Aller au contenu
Encyclopédie informatique Édition 2026

Les modèles ouverts et l'IA sur sa propre machine

Les grands assistants d’IA fonctionnent sur les serveurs de leurs éditeurs : chaque question, chaque document qu’on leur confie part à l’autre bout du monde. Il existe pourtant une autre voie. Des centaines de modèles, dits ouverts, peuvent être téléchargés et fonctionner sur un ordinateur portable, un poste de travail ou les serveurs d’une entreprise, sans que rien ne sorte. Cet article explique ce qu’est un modèle ouvert et en quoi il diffère d’un logiciel libre, pourquoi faire tourner une IA chez soi, de quel matériel on a besoin, avec quels outils, comment adapter un modèle à ses besoins, quelles sont les limites de cette approche et quelles précautions de sécurité elle impose.

Rubrique
Données et IA
Niveau
Intermédiaire
Lecture
18 min (essentiel)
23 min (complet)
Révision
26 octobre 2026
Niveau de lecture :

En bref

  • Un modèle ouvert est un modèle d’IA dont les poids, les nombres qui contiennent ce qu’il a appris, sont publiés : on peut le télécharger et le faire fonctionner sur ses propres machines.
  • Ouvert ne veut pas toujours dire libre : certaines licences limitent les usages, et rares sont les modèles dont les données et les recettes d’entraînement sont aussi publiées.
  • Faire tourner une IA chez soi garantit la confidentialité des données, fonctionne hors ligne et évite la dépendance à un fournisseur ; les modèles sont en général moins performants que les meilleurs modèles fermés.
  • La mémoire est le facteur décisif : grâce à la quantification, un modèle de 8 milliards de paramètres tient dans environ 4 gigaoctets et fonctionne sur un ordinateur portable récent.
  • Côté sécurité, un fichier de modèle peut être piégé, un modèle peut contenir une porte dérobée, et un serveur local mal configuré peut s’ouvrir à tout Internet : on télécharge auprès de sources sûres et on n’expose rien.

Prérequis conseillés : L'IA générative et les grands modèles de langage

1Définition

Un modèle d’IA, comme un grand modèle de langage (voir l’IA générative), est défini par son architecture, la façon dont ses calculs sont organisés, et surtout par ses poids : les milliards de nombres ajustés pendant l’entraînement, qui contiennent tout ce qu’il a appris. Un modèle ouvert (en anglais open weights, « poids ouverts ») est un modèle dont les poids sont publiés : n’importe qui peut les télécharger, sous les conditions de leur licence, et faire fonctionner le modèle sur ses propres machines. À l’inverse, un modèle fermé n’est accessible qu’à travers le service de son éditeur, par une application ou une interface de programmation, et ses poids restent secrets.

On parle d’IA locale quand le modèle fonctionne sur un ordinateur ou un serveur que l’on contrôle : son propre ordinateur portable, un poste de travail équipé d’une carte graphique, ou les serveurs d’une entreprise. L’utilisation d’un modèle pour produire des réponses s’appelle l’inférence ; elle demande infiniment moins de calcul que l’entraînement, qui mobilise des milliers de puces pendant des mois. C’est ce qui rend possible l’IA locale : on n’entraîne pas le modèle, on se contente de l’utiliser.

2Une histoire récente

  • 2018 et 2019 : Google publie BERT, un modèle de compréhension du langage, et OpenAI publie par étapes GPT-2 ; les modèles de recherche sont alors couramment partagés ;
  • 2022 : le projet BigScience, qui réunit plus d’un millier de chercheurs, publie BLOOM, un modèle de 176 milliards de paramètres entraîné sur le supercalculateur public français Jean Zay (anecdote) ;
  • 2023 : Meta diffuse LLaMA auprès de chercheurs, mais ses poids fuitent en quelques jours ; des passionnés le font fonctionner sur des ordinateurs ordinaires. Meta publie ensuite ouvertement ses modèles Llama, et la jeune société française Mistral AI publie Mistral 7B sous une licence libre ;
  • 2024 : les modèles ouverts se multiplient, chez Google, Microsoft, Alibaba et de nombreux laboratoires, et l’Open Source Initiative, l’organisation qui définit ce qu’est un logiciel open source, publie une définition de l’IA open source ;
  • 2025 : la société chinoise DeepSeek publie un modèle de raisonnement sous licence libre, aux performances proches des meilleurs modèles fermés ; OpenAI publie à son tour des modèles ouverts, pour la première fois depuis GPT-2. L’écart de performances entre modèles ouverts et fermés se réduit à quelques mois.

La plateforme Hugging Face, fondée en 2016 par trois Français, est devenue le principal lieu de partage : elle héberge plus d’un million de modèles, des plus généraux aux plus spécialisés, ainsi que des jeux de données et des démonstrations.

3Ouvert, libre, open source : des degrés

Le vocabulaire est trompeur. Beaucoup de modèles présentés comme « open source » ne le sont pas au sens du logiciel libre (voir le logiciel libre), qui garantit les libertés d’utiliser, d’étudier, de modifier et de redistribuer. On distingue plusieurs degrés d’ouverture (figure 1) :

fermé sans téléchargement utilisable seulement par le service de l’éditeur la plupart des grands assistants commerciaux poids ouverts, licence restrictive téléchargeables, avec des conditions d’usage certaines familles de modèles de Meta poids ouverts, licence libre usage, modification et diffusion permis Apache 2.0, MIT : nombreux modèles chinois, européens… entièrement ouvert poids, code, données et recettes publiés surtout des modèles de laboratoires publics de plus en plus ouvert : on peut inspecter, adapter, héberger soi-même, et à la fin reproduire l’entraînement
Figure 1. Du modèle fermé au modèle entièrement ouvert : quatre degrés.
  • Les licences libres classiques, comme Apache 2.0 ou MIT, autorisent tous les usages, y compris commerciaux, à condition de conserver les mentions de licence.
  • Les licences maison autorisent le téléchargement et souvent l’usage commercial, mais avec des restrictions : liste d’usages interdits, obligation de mentionner le modèle, seuil d’utilisateurs au-delà duquel il faut demander une autorisation, interdiction d’utiliser les réponses pour entraîner d’autres modèles.
  • Les modèles entièrement ouverts publient en plus le code d’entraînement, la description détaillée ou la totalité des données et les étapes intermédiaires : on peut alors étudier et reproduire leur fabrication. Ils sont encore rares, car les données d’entraînement posent des questions de droit d’auteur et de vie privée.

La définition publiée en 2024 par l’Open Source Initiative exige, pour parler d’IA open source, la publication des poids, du code, et d’informations suffisamment détaillées sur les données pour qu’une personne compétente puisse construire un système équivalent. Selon ce critère, la plupart des modèles dits ouverts n’en sont pas. Avant d’utiliser un modèle dans un projet, il faut donc lire sa licence, comme on le ferait pour une bibliothèque de code (exercice 3).