Les poids ouverts ne sont pas de l'open source : ce que le débat sur l'IA continue de confondre
Le rapport State of Open Source AI de Mozilla indique que les meilleurs modèles à poids ouverts chinois accusent environ quatre mois de retard sur l'offre américaine de pointe. L'Open Source Initiative soutient que les poids ouverts ne couvrent qu'une partie de ce que signifie l'open source.

Les poids ouverts sont devenus l'expression la plus disputée de la politique en matière d'IA. Mozilla a publié la version 1.1 de son rapport State of Open Source AI le 15 septembre, avec des données arrêtées au 1er septembre. Sa thèse centrale : les meilleurs modèles à poids ouverts se situent désormais à environ quatre mois derrière l'offre américaine de pointe. Tom's Hardware a couvert le rapport le 16 septembre. Mozilla ajuste les données de METR sur l'horizon des tâches pour estimer l'écart entre ouvert et fermé à environ 4,4 mois. Cela rejoint une estimation d'Epoch AI de quatre mois.
L'Open Source Initiative ne conteste pas l'utilité des poids ouverts. Elle conteste l'étiquette. Dans un billet publié le 19 septembre, l'OSI trace une frontière entre modèles à poids ouverts et IA open source. Les modèles à poids ouverts publient les poids et rien d'autre. L'IA open source publie aussi le code utilisé pour entraîner le modèle. Elle publie soit les données d'entraînement, soit un compte rendu détaillé de la façon dont ces données ont été constituées. Seule la seconde catégorie, soutient l'OSI, permet aux utilisateurs d'exercer les quatre libertés logicielles. Celles d'utiliser, d'étudier, de modifier et de partager sans demander l'autorisation au titulaire des droits.
L'écart de quatre mois, et ce sur quoi il repose
Le chiffre de Mozilla est plus étroit qu'il n'y paraît. Le rapport recense 16 publications notables de modèles ouverts, et aucune ne fournit la recette des données qu'exige la définition de l'IA open source de l'OSI. Les quatre mois sont mesurés d'API à API sur des points d'accès hébergés et au prix catalogue, selon Tom's Hardware. Ils décrivent ce qu'un développeur paie à un fournisseur, pas ce que coûte l'exécution d'un modèle sur son propre matériel.
Sur l'Artificial Analysis Intelligence Index, Mozilla a constaté que le meilleur modèle ouvert était trois points derrière le leader fermé, à 60 % du prix. Il se trouvait deux points derrière Claude Fable 5, à 30 % du prix. Sur le tableau Terminal-Bench 2.1 de vals.ai, tous les modèles passent par le même banc logiciel. Là, 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 premiers modèles par volume de tokens en août comme des poids ouverts, dont sept construits en Chine. Les fournisseurs fermés ont néanmoins capté 96 % des revenus de la couche modèle sur OpenRouter entre mai et septembre 2025, selon la Linux Foundation.
Il y a ensuite la réserve matérielle, la partie du rapport qui sape son titre. Le propre graphique de Mozilla place le meilleur modèle ouvert tenant sur un serveur à 52,6 et le meilleur tenant sur un seul GPU à 40. Soit des chutes de 10 et 23 points par rapport au sommet. C'est un écart plus large que quatre mois. Le checkpoint natif MXFP4 de Kimi K3 s'étend sur environ 1,56 To répartis en 96 fragments, et la configuration de service de Mozilla liste 64 accélérateurs ou plus. vLLM exige au moins huit GPU GB300, avec plusieurs nœuds pour le trafic de production. Le rapport décrit lui-même ce modèle comme ouvert mais non exécutable par la plupart de ceux qui le détiennent. Une exception signalée : Inkling-Small de Thinking Machines, sous Apache 2.0, dont la version NVFP4 tient sur un seul B300 avec un plancher de 180 Go.
« Nous voyons la décision de payer pour des modèles fermés comme liée à la charge de travail plutôt qu'à l'organisation », a déclaré Raffi Krikorian, directeur technique de Mozilla, à Ars Technica dans un courriel.
Mozilla est une organisation de plaidoyer, et elle le dit. Tom's Hardware note que TIME rapportait le 14 juillet que Krikorian présentait le rapport comme en partie un plaidoyer. Le rapport s'appuie sur une enquête de Mozilla et SlashData auprès d'environ 1 400 développeurs, plus des données de trafic OpenRouter et des indices de référence tiers. La légende du graphique de Mozilla est franche sur la cible mouvante qui sous-tend tout cela : « l'écart se réinitialise à chaque cycle de publication ».
Pourquoi la bataille des définitions compte plus que le benchmark
L'argument de l'OSI n'est pas que les poids ouverts sont mauvais. C'est que le terme a été étendu à des modèles qui permettent d'affiner et d'héberger soi-même tout en laissant fermés les données et le code d'entraînement. Cette distinction pèse dans les débats politiques, où les poids ouverts servent souvent de substitut à l'ouverture, à la concurrence et à l'auditabilité.
« Les modèles à poids ouverts limitent votre capacité à modifier le modèle, et vous ne pouvez pas l'étudier pleinement », écrit l'OSI. L'organisation donne pour alternative Olmo, un grand modèle de langage d'Ai2 publié avec l'intégralité de son jeu de données d'entraînement et de ses checkpoints. Les chercheurs peuvent injecter de nouvelles informations dans les données d'entraînement et observer comment le modèle les a mémorisées ou oubliées.
Ce type d'étude n'est pas de l'entretien académique. Un autre article sur arXiv, « Extracting memorized pieces of (copyrighted) books from open-weight language models », a été soumis en mai 2025 et révisé jusqu'en juillet 2026. Il applique une technique d'extraction à 200 livres et 14 LLM à poids ouverts, sur plus de 3 000 expériences. Les auteurs incluent A. Feder Cooper, Mark A. Lemley et Percy Liang. Ils constatent que la plupart des LLM ne mémorisent pas la plupart des livres, ni en entier ni en partie, mais qu'il existe des exceptions notables. Llama 3.1 70B mémorise entièrement certains livres, selon l'article, dont Harry Potter à l'école des sorciers. Le livre entier peut être extrait presque mot pour mot à partir des premiers mots utilisés comme invite.
La conclusion de l'article est délibérément insatisfaisante pour les deux camps du débat sur le droit d'auteur. La mémorisation varie selon le modèle et selon le livre, et les résultats ne favorisent pas clairement les plaignants ou les défendeurs. Les poids ouverts sont ce qui a rendu cette mesure possible. Les modèles fermés ne peuvent pas être sondés ainsi de l'extérieur. Le checkpoint complet de Llama 3.1 70B pèse 70 000 000 000 de paramètres, que les chercheurs peuvent télécharger et interroger librement.
Le tableau pratique est donc plus désordonné que les éléments de langage de l'un ou l'autre camp. Les publications à poids ouverts sont compétitives sur le prix et, sur certains benchmarks, à un ou deux points de la frontière. Elles coûtent aussi cher à exécuter haut de gamme et sont inégalement documentées. Selon la définition de l'OSI, elles ne sont pas open source. L'écart que mesure Mozilla est réel. L'écart que décrit l'OSI entre publier des poids et publier un modèle réellement inspectable l'est aussi.
Sources
3- 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 02Open Weights Are Good. Open Source Is Better.EN
- 03Extracting 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.