PROTOTYPE INTERNE · démonstration interne · aucune donnée collectée · extraits « Tech Café » (droits Vendé, pré-accord)
L'École de la Techcomprendre, pas subir

Accueil · Bloc 5 L'écosystème · T5.2

T5.2MatièreModule 2 sur 4

Ouvert contre fermé : l'enjeu de pouvoir

Poids ouverts, open source, modèles fermés : ce que ça change vraiment — pas seulement une question technique.

Statut du contenu : matière pédagogique sourcée, en cours de vérification finale — la leçon rédigée, enrichie des extraits du podcast Tech Café, arrive ensuite.

L'essentiel

  1. Un modèle « fermé » n'est accessible que via une interface contrôlée par l'éditeur (API, application) : ses paramètres ne sont jamais distribués. GPT, Claude et Gemini fonctionnent ainsi. Fait de structure, stable dans le temps.
  2. Un modèle « ouvert » distribue ses paramètres entraînés (ses « poids ») en téléchargement : chacun peut l'exécuter sur sa propre infrastructure, l'examiner, le modifier et le redistribuer selon sa licence. Fait de structure, stable.
  3. « Poids ouverts » et « open source » ne sont pas synonymes — distinction stable. L'Open Source Initiative (OSI), référence historique de la définition, exige qu'une licence n'impose aucune restriction de champ d'usage ; plusieurs modèles dits « open source » par leur éditeur portent des restrictions qui ne satisfont pas ce critère. Source : opensource.org.
  4. Cas documenté par l'OSI : la licence de Llama (Meta) a été jugée non conforme à plusieurs reprises (Llama 2, puis versions ultérieures), l'organisation employant le terme « open washing ». [Vérifié 20/07/2026] Source : opensource.org/blog.
  5. À l'inverse, DeepSeek V4 (licence MIT, 24/04/2026), Mistral et Qwen (Apache 2.0) sont sous des licences reconnues comme réellement permissives, sans restriction de champ d'application. [Vérifié 20/07/2026] Source : api-docs.deepseek.com ; dépôts Hugging Face.
  6. Même sous licence permissive, un modèle « ouvert » ne rend publics que ses paramètres finaux : le code d'entraînement et les données restent, pour la quasi-totalité des modèles actuels, propriété non divulguée de l'éditeur — l'ouverture porte sur le résultat, pas sur le processus.
  7. L'enjeu de pouvoir déborde les modèles : CUDA, la plateforme logicielle propriétaire de Nvidia, est décrite par plusieurs analyses sectorielles comme un facteur de verrouillage — un code optimisé CUDA exige une réécriture substantielle pour tourner sur du matériel concurrent (cf. T5.3).
  8. L'AI Act traite différemment les modèles ouverts : un modèle à usage général sous licence libre bénéficie d'exemptions documentaires, sauf risque systémique (seuil de 10^25 FLOPs d'entraînement) ou monétisation, cas où les obligations complètes s'appliquent. Applicable depuis le 02/08/2025 ; sanctions actives annoncées à partir du 02/08/2026. [Vérifié 20/07/2026] Source : artificialintelligenceact.eu.
  9. Le choix ouvert/fermé recoupe un argument de souveraineté numérique : selon Mistral AI, exécuter un modèle à poids ouverts sur une infrastructure localisée en UE évite qu'une donnée transite par un fournisseur soumis à une juridiction étrangère — argument commercial de l'entreprise (palier 2), pas une mesure indépendante de souveraineté effective.
  10. Les deux éditeurs de modèles ouverts les plus avancés au 20/07/2026 sont chinois (DeepSeek, Alibaba/Qwen). Des analyses sectorielles y voient un choix d'influence plutôt que philosophique — un jugement d'analystes tiers, jamais confirmé tel quel par ces entreprises. à vérifier
Ce que l'ouverture couvre vraiment
donnéesferméentraînementfermépoidsouvertexécutiondépend d'un tiersun seul maillon sur quatre est réellement ouvert

Un modèle « ouvert » diffuse ses poids finaux — pas les données ni le code d'entraînement — et l'exécution dépend encore souvent d'une pile technique tierce.

Repères clés

Modèle / familleÉditeurLicenceStatutSource
GPT / Claude / GeminiOpenAI / Anthropic / Googlepropriétaire, API seulefermééditeurs
Llama 4Metalicence communautaire Metapoids ouverts, jugé non conforme à l'OSDopensource.org
Mistral (gammes ouvertes) / Qwen 3.xMistral AI / AlibabaApache 2.0poids ouverts, permissifHugging Face
DeepSeek V4DeepSeekMITpoids ouverts, permissifapi-docs.deepseek.com, 24/04/2026
Seuil de risque systémique AI Act10^25 FLOPs d'entraînementapplicable depuis le 02/08/2025artificialintelligenceact.eu

Idées reçues

  1. « "Open source" et "gratuit" c'est pareil » — non : gratuité et statut de licence sont deux questions distinctes (points 3-4).
  2. « Un modèle aux poids ouverts, c'est tout le processus qui est ouvert » — non (point 6) : code d'entraînement et données restent en général propriétaires.
  3. « Les modèles fermés sont plus sûrs, les ouverts dangereux par nature » — débat non tranché : auditabilité par des tiers d'un côté, contrôle des usages malveillants de l'autre ; l'AI Act ne présume pas qu'ouvert égale dangereux (point 8).
  4. « Llama est open source puisque Meta l'appelle ainsi » — inexact selon l'OSI (point 4) : le terme employé par un éditeur pour son propre produit est déclaratif (palier 2), pas une classification indépendante.

Questions fréquentes de débutants

Réponds mentalement avant d'ouvrir : c'est l'effort de rappel qui ancre, pas la relecture.

Pourquoi rendre un modèle ouvert si cela semble générer moins de revenus directs ?

Motivations variables selon l'éditeur : communauté de développeurs, services autour du modèle, ou souveraineté (point 9) — rarement explicitées en détail publiquement.

Un modèle ouvert peut-il « disparaître » comme un service fermé ?

Une fois des poids diffusés publiquement, ils restent exécutables indépendamment de la volonté ultérieure de l'éditeur — différence structurelle avec un modèle fermé.

Faire tourner un modèle ouvert soi-même, c'est gratuit ?

Le téléchargement peut l'être ; l'exécuter à l'échelle nécessite du matériel de calcul (GPU, cf. T5.3) dont le coût reste réel.

Qu'est-ce qu'un « risque systémique » au sens de l'AI Act ?

Un seuil quantitatif (10^25 FLOPs) déclenche des obligations renforcées quelle que soit la licence (point 8) — une définition technique, pas une appréciation au cas par cas.

Pièges & points de vigilance

  1. Vérifier la licence exacte d'un modèle qualifié d'« open source » en communication commerciale — terme contesté par l'OSI (point 4), à ne jamais prendre pour argent comptant.
  2. Ne pas déduire d'un statut « ouvert » une garantie de sécurité, ni l'inverse — débat non tranché (idée reçue 3), toujours attribué et contradictoire.
  3. La dépendance à une infrastructure (CUDA, un cloud précis) ne disparaît pas avec des poids ouverts : l'ouverture porte sur le modèle, pas nécessairement sur la chaîne qui l'exécute (point 7).
  4. Le paysage des licences évolue par version d'un même éditeur (Llama 2, 3, 4 : rejetées à chaque fois par l'OSI) — une classification datée pour une version ne se transpose pas automatiquement à la suivante.

Sources