On voit désormais l’expression « open weight » associée à Llama, Mistral, Qwen ou aux modèles gpt-oss d’OpenAI. Mais que signifie-t-elle exactement ? Un modèle « à poids ouverts » peut être téléchargé, exécuté et souvent personnalisé. Cela ne veut pas dire qu’il est entièrement open source, gratuit à exploiter ou utilisable sans compétences techniques. Ouvrons la boîte noire… sans prétendre que tous ses tiroirs sont accessibles.

Que signifie « open weight » ?

L’expression anglaise « open weight » peut être traduite par modèle à poids ouverts ou à poids accessibles.

Pendant son entraînement, un modèle d’intelligence artificielle analyse d’immenses volumes de données. Il ajuste progressivement des milliards de paramètres numériques, appelés poids, afin d’apprendre les relations entre les mots, les images, les sons ou les instructions. Ces poids constituent en quelque sorte les réglages acquis par le modèle. Ils lui permettent de déterminer quelle réponse produire à partir d’une question.

Lorsqu’un éditeur publie les poids d’un modèle, les développeuses et développeurs peuvent souvent généralement :

• télécharger le modèle ;
• l’exécuter sur leur propre infrastructure ;
• l’intégrer dans une application ;
• l’adapter à un domaine métier ;
• l’optimiser pour utiliser moins de mémoire ;
• parfois le réentraîner ou le spécialiser.

À l’inverse, avec un modèle fermé comme ceux accessibles uniquement par une plateforme ou une API, l’entreprise envoie ses requêtes au service de l’éditeur sans pouvoir télécharger le modèle sous-jacent.

Une comparaison toute simple

Imaginons une pâtisserie. Le modèle fermé vous permet de commander un gâteau. Vous choisissez éventuellement le parfum, mais vous ne connaissez ni la recette ni les réglages du four.

Avec un modèle à poids ouverts, on vous remet le gâteau, les réglages du four et parfois une partie de la recette. Vous pouvez le reproduire, modifier sa cuisson ou ajouter un ingrédient.

Mais vous ne savez pas nécessairement d’où viennent tous les produits ni comment les premiers essais ont été réalisés. C’est précisément la différence entre poids ouverts et open source.

Open weight ne veut pas forcément dire open source

Les deux expressions sont régulièrement utilisées comme des synonymes. Techniquement, elles ne recouvrent pourtant pas la même réalité.

Selon la définition publiée en octobre 2024 par l’Open Source Initiative, une IA réellement open source doit offrir les libertés nécessaires pour utiliser, étudier, modifier et partager le système. Elle doit également fournir les éléments permettant de comprendre sa conception, notamment des informations suffisantes sur les données et la méthode d’entraînement.

Type de modèle	Ce qui est accessible	Ce que l’entreprise peut faire
Modèle fermé	Interface ou API	Utiliser le service selon les conditions de l’éditeur
Modèle à poids ouverts	Poids entraînés, documentation et parfois code	Héberger, adapter et intégrer le modèle selon sa licence
IA open source au sens strict	Poids, code et informations nécessaires pour étudier et modifier le système. voir les données d’entraînement.	Utiliser, examiner, modifier et redistribuer le système avec de larges libertés

Un modèle peut donc proposer ses poids tout en conservant :

• une licence spécifique ;
• des restrictions d’usage ;
• des conditions de redistribution ;
• des limites commerciales ;
• peu d’informations sur ses données d’entraînement ;
• un processus d’entraînement impossible à reproduire.

Le mot « ouvert » ne remplace jamais la lecture de la licence.

Quels sont les principaux modèles à poids ouverts en août 2026 ?

Le paysage a beaucoup évolué depuis 2025. Plusieurs modèles à poids ouverts rivalisent désormais avec les modèles propriétaires sur certaines tâches, notamment le code, le raisonnement et la cybersécurité. Voici les familles les plus représentatives, sans prétendre dresser un catalogue exhaustif.

Mistral AI

La société française Mistral AI propose à la fois des modèles commerciaux et des modèles à poids ouverts. Sa gamme récente comprend notamment :

• Mistral Small 4, publié le 16 mars 2026 sous licence Apache 2.0. Ce modèle hybride compte 119 milliards de paramètres, dont 6,5 milliards activés à chaque requête, et réunit conversation, raisonnement et génération de code ;
• Mistral Medium 3.5, publié le 28 avril 2026 avec des poids accessibles sous une licence MIT modifiée. Ce modèle multimodal est destiné notamment aux agents IA et au développement informatique ;
• les modèles plus compacts Ministral 3 de 3, 8 et 14 milliards de paramètres, toujours proposés pour des déploiements nécessitant moins de ressources.

OpenAI

Le 5 août 2025, OpenAI a publié gpt-oss-20b et gpt-oss-120b, deux modèles de raisonnement à poids ouverts distribués sous licence Apache 2.0. Ils peuvent être téléchargés, personnalisés et exécutés sur une infrastructure choisie par l’entreprise. Ils ne sont toutefois disponibles ni dans ChatGPT ni directement par l’API d’OpenAI.

En octobre 2025, OpenAI a également lancé :

• gpt-oss-safeguard-20b ;
• gpt-oss-safeguard-120b.

Ces deux versions sont spécialisées dans la classification de contenus et l’application de politiques de sécurité personnalisées. Elles restent présentées comme des modèles de recherche. La famille gpt-oss demeure la principale offre à poids ouverts d’OpenAI en 2026. Les modèles commerciaux GPT utilisés dans ChatGPT restent, eux, propriétaires.

Z.ai et les modèles GLM

La société chinoise Z.ai, anciennement Zhipu AI, occupe désormais une place importante parmi les fournisseurs de modèles ouverts. GLM-5.2, publié en juin 2026 sous licence MIT, est conçu pour les longues tâches de programmation et les agents IA. Il dispose d’une fenêtre de contexte pouvant atteindre un million de tokens.

En juillet 2026, l’AI Security Institute britannique estimait que GLM-5.2 ne se situait plus qu’à quatre à sept mois des meilleurs modèles fermés pour certaines tâches de cybersécurité. Son successeur GLM-5.3, présenté en août 2026, aurait obtenu de solides résultats dans la détection de vulnérabilités. Au 19 août, la publication complète de ses poids a cependant été retardée afin de poursuivre les évaluations de sécurité. Il faut donc éviter de le présenter comme déjà librement téléchargeable.

Alibaba Qwen

La famille Qwen3 d’Alibaba comprend plusieurs modèles à poids ouverts distribués sous licence Apache 2.0.

Elle comporte notamment :

• des modèles denses de 0,6 à 32 milliards de paramètres ;
• Qwen3-30B-A3B, avec 30 milliards de paramètres dont 3 milliards actifs ;
• Qwen3-235B-A22B, avec 235 milliards de paramètres dont 22 milliards actifs ;
• Qwen3-Coder, spécialisé dans la programmation et l’utilisation d’outils.

Alibaba propose depuis des générations Qwen3.5 et Qwen3.8 à travers certains services. Mais toutes leurs variantes ne disposent pas nécessairement de poids téléchargeables sous les mêmes conditions. Pour un projet d’entreprise, il faut vérifier la fiche exacte du modèle et sa licence, plutôt que de considérer toute la famille Qwen comme automatiquement ouverte.

Meta Llama

Meta continue de proposer au téléchargement les poids de Llama 4 Scout et Llama 4 Maverick, lancés en avril 2025. Ces modèles multimodaux peuvent être adaptés et auto-hébergés. Ils restent cependant soumis à la licence communautaire propre à Meta, qui comporte des conditions particulières. Llama 4 demeure une famille importante en août 2026, mais ce n’est plus la référence la plus récente du marché ouvert. Surtout, Llama ne doit pas être automatiquement qualifié d’open source au sens strict de l’Open Source Initiative.

Pourquoi une entreprise choisirait-elle un modèle à poids ouverts ?

Garder la maîtrise de certaines données

Un modèle auto-hébergé peut traiter des informations sans les envoyer systématiquement vers l’API de son créateur. Cette approche peut intéresser les secteurs manipulant des données sensibles : industrie, santé, juridique, recherche, défense ou services financiers. Cela ne garantit pas automatiquement la conformité au RGPD. L’entreprise reste responsable de l’hébergement, des accès, de la journalisation, des sauvegardes et des usages autorisés.

Personnaliser le modèle

Une entreprise peut adapter un modèle à son vocabulaire, à ses formats de réponse ou à une tâche particulière.

Pour lui permettre de consulter des documents actualisés, le modèle peut également être associé à une architecture RAG. IA Pratique vous explique ce mécanisme dans l’article Le Concept IA : le Retrieval-Augmented Generation.

Réduire la dépendance à un fournisseur

Avec un modèle fermé, une modification des tarifs, des conditions d’utilisation ou des fonctionnalités peut directement affecter l’application de l’entreprise. Un modèle téléchargeable offre davantage de possibilités d’hébergement et de changement de prestataire. Mais cette autonomie a un prix : il faut maintenir l’infrastructure et suivre les mises à jour.

Faire fonctionner une IA sans connexion permanente

Les modèles les plus compacts peuvent être installés sur une station de travail, un serveur local ou certains équipements. Ils peuvent alors répondre avec une connexion limitée, voire sans accès à Internet. Les Small Language Models, présentés dans notre article Le Concept IA : Small Language Model, sont particulièrement adaptés à ces scénarios ciblés.

« Téléchargeable » ne signifie pas « gratuit »

Le téléchargement des poids peut être gratuit, tandis que leur utilisation coûte bel et bien de l’argent.

Il faut prendre en compte :

• le serveur ou le service cloud ;
• les processeurs graphiques et leur mémoire ;
• la consommation électrique ;
• l’installation et la sécurisation ;
• la supervision du modèle ;
• les mises à jour ;
• les tests de qualité ;
• les compétences nécessaires ;
• le coût d’une éventuelle adaptation.

Un petit modèle quantifié peut fonctionner sur un ordinateur suffisamment équipé. Un modèle comptant des centaines de milliards de paramètres réclamera des serveurs spécialisés.

Comment tester un modèle à poids ouverts dans une PME ?

Étape 1 : partir d’un usage précis

Évitez le projet « Nous voulons notre propre ChatGPT ». Commencez plutôt par une tâche mesurable

Étape 2 : vérifier la licence

Contrôlez les droits d’utilisation commerciale, de modification et de redistribution. Vérifiez également les restrictions liées au secteur, au territoire ou au nombre d’utilisateurs.

Étape 3 : évaluer les données

Identifiez les informations qui seront transmises au modèle. Distinguez les données publiques, internes, personnelles, confidentielles et sensibles.

Étape 4 : choisir la bonne taille

Le modèle le plus imposant n’est pas automatiquement le plus pertinent. Un modèle compact, plus rapide et moins coûteux, peut suffire pour une tâche bien définie.

Étape 5 : réaliser un test comparatif

Préparez un jeu de questions représentatives et comparez plusieurs modèles sur :

• la qualité des réponses ;
• le taux d’erreur ;
• la vitesse ;
• le coût total ;
• la consommation de ressources ;
• la facilité d’intégration ;
• la maîtrise des données.

Étape 6 : maintenir une validation humaine

Un modèle à poids ouverts peut toujours produire une réponse fausse, biaisée ou inadaptée. La possibilité de l’héberger soi-même ne lui remet pas un diplôme d’exactitude.

Quels sont les risques ?

L’entreprise qui exploite elle-même un modèle récupère une partie des responsabilités habituellement prises en charge par le fournisseur du service. Elle doit notamment surveiller :

• les vulnérabilités logicielles ;
• les accès au modèle et aux données ;
• les usages détournés ;
• les hallucinations ;
• les biais ;
• les licences des modèles dérivés ;
• la traçabilité des versions ;
• la conformité aux règles applicables.

Dans l’Union européenne, les obligations relatives aux modèles d’IA à usage général s’appliquent depuis le 2 août 2025. Certaines exemptions peuvent concerner des modèles publiés sous licence libre et ouverte, sous réserve de respecter des conditions de transparence. Les modèles présentant un risque systémique restent soumis à des exigences renforcées. La Commission européenne a publié des lignes directrices pour préciser ces obligations.

En savoir plus

• La définition de l’IA open source par l’Open Source Initiative
• Les modèles ouverts gpt-oss d’OpenAI
• La famille Mistral 3
• La présentation officielle de Qwen3
• La présentation de Llama 4 par Meta
• Les règles européennes applicables aux modèles d’IA à usage général
• Le Concept IA : Small Language Model
• Le Concept IA : le Retrieval-Augmented Generation
• Quel modèle d’IA choisir ? Le comparatif IA Pratique

#IA #OpenWeight #OpenSourceAI #LLM #MistralAI #Llama #Qwen #GPTOSS #PME #TransformationNumerique #IAPratique