Développez intelligemment votre business en optimisant vos coûts
On en discute
Votre équipe veut « mettre de l’IA » quelque part : un outil interne, le service client, la documentation technique qui prend la poussière. Trois propositions atterrissent sur votre bureau : une API américaine, un modèle « open source » chinois, un modèle français à installer chez vous. Les trois se disent ouverts, avec la même conviction qu’une citadine se dit tout-terrain. Bonne nouvelle : pour trancher, vous n’avez pas besoin de savoir comment on entraîne un modèle. Quatre réponses suffisent : où vont vos données, ce que ça coûte vraiment, ce que ça vaut, et ce que la licence vous laisse faire. Le reste est de la conversation de cocktail.
Un modèle d’IA, c’est une voiture, les plans de son moteur et l’essence qui l’a rodée. L’API propriétaire, c’est Uber : vous montez, vous êtes conduit, vous payez au kilomètre, et la voiture repart avec ce que vous avez dit pendant le trajet. L’open weight, c’est la voiture livrée chez vous, clés en main, capot soudé : vous roulez où vous voulez, vous la repeignez à vos couleurs, mais vous ne verrez jamais le moteur ni ce qu’on a mis dans le réservoir pour le mettre au point. L’open source, au sens strict, vous ouvre le capot et vous remet les plans et la facture d’essence : vous pouvez tout vérifier, tout refaire, tout améliorer.
Les poids, c’est la voiture elle-même : le moteur monté et réglé, un fichier de quelques dizaines à quelques centaines de gigaoctets qui contient tout ce que le modèle sait faire, et rien de la façon dont il l’a appris. Les publier suffit pour la garer dans votre salle serveur, lui apprendre votre vocabulaire et l’atteler à vos outils. C’est ce que font Llama de Meta, Qwen d’Alibaba, DeepSeek, Kimi, GLM ou les modèles de Mistral. Ils sont open weight. Beaucoup préfèrent dire open source, ce qui fait mieux dans une keynote.
Car l’open source a une définition officielle depuis le 28 octobre 2024, celle de l’Open Source Initiative, l’organisme qui arbitre le mot depuis 1998. Elle exige le code d’entraînement, les plans, les poids, la voiture, et une description des données, l’essence, assez précise pour reconstruire le moteur, le tout sous des licences qui n’excluent personne et n’interdisent rien. Très peu de modèles passent ce contrôle technique. Aucun des grands noms cités ci-dessus.
La nuance qui vous concerne directement : un modèle open weight arrive toujours avec une licence, et toutes n’ont pas le même caractère. Apache 2.0 ou MIT, les licences libres classiques, vous laissent tranquille. Une licence « maison » a ses humeurs. Celle de Llama 4, par exemple, refuse ses modèles aux entreprises dont le siège est dans l’Union européenne. Rien de personnel, mais une PME française qui l’installe est hors licence sans l’avoir vu venir.
Parce que le mot rassure, et qu’il ne coûte rien à imprimer. L’Open Source Initiative a écrit noir sur blanc que la licence de Llama n’est pas open source ; Meta l’emploie quand même. Des chercheurs ont trouvé le nom du phénomène : l’« open-washing ». Le règlement européen sur l’IA a sa propre définition, plus large, qui ne demande rien sur les données. Trois définitions pour un mot : la seule qui vous protège est la licence que vous acceptez en cliquant sur « télécharger ».
Retenez une règle simple. « Open source » dans un communiqué ne vous apprend rien, sinon que le service marketing est réveillé. La fiche du modèle et sa licence, elles, vous disent tout : qui a le droit de l’utiliser, pour quoi, avec quelles obligations, et ce que l’éditeur a publié sur ses données. Si la réponse à cette dernière question est « rien », vous avez un open weight entre les mains, quelle que soit l’étiquette collée dessus.
C’est le premier argument, et il est solide. Un modèle open weight tourne sur vos serveurs ou chez l’hébergeur européen de votre choix : vos documents, vos échanges clients, vos plans restent à la maison. Avec une API, ils partent chez l’éditeur, sous contrat, avec les questions de localisation, de conservation et de sous-traitance que cela pose. La nationalité de l’éditeur n’y change rien : un modèle chinois installé dans votre salle serveur n’appelle pas Pékin, il n’a pas de téléphone. Son application et son API, elles, en ont un.
La distinction s’est jouée en public. Le 30 janvier 2025, l’autorité italienne de protection des données a bloqué l’application DeepSeek, faute de réponses sur les données traitées en Chine, et d’autres autorités européennes, dont la CNIL, ont ouvert leurs dossiers. Le modèle DeepSeek lui-même, téléchargé et exécuté en Europe, n’était pas en cause. Ce qui compte, c’est le trajet de la donnée, pas le drapeau sur la boîte.
Ce que l’open weight ne vous donne pas, c’est le droit de regarder à l’intérieur. Vous ne pouvez pas vérifier les sources du modèle, ses biais, ni s’il a été nourri de contenus protégés. Pour la plupart des usages, un test sur vos propres cas suffit à savoir s’il fait le travail. Dans un secteur régulé, la santé, la finance, le public, ou face à un appel d’offres qui exige la traçabilité, il faut soit un modèle vraiment open source, soit un éditeur qui signe ses engagements.
À l’usage, l’écart va de un à dix, parfois vingt. En septembre 2026, les modèles les plus récents d’Anthropic se facturent de 10 à 50 dollars le million de tokens produits, soit à peu près 700 000 mots ; les meilleurs modèles open weight, chez les hébergeurs qui les proposent, de 1 à 15 dollars. Mais le coût d’un projet d’IA n’est pas le prix du token. C’est l’intégration, l’hébergement et la maintenance, et là, l’open weight se paie en compétences plutôt qu’en factures.
Deux idées reçues à ranger. La première : « open weight, donc je l’héberge moi-même et c’est gratuit ». Les modèles ouverts les plus performants comptent de 750 à 2 800 milliards de paramètres. Les faire tourner dans une PME, c’est garer un porte-conteneurs sur le parking du personnel. En pratique, on les consomme par API chez un hébergeur, y compris européen, Scaleway par exemple, qui sert Qwen, DeepSeek, Mistral, gpt-oss ou GLM depuis ses centres de données à Paris : l’open weight vous offre le choix du fournisseur et un prix bas, pas l’indépendance. La seconde : « l’API, c’est cher ». Pour un volume modeste, le service client d’une PME ou une aide à la rédaction, l’écart se compte en dizaines d’euros par mois. Une heure d’ingénieur coûte plus.
L’indépendance réelle existe, une taille en dessous. Les modèles denses de 25 à 30 milliards de paramètres, comme Qwen3.8-27B, Gemma 4 ou Mistral Small 3.2, tournent sur un serveur d’entreprise avec une ou deux cartes graphiques. C’est là que les trois promesses se retrouvent enfin dans la même pièce : données chez vous, coût fixe, licence libre. Au prix d’un cran de performance en moins, que l’immense majorité des tâches d’entreprise ne remarquera pas.
Oui, mais il tient désormais en quelques points, et il ne se voit que sur les tâches les plus difficiles. En septembre 2026, les derniers modèles d’Anthropic tiennent la tête des classements indépendants : Fable 5.1 à 65,7 sur l’Intelligence Index d’Artificial Analysis, le meilleur open weight, Kimi K3, à 60. Sur les longues tâches de programmation autonome, l’avance est plus nette. Sur le résumé, l’extraction, la classification, la rédaction assistée ou le service client, un bon modèle open weight fait le travail sans rougir.
Trois précautions de lecture. Les scores viennent souvent des éditeurs, sur des tests qui diffèrent : ils donnent un ordre d’arrivée, pas un chrono au dixième. Le paysage change plus vite que les fonds d’écran : le meilleur modèle ouvert de l’été a rejoint le niveau des modèles propriétaires de la génération précédente, et en IA, la mode aussi a des soldes. Enfin, la seule performance qui compte est celle sur vos documents, dans votre langue, avec vos contraintes. Un test d’une journée sur vingt cas réels vaut tous les classements du monde.
| Pour votre entreprise | API propriétaire | Open weight | Open source complet |
|---|---|---|---|
| Où vont vos données | Chez l’éditeur, sous contrat | Chez vous, ou chez l’hébergeur que vous choisissez | Chez vous, ou chez l’hébergeur que vous choisissez |
| Ce que vous payez | À l’usage : 10 à 50 $ le million de tokens pour les modèles récents | 1 à 15 $ chez un hébergeur, ou vos serveurs pour les tailles moyennes | Vos serveurs, ou un hébergeur |
| Ce que vous pouvez vérifier | Les engagements du contrat | Le comportement, pas les données d’entraînement | Tout, données comprises |
| Ce que vous pouvez modifier | Peu, dans les limites de l’éditeur | Le modèle, en le spécialisant sur vos données | Le modèle et son entraînement |
| Le risque de licence | Changement de prix ou de conditions | Licence maison à lire : exclusions, usages interdits | Aucun, licence libre reconnue |
| Exemples | Claude, GPT, Gemini | Llama, Qwen, DeepSeek, Kimi, GLM, Mistral, Gemma | OLMo, Pleias, Lucie |
Partez de vos données, pas de la keynote. Si elles ne doivent pas sortir, un modèle open weight de taille moyenne, sur vos serveurs ou chez un hébergeur européen. Si vous voulez la meilleure qualité tout de suite pour un volume modeste, une API propriétaire, quitte à déménager plus tard. Si un régulateur ou un client exige la traçabilité, un modèle vraiment open source ou des engagements écrits. Dans tous les cas, lisez la licence avant le communiqué : elle est moins bien écrite, mais c’est elle qui compte.
Chez NATIVBIZ, ces cinq questions ouvrent chaque projet d’application métier qui embarque un modèle. Un design sprint de quelques jours suffit à y répondre avant d’écrire une ligne de code, et à choisir le modèle qui convient à vos données plutôt qu’au bruit de la semaine.
