52,6, et le meilleur qui tient sur un seul GPU obtient 40, soit 10 et 23 points de moins que le sommet. Le point de contrôle natif MXFP4 de Kimi K3 pèse environ 1,56 To réparti sur 96 fragments, et la configuration de service de Mozilla liste 64 accélérateurs ou plus, tandis que vLLM demande au moins huit GPU GB300 sur plusieurs nœuds pour le trafic de production. Le rapport résume : ouvert, mais pas exécutable par la plupart de ceux qui le détiennent.

Ce que fait réellement le marché

Adoption et revenus ne pointent pas dans la même direction. Sur OpenRouter, une place de marché qui aiguille le trafic des développeurs vers des centaines de modèles, Mozilla comptait huit des dix premiers modèles par volume de tokens en août comme à poids ouverts, dont sept construits en Chine. Pourtant, les fournisseurs fermés ont capté 96 % des revenus de la couche modèle sur OpenRouter entre mai et septembre 2025, selon la Linux Foundation.

« Nous voyons la décision de payer pour des modèles fermés comme liée à la charge de travail plutôt qu'à l'organisation », a déclaré Krikorian à Ars Technica dans un courriel.

Le paysage des benchmarks évolue assez vite pour compliquer toute comparaison statique. Les données de Mozilla s'arrêtent au 1er septembre. Depuis, Artificial Analysis est passé à la version 4.3 de son indice avec un autre jeu d'évaluation ; le tableau en ligne affiche Claude Fable 5.1 à 53 sur son réglage d'effort maximal et Kimi K3 à 44, des chiffres que Tom's Hardware précise non comparables aux valeurs 4.1.1 tracées par Mozilla. Le tableau Terminal-Bench 2.1 de vals.ai, mis à jour le 11 septembre, est dominé par GPT-6 Astra à 87,27 %, avec Fable 5.1 à 85,02 %. La légende du graphique de Mozilla dit : « l'écart se réinitialise à chaque cycle de publication ».

Un autre fil traverse la discussion sur Kimi K3. Le modèle fait l'objet d'une allégation détaillée dans l'avis conjoint NSA/CISA/FBI AA26-251A du 8 septembre, que le rapport de Mozilla formule comme « affirmée, et non démontrée » : Moonshot aurait extrait des données de Claude Fable 5 pour entraîner K3 par distillation, pratique qui consiste à entraîner un modèle sur les sorties d'un autre. Le 17 juillet, Artificial Analysis plaçait K3 à 57 contre 60 pour Fable 5 ; au 1er septembre, Mozilla le donnait à deux points.

Pourquoi l'étiquette fait débat

L'OSI et Mozilla plaident tous deux pour plus d'ouverture, sous des angles différents. L'OSI veut réserver le terme « open source » aux publications qui réunissent les trois composantes, au motif que les questions de confiance et de vérification deviennent plus difficiles à mesure que l'IA se répand dans la vie quotidienne. Mozilla veut que les capacités mesurées des modèles ouverts soient prises au sérieux, tout en reconnaissant que les meilleurs ne sont pas exécutables par la plupart des gens qui peuvent les télécharger.

Pour qui lit une fiche de modèle, la conséquence pratique est étroite et vérifiable. Regardez si les poids sont téléchargeables, quelle licence les régit, si le code d'entraînement ou une documentation des données est inclus, et de quel matériel l'ensemble a réellement besoin. La formule en haut de la page ne répondra à aucune de ces questions.

Commentaires 0

Sources

2
  1. 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  2. 02Open Weights Are Good. Open Source Is Better.EN

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.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

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.