Jina Embeddings v5 omni : des poids ouverts, mais pas pour un usage commercial

« Poids ouverts » ne veut pas dire « libre d'usage ». La famille jina-embeddings-v5-omni, publiée par Jina AI sur Hugging Face, en donne un exemple net : des modèles de recherche multimodale faciles à télécharger, mais dont la licence ferme la porte à l'exploitation commerciale.

Ce que font ces modèles

Un modèle d'embeddings convertit un contenu en vecteur, pour retrouver ensuite les contenus proches par le sens. La série « omni » accepte le texte, les images, la vidéo, l'audio et les documents PDF, et place le tout dans un même espace de recherche.

Deux tailles existent, d'après leurs fiches :

• omni-nano : environ 1,04 milliard de paramètres, vecteurs de 768 dimensions, jusqu'à 8 192 tokens en entrée ;
• omni-small : environ 1,74 milliard de paramètres, vecteurs de 1 024 dimensions, jusqu'à 32 768 tokens en entrée.

Les vecteurs peuvent être raccourcis pour économiser du stockage, jusqu'à 32 dimensions sur la version small. Chaque modèle embarque quatre réglages de tâche : recherche, classification, regroupement et comparaison de textes.

Un point bien pensé : la compatibilité avec le texte seul

Chaque modèle omni partage son espace vectoriel avec le modèle texte de la même famille (jina-embeddings-v5-text-nano ou text-small). Une base déjà indexée avec le modèle texte peut donc être interrogée avec une image ou un extrait audio, sans tout recalculer. Un paramètre permet aussi de ne charger que la partie vision, audio ou texte pour économiser de la mémoire.

La licence, à lire avant tout

Les deux fiches portent la licence CC BY-NC 4.0 : attribution obligatoire, pas d'usage commercial. Pour une exploitation commerciale, Jina renvoie vers son service commercial.

Concrètement, une entreprise peut télécharger le modèle et l'évaluer. L'intégrer à un produit vendu ou à un service facturé demande un accord. Entre les deux, l'usage purement interne d'une société est une zone que la licence ne tranche pas en une ligne : mieux vaut poser la question par écrit à l'éditeur que de supposer.

Les autres points à vérifier

• Pas de chiffres sur la fiche. Les fiches affichent un graphique et renvoient à un rapport technique pour les scores. Aucun résultat chiffré n'y figure directement, et rien sur le français en particulier.
• Pas de besoin matériel indiqué. Aucune quantité de mémoire graphique n'est donnée.
• Du code distant à exécuter. Le chargement demande l'option trust_remote_code=True, c'est-à-dire l'exécution de code fourni avec le modèle.
• La vidéo sans le son. D'après la fiche nano, l'analyse d'une vidéo ne porte que sur les images. La bande-son doit être fournie séparément.
• Des versions logicielles précises. D'après la fiche nano, le traitement des images, de la vidéo et de l'audio demande la version 5 de la bibliothèque transformers. Une seule version de vLLM, la 0.20.1, est donnée comme validée. Cette fiche recommande vLLM pour les gros volumes multimodaux, les contenus non textuels étant traités un par un avec sentence-transformers.

Notre lecture

Sur le plan technique, la série omni est attirante : contextes longs, PDF acceptés directement, continuité avec un index texte existant. La fiche small affiche plus d'un million de téléchargements sur le dernier mois, signe d'un intérêt réel.

Pour une PME française, la décision se joue pourtant sur la licence. Si le projet est une expérimentation ou de la recherche, rien ne s'y oppose. S'il doit finir dans une offre commerciale, il faut soit négocier avec Jina, soit se tourner vers un modèle sous licence permissive, comme EmbeddingGemma 2 de Google, publié sous Apache 2.0. Dans les deux cas, vérifiez la licence sur la fiche le jour où vous téléchargez : c'est elle qui fait foi, pas l'article que vous lisez.