Télécharger un modèle IA à poids ouverts implique des choix techniques

Télécharger des poids permet d’exécuter un modèle IA chez soi, sans abonnement et en gardant ses données locales. Ce choix s’accompagne toutefois de contraintes matérielles, de licences variables et de questions de sécurité. Tour d’horizon des offres disponibles et des précautions à connaître.

Contrôle réduit après diffusion et débat sur les garde-fous

Une fois les poids distribués, le développeur dispose de peu de leviers sur les usages ultérieurs. Une entreprise peut à la rigueur couper un accès à un service en ligne en cas d’abus, mais publier un remplacement plus sûr ne met pas à jour les copies déjà téléchargées. La liberté de modifier un modèle facilite aussi l’affaiblissement ou la suppression de protections. Pierre Stock, VP Science chez Mistral, estime que des garde-fous sont nécessaires à l’ouverture des poids et qu’ils peuvent être partiellement contournés au prix d’un effort comparable à l’ajustement d’un modèle. À l’inverse, l’accès aux poids offre aux chercheurs indépendants la possibilité d’auditer finement les systèmes et de tester directement des correctifs. Pierre Stock souligne que l’ouverture des poids favorise une progression de l’écosystème, et plaide contre une situation où un tiers pourrait couper l’accès à un modèle utilisé.

Usage local : confidentialité, performances et coût face au cloud

Exécuter un modèle localement permet d’échanger sans abonnement et de conserver invites et fichiers hors des serveurs d’un fournisseur. Les capacités d’un modèle à poids ouverts couvrent la rédaction d’e‑mails, le résumé de documents, l’analyse de fichiers locaux et l’aide à la programmation, comme en cloud. La vitesse et la longueur de contexte traitable dépendent toutefois du modèle et des ressources machine. Des ordinateurs dotés de beaucoup de mémoire ou d’un GPU puissant facilitent les modèles volumineux, avec comme repères un Mac à 16 Go ou 36 Go de RAM, quand des modèles plus petits peuvent tourner sur 8 Go. Avant d’acheter une nouvelle machine, le coût est à comparer à un abonnement de 20 $ par mois. Certains modèles sont aussi accessibles via les sites des développeurs, comme DeepSeek et Kimi, au prix d’envoyer ses invites au fournisseur. Par ailleurs, des services hébergés tels que ChatGPT, Gemini et Claude offrent des plans gratuits. Les poids ouverts donnent la possibilité de garder des documents sensibles sur l’appareil et de conserver un modèle même si la version en ligne disparaît.

Qui propose quoi : domination chinoise et offres US/UE

Des modèles chinois dominent les classements d’Artificial Analysis pour les poids ouverts, avec DeepSeek, Kimi K3 de Moonshot AI et la famille Qwen3.8 d’Alibaba, tous téléchargeables. Côté américain, OpenAI diffuse des modèles gpt‑oss distincts de ChatGPT, Google propose Gemma, Meta annonce Muse Glimmer et Muse Spark Open au sein de Llama, et Nvidia publie Nemotron. Des startups enrichissent l’offre, comme Reflection avec Beam dont les poids sont disponibles, et Thinking Machines Lab avec Inkling. En Europe, Mistral AI rend téléchargeables Mistral Large 3 et la famille Ministral 3, et propose Mistral Large 4, Le Chonk, avec ses poids. Tous ces modèles ne sont pas adaptés à un ordinateur portable : certains réclament du matériel serveur, même si des variantes plus petites fonctionnent sur PC, téléphones ou autres appareils.

Qu’apporte l’ouverture des poids et que risque-t-on

Télécharger les poids d’un modèle offre l’exécution locale, à condition de disposer d’un logiciel compatible et d’un matériel suffisant. Cette possibilité s’étend au‑delà des chatbots, vers l’image et la vidéo. L’accès ne vaut pas permissions illimitées ni transparence totale sur la genèse du modèle. Même hors ligne, un système peut halluciner et embarquer des biais de son entraînement. Des éditeurs publient parfois les poids sans partager les données d’apprentissage, ce qui limite les vérifications externes, et l’ouverture n’implique pas de meilleures performances qu’un modèle fermé. Des entreprises, dont Microsoft, défendent néanmoins l’accessibilité des poids, arguant que cela aide les équipes de sécurité à répondre à des attaquants usant de l’IA, après des rapports de restrictions potentielles aux États‑Unis visant des modèles chinois.

Publier les poids d’un modèle ne garantit pas l’ouverture du code

Rendre disponibles les poids ne suffit pas à qualifier un projet d’open source selon l’Open Source Initiative : le code d’entraînement et d’exécution doit être partagé, de même que des informations suffisantes sur les données pour qu’une personne qualifiée puisse reconstruire un modèle similaire. L’open source garantit l’usage, l’étude, la modification et le partage. L’OSI n’exige pas la publication des données d’entraînement, quand la Free Software Foundation estime que ces données devraient être libres d’usage et de modification. Certaines licences de modèles à poids ouverts limitent l’usage commercial, ce qui sort du périmètre OSI, et des clauses de copyleft peuvent imposer de conserver les mêmes termes lors du partage de versions dérivées.

Installer et adapter : outils grand public et ajustement permis

Des applications telles que LM Studio, Ollama et Jan facilitent l’installation et l’exécution de modèles à poids ouverts, via une interface de type chatbot sur Mac ou PC. Lorsque la licence l’autorise, un entraînement supplémentaire permet d’adapter un modèle sans repartir de zéro. L’écosystème évolue aussi vers des déclinaisons embarquées : les modèles Gemma incluent des versions pour téléphones et ordinateurs portables. Mistral propose une gamme comprenant des modèles spécialisés par usage et appareil. Selon Pierre Stock, des modèles audio peuvent tenir sur une montre connectée.