Quelle est la différence entre un modèle IA à poids ouverts et un modèle open source ?

Poids ouverts signifie que les paramètres entraînés du modèle sont téléchargeables, mais les données d'entraînement, le code ou les libertés de la licence peuvent être restreints. Open source (selon la définition de l'OSI) exige en outre des informations sur les données ainsi que le code d'entraînement/inférence sous des termes ouverts. Si les données d'entraînement ne sont pas divulguées, le modèle est à poids ouverts, pas open source.

Llama est-il open source ?

Non — Llama est à poids ouverts sous une licence communautaire. Meta ne publie pas les données d'entraînement, et la licence ajoute une politique d'utilisation acceptable, un seuil de 700 millions d'utilisateurs actifs mensuels et des restrictions sur l'utilisation des sorties pour entraîner des modèles concurrents. L'OSI et d'autres le classent comme à source disponible ou à poids ouverts, pas open source.

Qu'est-ce que la Définition de l'IA Open Source de l'OSI ?

Publiée en octobre 2024, c'est la première définition stable de l'IA open source. Elle accorde quatre libertés — utiliser, étudier, modifier et partager — et exige trois composantes : des informations sur les données, le code complet d'entraînement et d'inférence, et les paramètres du modèle. À noter qu'elle exige des informations détaillées sur les données d'entraînement plutôt que le jeu de données brut lui-même.

L'IA open source exige-t-elle de publier les données d'entraînement ?

Pas le jeu de données brut — la définition de l'OSI exige des informations sur les données suffisamment détaillées pour qu'une personne qualifiée puisse construire un système substantiellement équivalent, et les données réelles uniquement lorsque c'est légalement possible. Ce compromis est la partie la plus débattue de la définition, car une vraie reproductibilité nécessite sans doute les données elles-mêmes.

Puis-je utiliser des modèles à poids ouverts commercialement sans payer ?

Souvent oui, mais cela dépend entièrement de la licence. Les modèles Apache-2.0 (de nombreuses versions de Qwen et Mistral) permettent un usage commercial sans restriction. La licence communautaire de Llama permet l'usage commercial, mais avec un plafond d'utilisateurs et d'autres restrictions. Certaines variantes sont uniquement non commerciales. Vérifiez toujours la licence spécifique du modèle avant tout déploiement commercial.

Quels modèles IA sont véritablement open source ?

Les modèles qui publient les poids ainsi que les données d'entraînement et le code complet d'entraînement et d'inférence — OLMo d'Ai2 en est l'exemple de référence, publiant son corpus, son code, ses journaux et ses points de contrôle. La plupart des modèles « ouverts » populaires (Llama, Qwen, Mistral, DeepSeek) sont à poids ouverts et retiennent au moins les données d'entraînement.

Un modèle Apache-2.0 équivaut-il à un modèle open source ?

Apache-2.0 est une véritable licence open source, donc les poids sous Apache-2.0 sont permissifs et sans restriction commerciale. Mais un modèle dont les poids sont sous Apache-2.0 n'est pas pour autant entièrement « open source » selon la définition IA de l'OSI, sauf si les informations sur les données d'entraînement et le code sont également publiées — il est donc mieux décrit comme des poids ouverts sous licence permissive.

← Resources

By Ren Sugaya — Performance Engineer, GPU & Inference · 2026-04-12 · INSIGHT

Modèles IA à poids ouverts vs. open source : quelle est la différence ?

La plupart des modèles présentés comme « open source » sont en réalité à poids ouverts : les poids sont téléchargeables, mais les données d'entraînement et les libertés complètes de la licence ne le sont pas. Cet article explique la distinction, la Définition de l'IA Open Source de l'OSI, où se situent les modèles populaires sur ce spectre, et pourquoi ce label compte pour l'usage commercial.

La distinction fondamentale

« Poids ouverts » signifie que les paramètres entraînés du modèle sont téléchargeables, mais que les données d'entraînement, le code d'entraînement ou les libertés complètes de la licence peuvent être restreints. L'« IA open source », selon la définition officielle, exige en outre des informations sur les données ainsi que le code d'entraînement et d'inférence, le tout sous des termes ouverts. Sans divulgation des données d'entraînement, une publication est à poids ouverts, pas open source.

Cela compte parce que ces termes sont constamment confondus. Un modèle que vous pouvez télécharger et exécuter n'est pas automatiquement « open source » au sens où l'entend le monde du logiciel — et la différence apparaît précisément là où ça compte : droits commerciaux, reproductibilité et ce que vous êtes réellement autorisé à faire.

La Définition de l'IA Open Source de l'OSI

En octobre 2024, l'Open Source Initiative a publié la première Définition stable de l'IA Open Source. Elle accorde quatre libertés — utiliser le système à n'importe quelle fin sans permission, étudier son fonctionnement, le modifier à n'importe quelle fin et le partager avec ou sans modifications — et exige trois composantes : des informations sur les données (suffisamment détaillées pour construire un système substantiellement équivalent), le code complet d'entraînement et d'inférence, et les paramètres du modèle.

Son compromis le plus contesté est qu'elle n'exige pas la publication du jeu de données d'entraînement brut — seulement des informations suffisamment détaillées à son sujet. Les critiques y voient un affaiblissement ; les défenseurs soulignent que les contraintes légales et de confidentialité rendent souvent impossible la publication des données brutes. Quoi qu'il en soit, c'est l'étalon à l'aune duquel les revendications « open source » doivent être mesurées.

Où se situent réellement les modèles populaires

La plupart des modèles « ouverts » bien connus sont à poids ouverts, pas open source :

Llama est à poids ouverts sous une licence communautaire : Meta ne publie pas les données d'entraînement, et la licence ajoute une politique d'utilisation acceptable, une clause de 700 millions d'utilisateurs actifs mensuels et des restrictions sur l'utilisation des sorties pour entraîner des modèles concurrents. Il ne satisfait pas à la liberté d'« utiliser à n'importe quelle fin sans permission », il est donc à source disponible, pas open source. (Consultez notre [guide Llama](/articles/run-llama-locally-hardware-guide).)
Qwen et Mistral publient de nombreux modèles sous Apache-2.0, une véritable licence open source sur les poids, qui autorise un usage commercial permissif ; sans données ni code complets, ils restent toutefois des « poids ouverts sous licence permissive » plutôt qu'ouverts selon l'OSAID. (Consultez notre [guide Qwen3](/articles/run-qwen3-locally-guide).)
OLMo (d'Ai2) est la référence du véritablement ouvert : les poids plus le corpus d'entraînement complet, le code d'entraînement, les journaux et les points de contrôle.
DeepSeek est à poids ouverts : les poids sont publiés, mais les données d'entraînement ne sont pas divulguées.

Le spectre des licences

Il est utile de penser à un spectre allant du plus au moins ouvert :

Totalement ouvert / aligné sur l'OSAID : poids plus données plus code (OLMo).
Licence OSI permissive sur les poids : Apache-2.0 (Qwen, Mistral) — poids sans restriction commerciale, mais sans divulgation complète des données ni du code.
« Communautaire » restrictive / source disponible : Llama — usage commercial autorisé, mais avec des plafonds, des règles d'utilisation acceptable et des restrictions pour les concurrents.
Non commercial / recherche uniquement : certaines variantes de modèles se limitent à un usage non commercial.
API uniquement / fermé : les poids ne sont jamais publiés.

Savoir où se situe un modèle vous indique ce que vous pouvez légalement en faire — c'est la question pratique, plus que de savoir s'il mérite le label « open source ».

Pourquoi cela compte et l'« open-washing »

Ce label a des conséquences réelles. Les termes de licence — plafonds d'utilisateurs actifs mensuels, interdictions par domaine d'utilisation, clauses de non-distillation — déterminent directement la légalité commerciale. L'open source (au sens strict) permet en outre de reproduire et d'auditer un modèle, ce qui importe pour la confiance et la recherche. Et la réglementation rehausse les enjeux : la loi européenne sur l'IA accorde certaines dérogations aux systèmes open source, si bien que qualifier un modèle à poids ouverts d'« open source » n'est pas seulement approximatif — cela peut être lourd de conséquences.

C'est le cœur de la critique de l'« open-washing » : commercialiser un modèle comme open source alors qu'il est au mieux à poids ouverts. Des études sur les systèmes d'IA générative ont révélé que de nombreux labels « open source » sont en réalité à poids ouverts, et la tendance générale le confirme : la part des téléchargements de modèles qui divulguent les données d'entraînement a fortement chuté, ce qui signifie que l'écosystème évolue vers les poids ouverts, pas vers l'open source.

Comment osFoundry aborde la question

osFoundry exécute des modèles à poids ouverts quelle que soit leur position sur le spectre : les permissifs Apache-2.0 (Qwen, Mistral), les modèles sous licence communautaire restrictive (Llama) et les totalement ouverts (OLMo) fonctionnent tous de la même façon via BYOK ou l'auto-hébergement. Comme la question « ouvert versus poids ouverts » est au fond une question de licences, osFoundry affiche les termes réels de licence de chaque modèle — les clauses de plafond d'utilisateurs, les règles de non-distillation et les restrictions non commerciales — afin que les équipes puissent confirmer la légalité commerciale avant de déployer. Avec BYOK et l'auto-hébergement, vous gardez les poids, les données et l'inférence sous votre propre contrôle plutôt que derrière l'API d'un fournisseur, ce qui est le bénéfice pratique de l'« ouvert », qu'un modèle donné franchisse ou non le strict seuil open source.

Frequently asked questions

Quelle est la différence entre un modèle IA à poids ouverts et un modèle open source ?: Poids ouverts signifie que les paramètres entraînés du modèle sont téléchargeables, mais les données d'entraînement, le code ou les libertés de la licence peuvent être restreints. Open source (selon la définition de l'OSI) exige en outre des informations sur les données ainsi que le code d'entraînement/inférence sous des termes ouverts. Si les données d'entraînement ne sont pas divulguées, le modèle est à poids ouverts, pas open source.
Llama est-il open source ?: Non — Llama est à poids ouverts sous une licence communautaire. Meta ne publie pas les données d'entraînement, et la licence ajoute une politique d'utilisation acceptable, un seuil de 700 millions d'utilisateurs actifs mensuels et des restrictions sur l'utilisation des sorties pour entraîner des modèles concurrents. L'OSI et d'autres le classent comme à source disponible ou à poids ouverts, pas open source.
Qu'est-ce que la Définition de l'IA Open Source de l'OSI ?: Publiée en octobre 2024, c'est la première définition stable de l'IA open source. Elle accorde quatre libertés — utiliser, étudier, modifier et partager — et exige trois composantes : des informations sur les données, le code complet d'entraînement et d'inférence, et les paramètres du modèle. À noter qu'elle exige des informations détaillées sur les données d'entraînement plutôt que le jeu de données brut lui-même.
L'IA open source exige-t-elle de publier les données d'entraînement ?: Pas le jeu de données brut — la définition de l'OSI exige des informations sur les données suffisamment détaillées pour qu'une personne qualifiée puisse construire un système substantiellement équivalent, et les données réelles uniquement lorsque c'est légalement possible. Ce compromis est la partie la plus débattue de la définition, car une vraie reproductibilité nécessite sans doute les données elles-mêmes.
Puis-je utiliser des modèles à poids ouverts commercialement sans payer ?: Souvent oui, mais cela dépend entièrement de la licence. Les modèles Apache-2.0 (de nombreuses versions de Qwen et Mistral) permettent un usage commercial sans restriction. La licence communautaire de Llama permet l'usage commercial, mais avec un plafond d'utilisateurs et d'autres restrictions. Certaines variantes sont uniquement non commerciales. Vérifiez toujours la licence spécifique du modèle avant tout déploiement commercial.
Quels modèles IA sont véritablement open source ?: Les modèles qui publient les poids ainsi que les données d'entraînement et le code complet d'entraînement et d'inférence — OLMo d'Ai2 en est l'exemple de référence, publiant son corpus, son code, ses journaux et ses points de contrôle. La plupart des modèles « ouverts » populaires (Llama, Qwen, Mistral, DeepSeek) sont à poids ouverts et retiennent au moins les données d'entraînement.
Un modèle Apache-2.0 équivaut-il à un modèle open source ?: Apache-2.0 est une véritable licence open source, donc les poids sous Apache-2.0 sont permissifs et sans restriction commerciale. Mais un modèle dont les poids sont sous Apache-2.0 n'est pas pour autant entièrement « open source » selon la définition IA de l'OSI, sauf si les informations sur les données d'entraînement et le code sont également publiées — il est donc mieux décrit comme des poids ouverts sous licence permissive.