Poids ouverts n'est pas open source : la bataille autour d'un label

Télécharger un fichier de modèle depuis Hugging Face prend quelques secondes. Savoir ce qu'il contient demande une assignation à comparaître. Tout le débat tient dans cet écart.

Steven J. Vaughan-Nichols, de The Register, a posé la distinction sans détour le 15 septembre : une publication peut être à poids ouverts sans être open source. La différence décide si l'on peut seulement exécuter un réseau de neurones fini, ou réellement inspecter, reproduire, modifier et redistribuer le système qui l'a produit. Les poids sont les paramètres numériques appris pendant l'entraînement. Avec l'architecture et le code d'inférence, ils font tourner un grand modèle de langue. On peut héberger soi-même un modèle à poids ouverts, l'affiner sur des documents internes et garder les invites hors d'une API propriétaire. Dans la plupart des publications, on ne peut pas voir la recette des données qui se trouve derrière.

Ce n'est pas un détail technique pour ceux qui écrivent les licences.

L'OSI trace une ligne, puis se fait critiquer

L'Open Source Initiative, qui veille sur la définition de l'open source, écrit noir sur blanc que « les poids ouverts désignent les poids et biais finaux d'un réseau de neurones entraîné », et que les publier n'expose qu'« une fraction des informations nécessaires à une redevabilité complète ». Sa propre définition de l'IA open source, l'OSAID 1.0, devait combler cet écart. Elle exige que les paramètres du modèle, poids compris, soient disponibles sous des termes approuvés par l'OSI, sans imposer de mécanisme juridique précis. Publiée en octobre 2024, elle a été présentée à l'époque comme un document destiné à évoluer.

Les critiques disent que le défaut central n'a jamais été corrigé. Luca Antiga, CTO de Lightning AI et contributeur reconnu à PyTorch, soutient 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 maintenant à du blanchiment d'open source. » Bradley Kuhn, de la Software Freedom Conservancy, et Richard Fontana, conseiller commercial principal chez Red Hat, demandent l'abrogation de l'OSAID. Selon eux, l'OSI « a agi trop vite en imposant à la communauté un compromis politique trop ambitieux », et la rupture « a gravement nui à la réputation, à l'autorité et à l'influence de l'OSI ».

James Landay, directeur du Stanford Institute for Human-Centered AI, a donné à The Register la version pratique de la critique : « Les poids ouverts sont un progrès. On peut télécharger le modèle, l'exécuter sur sa propre machine, le tenir hors du pipeline de données de quelqu'un d'autre. Mais on ne voit 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 de la distribution ouverte. »

« Les poids ouverts répondent à “Puis-je exécuter ceci ?” L'open source répond à “Puis-je lui faire confiance, l'améliorer et construire la suite dessus ?” », a déclaré Landay.

Sans données d'entraînement ni documentation détaillée, un tiers ne peut pas savoir quelles sources ont été utilisées, quel matériel protégé par le droit d'auteur ou privé a pu être inclus, comment les données ont été sélectionnées ou retirées, quelles langues et quelles communautés étaient sous-représentées, si des données de référence ont fui dans l'entraînement, ni quelles méthodes d'alignement et de sûreté ont façonné le modèle après le pré-entraînement.

Une licence qui tente de couper la poire en deux

Dans ce vide est arrivée la licence Open Model, Data, and Weights de la Linux Foundation, soumise à l'OSI par Mike Dolan. OpenMDW existe depuis 2025 et liste des contributeurs d'Amazon, Meta, IBM, Microsoft et Nvidia, ce qui lui donne un poids industriel. Elle définit des termes séparés pour l'architecture, les données d'entraînement et les poids d'un modèle, et réunit sous un seul accord tout ce que fournit un concédant. L'open source classique tourne autour du code source. Les LLM, eux, combinent du code, une architecture et des poids numériques issus d'ensembles de données parfois propriétaires, protégés par le droit d'auteur ou simplement non divulgués.

La soumission s'est heurtée à des objections sur la liste de diffusion de l'OSI chargée de la revue des licences. Stefano Maffulli, ancien directeur exécutif de l'OSI, qui dirigeait l'organisation pendant l'élaboration de l'OSAID, a déclaré : « J'ai toujours l'impression que la revue d'OpenMDW est entachée d'un biais idéologique : comme nous n'aimons pas les grandes entreprises technologiques et que l'IA est désormais une grande entreprise technologique, nous n'aimons pas l'IA ; donc nous ferons n'importe quoi pour la bloquer. »

Pendant ce temps, les modèles continuent de sortir. Le rapport State of Open Source AI de Mozilla, version 1.1, publié le 15 septembre avec des données arrêtées au 1er septembre, recense 16 publications notables. Aucune ne fournit la recette des données qu'exige l'OSAID. Mozilla défend les modèles ouverts, et son CTO, Raffi Krikorian, a déclaré à TIME le 14 juillet que le rapport relevait en partie du plaidoyer, selon Tom's Hardware.

L'écart de capacités se réduit, celui des coûts non

Les chiffres de Mozilla sont la mesure la plus concrète de la situation des poids ouverts. Le meilleur modèle ouvert accusait un retard de trois points sur le leader fermé à l'Artificial Analysis Intelligence Index, à 60 % du prix, et se tenait deux points derrière Claude Fable 5 à 30 % du prix. L'ajustement de Mozilla sur les données d'horizon de tâches de METR, qui note les modèles selon la durée de tâche en temps de travail humain qu'ils accomplissent une fois sur deux, situe l'écart ouvert-fermé à environ 4,4 mois, en ligne avec l'estimation de quatre mois d'Epoch AI. La capacité ouverte double tous les 3,9 mois selon le calcul de Mozilla, contre 5,5 mois pour les modèles fermés.

Sur le tableau Terminal-Bench 2.1 de vals.ai, qui fait passer chaque modèle par le même banc d'essai, GLM-5.2 de Z.ai a obtenu un score à un point de Claude Opus 4.7 et environ quatre points derrière Opus 4.8, à moins d'un cinquième du coût par test. Sur OpenRouter, Mozilla a compté huit des dix premiers modèles en 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 de mai à septembre 2025, selon la Linux Foundation. Krikorian a écrit à Ars Technica dans un courriel : « Nous voyons la décision de payer pour des [modèles] fermés comme liée à la charge de travail plutôt qu'à l'organisation. »

Ces chiffres viennent avec des réserves que le rapport énonce lui-même. L'écart de quatre mois et le prix de 30 % par token sont mesurés d'API à API sur des points de terminaison hébergés et au prix catalogue. Le graphique matériel de Mozilla place le meilleur modèle ouvert qui tient sur un seul serveur à 52,6 et le meilleur qui tient sur un seul GPU à 40, soit des chutes de 10 et 23 points par rapport au sommet, un écart plus large que quatre mois. Le point de contrôle natif MXFP4 de Kimi K3 fait environ 1,56 To réparti sur 96 fragments. La configuration de service de Mozilla liste 64 accélérateurs ou plus, tandis que vLLM demande au moins huit GPU GB300, avec plusieurs nœuds pour le trafic de production. Le rapport décrit cela comme ouvert mais pas exécutable par la plupart de ceux qui le détiennent. Inkling-Small de Thinking Machines, sous Apache 2.0, est une exception : sa version NVFP4 tient sur un seul B300 avec un plancher de 180 Go.

Les données s'arrêtent au 1er septembre, et les classements ont bougé depuis. Artificial Analysis exploite désormais l'indice v4.3 avec un ensemble d'évaluation différent. Son tableau en direct place Claude Fable 5.1 à 53 au réglage d'effort le plus élevé et Kimi K3 à 44, des chiffres non comparables aux valeurs v4.1.1 tracées par Mozilla. La légende du graphique de Mozilla indique : « l'écart se réinitialise à chaque cycle de publication ».

Une allégation non résolue reste aussi attachée à K3. Un avis conjoint du 8 septembre de la NSA, de la CISA et du FBI (AA26-251A) affirme que Moonshot a extrait des données de Claude Fable 5 pour entraîner K3 par distillation, la pratique qui consiste à entraîner un modèle sur les sorties d'un autre. Le rapport de Mozilla présente l'affirmation comme « alléguée, et non démontrée ». Le 17 juillet, Artificial Analysis plaçait K3 à 57 contre 60 pour Fable 5 ; au 1er septembre, Mozilla le donnait deux points derrière.

À quoi sert réellement le label

Rien de tout cela ne règle les batailles de droits d'auteur. Un article d'A. Feder Cooper, Mark A. Lemley et coauteurs, soumis pour la première fois à arXiv en mai 2025 et révisé jusqu'en juillet 2026, a testé 200 livres contre 14 modèles à poids ouverts dans plus de 3 000 expériences. La plupart des LLM ne mémorisent pas la plupart des livres, en tout ou en partie, ont constaté les auteurs. Mais Llama 3.1 70B mémorise entièrement certains titres, dont Harry Potter and the Sorcerer's Stone, au point que tout le livre peut être extrait presque mot pour mot à partir de ses premiers mots. Conclusion de l'article : la mémorisation varie selon le modèle et selon le livre, et les résultats ont des implications importantes pour les affaires de droits d'auteur, « mais pas qui tranchent sans ambiguïté en faveur d'un camp ».

Voilà le milieu inconfortable dans lequel se trouve le label. Les poids ouverts indiquent qu'un modèle peut être exécuté et affiné. Ils ne disent pas ce qu'il a ingéré. La formulation de Landay, citée par The Register, en est la version la plus nette : les poids ouverts répondent à la question de savoir si l'on peut exécuter la chose, l'open source à celle de savoir si l'on peut lui faire confiance, l'améliorer et construire dessus. Aujourd'hui, pour presque chaque publication sur le Hub, la première réponse est oui et la seconde reste une question.