La plupart des actualités sur l’IA portent sur des modèles fermés : ceux que l’on ne peut utiliser que par l’application ou l’API d’une entreprise. Pourtant, parmi les sorties les plus marquantes de cette année figurent des modèles dont chacun peut télécharger les poids, les exécuter sur son propre matériel et les modifier.
Cet automne, l’offre d’IA à poids ouverts s’est sensiblement étoffée. Voici ce qui est sorti, ce que signifie réellement « ouvert » dans chaque cas et qui devrait s’y intéresser.
Les poids ouverts en bref
Les poids d’un modèle sont les milliards de nombres qu’il a appris pendant son entraînement. Lorsqu’une entreprise les publie, vous pouvez exécuter le modèle vous-même au lieu d’envoyer vos données sur les serveurs d’un tiers. Vous pouvez aussi l’affiner avec vos propres données.
C’est différent de l’« open source » au sens traditionnel du logiciel. Beaucoup de modèles à poids ouverts ne publient ni leurs données d’entraînement ni leur code d’entraînement complet, et beaucoup sont assortis de licences qui limitent leur utilisation. J’y reviendrai, car ce point compte davantage que ne le laisse penser la plupart des articles sur le sujet.
Les grandes sorties de l’année
DeepSeek
Le laboratoire chinois DeepSeek a maintenu un rythme de publication régulier cette année. Sa famille V4 est arrivée sur Hugging Face en versions Pro et Flash au printemps, suivie de checkpoints mis à jour pendant l’été, d’un modèle de vision expérimental début septembre et d’une version V4.1 Flash à la mi-octobre. Les mises à jour fréquentes et progressives de DeepSeek en ont fait l’un des laboratoires de modèles à poids ouverts les plus suivis.
Qwen d’Alibaba
Le 14 août, l’équipe Qwen d’Alibaba a publié les poids ouverts de deux modèles Qwen3.8. Le plus petit, Qwen3.8-27B, est un modèle multimodal de 27 milliards de paramètres qui traite le texte, les images et la vidéo. Sa fenêtre de contexte native est d’environ 262 000 jetons et peut, selon l’équipe, être étendue à un million. Selon Qwen, il surpasse le plus grand Qwen3.7-Plus dans les tâches de programmation et de bureautique. Il est publié sous la licence permissive Apache 2.0.
Le second, un modèle bien plus grand nommé Qwen3.8-2.4T-A95B, vise le haut de gamme. Selon eWeek, il est assorti d’une licence personnalisée qui impose des limites à certains grands utilisateurs commerciaux.
Meta
La stratégie de Meta en matière de poids ouverts a pris un nouveau tournant. Llama 4, sorti en avril 2025, a été la dernière grande sortie sous le nom Llama. Cette année, Meta est passé à une nouvelle famille de modèles appelée Muse, et son premier modèle Muse est sorti en avril sous forme de produit fermé accessible uniquement par API.
Le 15 octobre, Meta a publié Muse Spark Open, un grand modèle à mélange d’experts aux poids ouverts. Alexandr Wang, responsable de l’IA chez Meta, l’a qualifié de « modèle américain à poids ouverts le plus performant à ce jour ». Meta affirme qu’il rivalise avec des modèles comparables de grands développeurs chinois, comme Qwen d’Alibaba, Kimi de Moonshot AI et GLM de Z.ai, et les surpasse dans certains cas. Ce sont les propres affirmations de Meta.
Meta indique que le modèle peut fonctionner sur deux Mac Studios équipés de puces M5 Ultra d’Apple. Cela donne une idée de ce que signifie désormais « fonctionner en local » dans le haut de gamme : du matériel conséquent. Il est également publié sous la licence propre à Meta, qui comporte des restrictions commerciales, plutôt que sous une licence open source standard.
Ce qui a vraiment changé
Les laboratoires chinois donnent le rythme
Le détail le plus révélateur de l’automne est peut-être la manière dont Meta a présenté son lancement. Son argumentaire pour Muse Spark Open reposait sur la comparaison avec les modèles chinois à poids ouverts. Depuis un an, des laboratoires comme DeepSeek, l’équipe Qwen d’Alibaba, Moonshot et Z.ai définissent ce qu’est un modèle performant à poids ouverts, et le plus grand acteur américain se positionne désormais par rapport à eux.
Pour certaines entreprises, cela compte pour des raisons qui dépassent les performances. Les entreprises des secteurs réglementés, ou celles qui ont des règles sur la provenance de leurs logiciels, peuvent devoir vérifier l’origine et la licence d’un modèle avant de l’utiliser, même lorsqu’il fonctionne entièrement sur leurs propres serveurs.
Les petits modèles sont devenus vraiment utiles
Les sorties que je trouve les plus pratiques ne sont pas les géants. Ce sont des modèles comme Qwen3.8-27B : assez petits, une fois compressés, pour fonctionner sur un seul GPU haut de gamme, mais assez performants pour des tâches concrètes comme le traitement de documents, la recherche interne et l’aide à la programmation. Pour de nombreuses tâches professionnelles, c’est le juste équilibre.
« Ouvert » recouvre désormais un large éventail
Comparez les licences : Apache 2.0 pour le plus petit modèle de Qwen, une licence personnalisée avec des limites pour le plus grand, et la licence propre à Meta avec des restrictions commerciales pour Muse Spark Open. Tous sont qualifiés d’« ouverts ». Ils ne sont pas aussi ouverts les uns que les autres. Lisez toujours la licence avant de créer un produit à partir d’un modèle, surtout si vous prévoyez de vous développer.
Qui devrait s’y intéresser
Vous n’avez probablement pas besoin de poids ouverts si vous êtes un particulier ou une petite équipe qui utilise l’IA pour rédiger, faire des recherches et analyser au quotidien. Un bon modèle fermé accessible par une offre professionnelle est plus simple et généralement plus performant pour les tâches les plus difficiles.
Les poids ouverts méritent d’être examinés sérieusement si :
- Vos données ne peuvent pas quitter votre environnement. Exécuter un modèle sur votre propre infrastructure permet de garder les données sensibles en interne. Notre guide sur l’utilisation de l’IA au travail sans divulguer de données sensibles explique quand cela compte.
- Vous traitez de gros volumes. À grande échelle, héberger son propre modèle pour les tâches courantes peut coûter moins cher que de payer par jeton.
- Vous avez besoin de personnaliser le modèle. L’affinage avec vos propres données est bien plus facile lorsque vous contrôlez les poids.
- Vous voulez éviter la dépendance à un fournisseur. Un modèle que vous hébergez ne peut pas être supprimé, voir son prix modifié ou être changé à votre insu.
En contrepartie, vous prenez en charge ce qu’un fournisseur gère normalement : le matériel, les mises à jour, la surveillance et les mesures de sécurité. C’est un véritable travail, et c’est pourquoi beaucoup d’équipes finissent par utiliser les deux : des modèles fermés pour les tâches les plus difficiles et les moins fréquentes, et des modèles à poids ouverts pour les tâches volumineuses ou sensibles.
Mon avis
L’écosystème des modèles à poids ouverts se porte mieux qu’il y a un an : plus de laboratoires, plus de tailles de modèles et plus de concurrence. C’est une bonne chose pour tout le monde, y compris pour ceux qui ne téléchargent jamais de modèle, car cela exerce une pression sur les prix des modèles fermés.
Mais je serais prudent avec le mot « ouvert ». La question la plus importante pour un modèle à poids ouverts n’est pas son score à un benchmark. C’est de savoir si la licence vous permet de faire ce que vous prévoyez et si vous pouvez réellement l’exécuter sur du matériel à votre portée.
Pour les modèles fermés sortis cet automne, découvrez ce qu’ont changé les lancements de GPT-6, Gemini 4 Argon et Claude 5.5. Et si vous choisissez un modèle pour une tâche précise, notre guide sur le choix d’un modèle d’IA présente les compromis, notamment entre modèles ouverts et fermés.
Sources
- Hugging Face, Dépôts de modèles DeepSeek
- The Decoder, L’équipe Qwen d’Alibaba publie les modèles Qwen 3.8 à poids ouverts sous licence Apache 2.0, 14 août 2026
- eWeek, Alibaba ouvre Qwen3.8-27B tandis que le modèle Max ajoute des limites de licence, août 2026
- Khaleej Times, Meta dévoile un nouveau modèle d’IA « ouvert » pour rivaliser avec la concurrence chinoise, 16 octobre 2026
- The New Stack, Meta lance Muse Spark Open, sa réponse aux meilleurs modèles chinois à poids ouverts, octobre 2026



