Ce que « poids ouverts » veut vraiment dire, et pourquoi ce n'est pas la même chose que l'open source
Des fichiers de modèles téléchargeables sont désormais couramment présentés comme open source. L'Open Source Initiative et des chercheurs de Stanford rappellent que cette étiquette ne couvre qu'une partie de ce qu'il faudrait pour inspecter, reproduire ou reconstruire un modèle.

Les poids ouverts sont les paramètres numériques appris produits par l'entraînement d'un réseau de neurones. Publiez-les sur Hugging Face et quiconque dispose d'un GPU peut faire tourner le modèle, l'affiner ou l'héberger lui-même. C'est réellement utile. Ce n'est pas non plus, selon l'Open Source Initiative et plusieurs figures du logiciel libre, la même chose que l'open source.
La distinction va plus loin qu'une querelle d'étiquette. Elle détermine si vous pouvez seulement déployer un réseau de neurones fini ou si vous pouvez inspecter, reproduire, modifier et redistribuer le système qui l'a produit. James Landay, directeur de Stanford HAI, l'a résumé au Register : « Les poids ouverts répondent à la question : puis-je faire tourner ce modèle ? L'open source répond à celle-ci : puis-je lui faire confiance, l'améliorer et construire la suite par-dessus ? »
Ce que contient réellement le téléchargement
Une publication typique à poids ouverts contient les poids, l'architecture du modèle et le code d'inférence. Avec un moteur d'exécution comme llama.cpp, cela suffit à générer du texte. S1-mini de Superwhisper, par exemple, est un normalisateur de texte de 600 000 000 de paramètres pour la sortie de reconnaissance vocale, affiné à partir de Qwen/Qwen3-0.6B et distribué sous licence Apache 2.0 assortie d'une clause de nommage. Sa fiche modèle indique 596 000 000 de paramètres uniques, 28 couches, 16 têtes de requête et 8 têtes clé/valeur en attention à requêtes groupées, ainsi qu'une version quantifiée qui pèse 462 MiB.
Ce qui manque sur cette fiche, ce sont les données d'entraînement. Superwhisper ne précise pas sur quelles transcriptions S1-mini a été entraîné, comment elles ont été sélectionnées ni ce qui a été retiré. C'est la norme pour les publications à poids ouverts, et c'est précisément le manque que pointent les critiques.
L'entrée de glossaire de l'OSI trace la frontière sans détour. « Les poids ouverts désignent les poids et biais finaux d'un réseau de neurones entraîné », peut-on y lire, en ajoutant que les poids seuls n'exposent qu'« une fraction des informations nécessaires à une redevabilité complète ». Sans données d'entraînement ni documentation détaillée, un observateur extérieur ne peut pas déterminer quelles sources ont été utilisées, quel contenu protégé par le droit d'auteur ou privé a pu être inclus, comment les données ont été filtrées, quelles langues étaient sous-représentées, si des données de référence ont fuité dans l'entraînement, ni quelles méthodes d'alignement et de sûreté ont été appliquées après le préentraînement.
« Vous ne voyez toujours pas comment la chose a été construite, sur quoi elle a été entraînée, ni pourquoi elle se comporte comme elle le fait. Ce n'est pas un modèle ouvert. C'est une distribution ouverte. » James Landay, Stanford HAI
L'OSI a tenté de le définir, et le débat n'est pas clos
L'Open Source Initiative a publié en octobre 2024 l'Open Source AI Definition, OSAID 1.0. Elle exige que les paramètres du modèle, poids compris, soient mis à disposition selon des conditions approuvées par l'OSI, sans imposer de mécanisme juridique précis. L'OSI reconnaissait à la publication que la définition continuerait d'évoluer. Les critiques estiment que les défauts centraux n'ont pas été résolus.
Luca Antiga, CTO de Lightning AI et contributeur à PyTorch, a soutenu que le traitement des poids par l'OSAID laisse « un trou béant qui rendra les licences moins efficaces pour déterminer si les systèmes d'IA sous licence OSI peuvent être adoptés dans des contextes réels ». Bruce Perens, auteur de la définition originale de l'open source, a dénoncé l'OSAID en 2024 puis déclaré : « Ce n'est pas de l'open source ! Il est regrettable que l'Open Source Initiative elle-même participe aujourd'hui à l'openwashing. »
Bradley Kuhn, de la Software Freedom Conservancy, et Richard Fontana, conseiller commercial senior chez Red Hat, sont allés plus loin et ont demandé l'abrogation de l'OSAID. Leur argument, cité par le Register : « L'OSI a agi trop vite en imposant à la communauté un compromis politique trop ambitieux. L'OSAID a indéniablement créé une fracture dans la communauté du logiciel libre ; cette fracture a sérieusement entamé la réputation, l'autorité et l'influence de l'OSI. »
De son côté, Mike Dolan, de la Linux Foundation, a soumis à l'OSI la licence Open Model, Data, and Weights, OpenMDW. Elle existe depuis 2025 et compte des contributeurs d'Amazon, Meta, IBM, Microsoft et Nvidia. Son approche consiste à définir, dans un même accord, des conditions distinctes pour l'architecture du modèle, les données d'entraînement et les poids. La soumission a suscité des objections sur la liste de diffusion de l'OSI consacrée à la revue des licences. Stefano Maffulli, ancien directeur exécutif de l'OSI, a déclaré avoir l'impression persistante que cette revue « est entachée d'un biais idéologique : parce que nous n'aimons pas les géants de la tech et que l'IA est aujourd'hui le fait des géants de la tech, alors nous n'aimons pas l'IA ; donc nous ferons tout pour la bloquer ».
Le récit des capacités est réel, et la réserve aussi
Rien de tout cela n'a ralenti le rythme des publications. Mozilla a publié le 15 septembre la version 1.1 de son rapport State of Open Source AI, avec des données arrêtées au 1er septembre, selon Tom's Hardware. Il place le meilleur modèle ouvert à trois points du leader fermé sur l'Artificial Analysis Intelligence Index, à 60 % du prix, et à deux points derrière Claude Fable 5, à 30 %. L'ajustement de Mozilla sur les données METR d'horizon de tâche situe l'écart ouvert-fermé à environ 4,4 mois, en ligne avec l'estimation de quatre mois d'Epoch AI.
Les chiffres de Mozilla proviennent d'une enquête Mozilla/SlashData auprès d'environ 1 400 développeurs, des données de trafic d'OpenRouter et d'indices de référence tiers. Mozilla plaide pour les modèles ouverts ; TIME rapportait le 14 juillet que Raffi Krikorian, CTO de Mozilla, décrivait le rapport comme en partie militant. Le rapport recense 16 publications notables ouvertes et note qu'aucune ne fournit la recette des données exigée par la définition de l'OSI.
- Sur Terminal-Bench 2.1 de vals.ai, GLM-5.2 de Z.ai a obtenu un score à un point de Claude Opus 4.7 et à environ quatre points derrière Opus 4.8, pour moins d'un cinquième du coût par test.
- Sur OpenRouter, Mozilla a compté huit des dix meilleurs modèles en volume de tokens en août comme à poids ouverts, dont sept construits en Chine.
- Les fournisseurs fermés ont encore capté 96 % des revenus de la couche modèle sur OpenRouter entre mai et septembre 2025, selon la Linux Foundation.
- Le meilleur modèle ouvert tenant sur un serveur a obtenu 52,6 sur le graphique matériel de Mozilla ; le meilleur sur un seul GPU, 40. La chute depuis le sommet est de 10 et 23 points.
Ce dernier point est le piège pratique. Le checkpoint natif MXFP4 de Kimi K3 occupe environ 1,56 To répartis sur 96 fragments, et la configuration de service de Mozilla liste 64 accélérateurs ou plus, tandis que vLLM en demande au moins huit GPU GB300 répartis sur plusieurs nœuds pour le trafic de production. Mozilla qualifie cela d'ouvert mais non exécutable par la plupart de ceux qui le détiennent. Une exception signalée par le rapport est Inkling-Small de Thinking Machines, sous Apache 2.0, dont la version NVFP4 tient sur un seul B300 avec un plancher de 180 Go.
Krikorian a confié à Ars Technica dans un courriel : « Nous voyons le choix de payer pour des modèles fermés comme propre à une charge de travail plutôt qu'à une organisation. »
Les affaires de droit d'auteur se heurtent au même mur
Le débat sur la définition a un pendant devant les tribunaux. Un article d'A. Feder Cooper, Mark A. Lemley et sept coauteurs, déposé sur arXiv et révisé en juillet 2026, a mesuré la mémorisation de 200 livres par 14 grands modèles à poids ouverts au fil de plus de 3 000 expériences. Leur conclusion : demandeurs comme défendeurs dans les procès sur le droit d'auteur en IA générative simplifient tous les deux.
La plupart des grands modèles ne mémorisent pas la plupart des livres, en tout ou partie, avec la méthode d'extraction des auteurs. Mais il y a des exceptions : Llama 3.1 70 000 000 000 mémorise entièrement certains livres, dont Harry Potter à l'école des sorciers, au point que l'ouvrage complet peut être extrait presque mot pour mot à partir de ses premières phrases. Les auteurs écrivent que leurs résultats ont des implications importantes pour les affaires de droit d'auteur, sans pour autant favoriser clairement l'un ou l'autre camp.
Voilà à peu près où en est le débat sur les poids ouverts. Les fichiers sont publics. La recette ne l'est pas. Et les deux camps ne s'accordent même pas sur le nom à donner au résultat.
Sources
4- 01Open weights are not open source: Why AI's favorite label is under disputeEN
- 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 03S1-mini, Superwhisper's first open-weights language modelEN
- 04Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
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.
Commentaires
0- Aucun commentaire — soyez le premier.