« Poids ouverts » ou IA open source : la mise au point de l'Open Source Initiative

Les annonces de modèles « ouverts » se succèdent, et le vocabulaire s'embrouille. Dans un billet publié le 16 septembre 2026 et signé Katie Steen-James, l'Open Source Initiative (OSI), l'organisation qui tient la définition de référence de l'open source, remet de l'ordre : les poids ouverts sont une bonne chose, mais ils ne donnent qu'une partie de ce que promet l'open source.

Trois composants, trois niveaux d'ouverture

L'OSI décrit un modèle d'IA comme l'assemblage de trois éléments :

• les données d'entraînement ;
• les poids, c'est-à-dire les paramètres numériques issus de l'entraînement ;
• le code qui a servi à préparer les données et à entraîner le modèle.

Selon ce que l'utilisateur peut obtenir, le modèle est fermé, à poids ouverts ou open source. Les modèles fermés ne donnent accès à aucun de ces éléments ; le billet cite ChatGPT et Claude. Un modèle à poids ouverts publie ses paramètres, rien de plus. Une IA open source ajoute le code d'entraînement et, à défaut des données elles-mêmes, une description détaillée de la façon dont elles ont été constituées.

Ce que les poids ouverts permettent, et ce qu'ils ne permettent pas

L'OSI raisonne à partir des quatre libertés du logiciel libre : utiliser, étudier, modifier, partager, sans demander la permission au détenteur des droits.

Avec des poids ouverts, on peut faire tourner le modèle sur sa machine, passer par un hébergeur tiers ou l'affiner sur ses propres données. C'est plus de choix qu'avec un modèle fermé, et le billet le reconnaît.

Mais sans le code ni les données, deux libertés restent incomplètes. On ne peut pas comprendre entièrement pourquoi le modèle produit telle réponse, et les possibilités de modification sont limitées.

L'exemple donné est Olmo, le modèle de l'institut Ai2. Des chercheurs ont inséré de nouvelles informations dans ses données d'entraînement pour observer ce que le modèle retenait ou oubliait. D'après l'OSI, ce travail n'était possible que parce que tous les composants étaient disponibles.

Les limites de l'argument

Le billet est un texte de position, pas une étude. Il ne nomme aucune licence et ne classe aucun modèle du marché, ce qui laisse le lecteur faire le tri seul. Il ne traite pas non plus l'objection la plus fréquente : très peu d'organisations ont les moyens de réentraîner un grand modèle, même avec le code et les données en main.

Autre point à garder en tête : « poids ouverts » ne dit rien des conditions d'usage. Certains modèles téléchargeables sont diffusés sous une licence qui restreint l'usage commercial. Cette vérification reste à faire modèle par modèle.

Notre lecture

Pour une PME, la distinction n'est pas théorique. Elle conduit à trois questions à poser avant d'adopter un modèle :

• Que puis-je en faire ? Lire la licence, en particulier les clauses sur l'usage commercial et la redistribution.
• Puis-je le faire tourner ailleurs ? Des poids téléchargeables suffisent pour ne pas dépendre d'un seul fournisseur. Pour la plupart des usages, c'est le bénéfice principal.
• Ai-je besoin de savoir sur quoi il a été entraîné ? Dans un secteur réglementé, ou face à un client qui demande des comptes, une documentation des données d'entraînement pèse lourd. Seule une IA réellement open source la fournit.

Autrement dit, les poids ouverts répondent au besoin d'indépendance, l'open source au besoin de transparence. Les deux mots ne sont pas interchangeables dans un appel d'offres ou une plaquette commerciale.