Quand un éditeur met en téléchargement les paramètres de son modèle d’IA, c’est-à-dire les “poids”, il parle souvent d’“open source”. Mais de son côté l’Open Source Initiative (OSI), qui a publié en 2024 une définition de l’IA open source, n’est pas totalement satisfaite. Elle demande en plus des informations sur les données et le code d’entraînement. Passons donc en revue ce que recouvrent les poids, les licences et l’AI Act, le règlement européen sur l’IA.
La possibilité de télécharger un modèle d’IA ne donne pas pour autant le droit de l’étudier, de le modifier ou de le redistribuer comme un logiciel open source. Pourtant, l’étiquette « open source » accompagne de nombreux modèles. Mais ces derniers ne remplissent pas tous les critères nécessaires.
Poids téléchargeables : que faut-il comprendre ?
Un modèle d’IA repose sur un ensemble de paramètres. Ce sont des valeurs numériques, souvent par milliards, ajustées pendant l’entraînement. On les appelle les poids. Quand un éditeur annonce des « open weights », il met ces fichiers en téléchargement.
Mais le reste n’est pas garanti. Bien souvent, aucune information n'est disponible sur les données d’entraînement, le code qui a servi à fabriquer le modèle, ou les droits d’usage. L’expression est d’usage courant et n’a pas de définition aussi établie que celle du logiciel open source. Elle décrit pourtant la plupart des grandes familles actuelles : Llama, Qwen, Gemma, GLM-5 ou gpt-oss d'OpenAI. En quelque sorte, les éditeurs livrent le résultat final, mais pas le processus de fabrication.
Et c’est généralement ce sens un peu restrictif qui est retenu. Le catalogue de QuelleIA, daté du 2 novembre 2026, suit 851 modèles avec 648 modèles de langage et 203 modèles d’images et de vidéos. Le site définit un modèle à poids ouverts comme pouvant être téléchargé et pouvant tourner sur sa propre machine. À poids fermés, il ne s’utilise que par le service de son éditeur. Parmi les 255 modèles de langage classés, 131 ont des poids ouverts, soit environ 51 %. Sur l’ensemble des 648 fiches, 310 sont à poids ouverts et 241 à poids fermés. Plusieurs éditeurs ne communiquent pas sur la licence et peu d’information est partagée sur les données d’entraînement.
L’OSI a posé une définition, sans exiger les données brutes
Le 28 octobre 2024, l’Open Source Initiative (OSI) a publié la version 1.0 de sa définition de l’IA open source, appelée OSAID. Elle repose sur quatre libertés : utiliser, étudier, modifier et partager. Le texte les présente comme celles de l’open source et précise en note qu’elles dérivent de la définition du logiciel libre. Elle vaut pour un système entier comme pour un modèle, des poids ou des paramètres. Selon le texte officiel, des « poids open source » doivent donc inclure aussi les informations sur les données et le code qui ont servi à les produire. Plusieurs organisations ont participé à son élaboration, dont Mozilla, Hugging Face, la Wikimedia Foundation, Amazon, Microsoft et Meta. Le leader du marché OpenAI ne semble pas avoir pris part aux travaux.
Pour modifier un système, l’OSAID exige ce que l’OSI appelle sa « forme préférée », laquelle inclut des informations sur les données, ainsi que le code et les paramètres. L’éditeur doit décrire les données de manière assez détaillée pour qu’une personne qualifiée puisse construire un système substantiellement équivalent. Cela couvre leur provenance, leur sélection, l’étiquetage et le filtrage, y compris pour les données qu’il ne peut pas partager. Il doit aussi lister les données publiques et indiquer où les obtenir. En revanche, aucune clause n’oblige à publier le jeu de données lui-même.
Ce compromis fait débat. Des défenseurs du logiciel libre estiment qu’on ne modifie pas vraiment un modèle sans connaître ses données exactes. Précisons au passage que l’OSI ne certifie aucun modèle. Les listes « conformes OSAID » qui circulent sont des évaluations, pas un label.
Six points à vérifier, de l’API au modèle reproductible
Un modèle d’IA ne se résume pas à ses poids. Six éléments entrent en jeu. Les poids et leur fichier de configuration sont le minimum. Viennent ensuite le code d’inférence (celui qui fait tourner le modèle), le code d’entraînement et d’évaluation, et le code de traitement des données. S’ajoutent une fiche décrivant l’origine et le contenu des données (une « dataset card »), puis la recette d’entraînement, avec ses journaux et ses checkpoints, autrement dit, des sauvegardes du modèle à différentes étapes.
En bas de l’échelle, on trouve les modèles accessibles seulement via le service de leur éditeur, souvent par API. C’est le cas de Gemini 4 Carbon, de GPT-6 Astra ou de Claude Opus 5.5, tous listés à poids fermés. Au-dessus, les open weights avec une licence propre à l’éditeur, puis les open weights sous licence permissive. Il y a ensuite des publications qui documentent les données. NVIDIA présente par exemple Nemotron comme un ensemble de modèles livrés avec leurs poids, leurs données d’entraînement et leurs recettes.
Et puis, tout en haut, il y a le modèle complètement ouvert. Ai2 publie par exemple OLMo sous Apache 2.0 avec les poids, le code d’entraînement et les données. On peut donc le reconstruire et l’auditer de bout en bout. Cette ouverture complète reste rare.
OpenAI, Google, Alibaba, Meta : des modèles ouverts, d’autres fermés
Pour compliquer la donne, la politique des éditeurs n’est pas soit noire soit blanche. Chez OpenAI, par exemple, GPT-6 Astra est à poids fermés alors que gpt-oss-120b est à poids ouverts. Chez Google DeepMind, Gemini 4 Carbon est fermé et Gemma 4 31B IT ouvert. Chez Alibaba, Qwen 3.8 Max est fermé et Qwen 3.8 27B ouvert…
C’est d’ailleurs plus ou moins la même chose chez Meta. La gamme Muse Spark est listée à poids fermés, tout comme Muse Wonder. Muse Spark Open et Muse Glimmer font exception, et Llama 4 reste classé à poids ouverts. Mistral AI mêle aussi les deux approches avec une ouverture de Mistral Large 4 contrairement à Mistral Medium 3.1.
Dans le classement de QuelleIA portant sur les mesures de performances, les quinze premiers rangs reviennent à des modèles à poids fermés. Le premier modèle à poids ouverts, DeepSeek V4.1 Flash 1017, arrive au rang 16, avec un score de 91,2 contre 100,5 pour Gemini 4 Carbon, en tête. Parmi les modèles classés, les poids ouverts viennent surtout de Chine avec 72 des 131 modèles ouverts, contre 43 américains et 15 français. Côté fermé, 109 des 124 modèles sont américains.
Licence maison ou MIT : la ligne qui change tout
MIT et Apache 2.0, les deux licences permissives
DeepSeek, GLM et Phi sortent sous MIT. Gpt-oss et Qwen3 sont sous Apache 2.0. Ces deux licences sont reconnues par l’OSI. L’Apache 2.0 comprend une concession de brevets et demande une attribution. Le texte du MIT est plus court et ne prévoit pas cette concession. Il autorise la distillation, laquelle consiste à entraîner un modèle à partir des réponses d’un autre.
Ces licences dominent le tableau : sur les 68 modèles classés à poids ouverts dont la licence est renseignée, 26 sont sous Apache 2.0 et 21 sous MIT. Elles ne règlent pas pour autant le reste : les données et la recette d’entraînement relèvent d’autres critères.
Llama, Muse, Gemma 3 : des licences qui posent des limites
Llama (Meta) reste un open weights, mais pas de l’open source au sens de l’OSI. Sa licence fixe des conditions : au-delà d’un certain nombre d’utilisateurs actifs par mois, une entreprise doit obtenir un accord séparé de Meta. Une limite liée à l’usage fait échouer le test de l’OSI, même quand les poids se téléchargent librement. L’OSI avait déjà reproché à Meta de présenter Llama comme open source.
Chez Meta, on retrouve trois régimes : la licence Llama 4, une “Muse Model License” pour Muse Spark Open et l’Apache 2.0 pour Muse Glimmer. Chez Google, les quatre Gemma 3 sont sous une licence “Gemma”. Celle-ci impose des usages interdits et laisse à Google le droit de couper l’accès.
Parmi les 68 modèles dont la licence est renseignée, cinq sont sous MIT modifiée, c’est-à-dire avec des conditions ajoutées, comme Kimi K2.6 ou MiniMax-M3. Seize relèvent d’un autre texte : Llama, Gemma 3, Nemotron ou Kimi K3.
Gemma 4, Command A+, Mistral Large 4 : quand la licence change
Google a changé de stratégie. Gemma 4, publié le 2 avril 2026, passe sous Apache 2.0. Chez Cohere, Command A est sous CC-BY-NC-4.0, une licence qui exclut l’usage commercial. Command A+ est publié sous Apache 2.0 depuis mai 2026.
Mistral Large 4 est un cas à part. Le tableau l’indique sous Apache 2.0, avec le 6 octobre 2026 pour date de sortie. Cette date est celle de la préversion, publiée sans licence. Les poids sont sortis le 29 octobre sous la licence Mistral Ecosystem Open-Weight, décrite comme une licence MIT modifiée. Elle autorise l’usage, la modification et la commercialisation. Les entreprises qui exploitent le modèle comme un service (le “Model-as-a-Service”) doivent en revanche conclure une licence commerciale avec Mistral.
Pour les autres modèles de la marque, le guide de sélection de Mistral indique que Large 3 et Small 4 sont sous Apache 2.0 et Medium 3.5 sous MIT modifiée.
Une licence par modèle, pas par marque
Même au sein d’une famille, les textes varient : pour Nemotron, NVIDIA utilise “Nemotron Open”, “NVIDIA Nemotron Open Model License” et OpenMDW-1.1. La licence se fixe donc modèle par modèle. Un identifiant SPDX sur une fiche ne prouve pas non plus que la licence soit approuvée par l’OSI. Il faut vérifier celle du modèle que l’on télécharge.
AI Act : l’exemption « open source » a ses conditions
Le règlement européen sur l’IA, l’AI Act, impose des obligations aux fournisseurs de modèles d’IA à usage général. Elles s’appliquent depuis le 2 août 2025. Quatre figurent à l’article 53 : la documentation technique, les informations destinées aux fournisseurs qui intègrent le modèle dans leurs systèmes, la politique de respect du droit d’auteur et le résumé public des contenus d’entraînement.
L’article 53(2) dispense les modèles ouverts des deux premières. La politique de respect du droit d’auteur et le résumé des contenus d’entraînement restent dus. L’article 54(6) dispense en plus les fournisseurs établis hors de l’Union de désigner un représentant dans l’Union.
Pour en bénéficier, la licence doit être libre et autoriser l’accès, l’usage, la modification et la distribution. Les poids, l’architecture et les informations d’usage doivent être publics.
Quand l’exemption disparaît
Premier cas : le risque systémique. L’exemption disparaît entièrement pour les modèles à risque systémique, c’est-à-dire ceux dont l’entraînement dépasse 10²⁵ FLOP ou que la Commission désigne. Ils restent soumis à l’ensemble des obligations prévues pour ces modèles, même quand leurs poids sont ouverts.
Second cas : la monétisation. Le point 103 du préambule exclut les composants fournis contre un prix ou monétisés d’une autre façon, par exemple avec du support technique ou d’autres services. Il vise aussi l’usage de données personnelles à d’autres fins que la sécurité, la compatibilité ou l’interopérabilité. Mettre un composant à disposition sur un dépôt ouvert n’est pas une monétisation en soi. Les lignes directrices de la Commission détaillent les indicateurs, comme les modèles de licences commerciales.
Une définition différente de celle de l’OSAID
L’AI Act ne définit pas l’open source par une licence précise. La Commission admet certaines restrictions limitées, par exemple pour des raisons de sécurité. Ces exemptions ne sont pas reprises par l’OSAID. Les deux textes ne posent donc pas les mêmes exigences. Pour obtenir l’exemption, l’AI Act n’exige ni le code d’entraînement ni la description détaillée des données que demande l’OSAID.
Côté européen, des projets à poids ouverts à examiner un par un
Parmi les 648 modèles de langage du tableau de QuelleIA, 40 sont français, contre 329 américains et 201 chinois. Mistral AI en compte 38 et OpenLLM-France 2. Trente-deux de ces 40 modèles sont à poids ouverts. Pour les seuls modèles classés, 15 des 19 modèles français le sont. Le tableau recense aussi quatre projets publics européens, tous indiqués sous Apache 2.0 : Apertus, Luciole, EuroLLM et ALIA. Ce qu’ils publient en plus des poids diffère de l’un à l’autre.
Apertus : poids, code et données annoncés comme ouverts
Apertus vient de Swiss AI, l’initiative de l’EPFL et de l’ETH Zurich. Sa page de présentation parle de “poids ouverts, données ouvertes, science ouverte” et affirme que les données d’entraînement, le code, les poids, les méthodes et les principes d’alignement sont “documentés et reproductibles”. Le projet dit aussi employer des techniques pour respecter les demandes de retrait des ayants droit, supprimer les données personnelles et limiter la mémorisation.
L’European Open Source AI Index, un catalogue qui évalue l’ouverture des modèles (poids, code, données, documentation, licences), confirme l’essentiel. Il liste les données d’entraînement du modèle de base comme publiées, avec une fiche du modèle et des fiches de données. Le code est réparti sur plusieurs dépôts. Les poids et le code sont sous Apache 2.0, les données sous un mélange de licences, dont OpenRAIL et ODC-By. Le rapport technique existe, et son examen par des pairs est en cours.
Luciole : le code et les données de post-entraînement sont publiés
Luciole est la famille de modèles d’OpenLLM-France, en trois tailles : 1, 8 et 23 milliards de paramètres. La fiche du modèle 23B Instruct indique une licence Apache 2.0, un code d’entraînement publié sur GitHub et un jeu de données de post-entraînement public, qui couvre les mathématiques, les sciences, le code, la conversation, le RAG (réponses appuyées sur des documents) et la traduction. Elle ne décrit pas les données du pré-entraînement, et son rapport technique est annoncé comme “bientôt disponible”. Le modèle de base a été pré-entraîné avec environ 30 % de données françaises.
Son prédécesseur, Lucie-7B, est mieux documenté. Ses auteurs publient les poids, des points de contrôle intermédiaires, le code de préparation des données et d’entraînement, et le jeu de données “sous la forme utilisée pour l’entraînement”. Environ 0,2 % des données ne sont pas redistribuées, mais leur contenu est décrit. Les auteurs écrivent que Lucie-7B est “l’un des premiers modèles de langage conformes à l’OSI”. Mais c’est leur affirmation, car encore une fois, l’OSI ne certifie aucun modèle.
EuroLLM : un jeu de fine-tuning publié, le pré-entraînement décrit
EuroLLM est développé par un consortium d’universités et d’entreprises européennes, dont l’Instituto Superior Técnico de Lisbonne, l’université d’Édimbourg, Unbabel, l’université Paris-Saclay et Sorbonne Université, avec un financement de l’Union européenne. La fiche du modèle 22B indique 35 langues, une licence Apache 2.0 et un entraînement sur 4 000 milliards de jetons. Elle ne précise pas si les données ou le code d’entraînement sont publiés.
Le European Open Source AI Index donne plus de détails. Le jeu de données de fine-tuning, EuroBlocks-SFT-2512, est publié sur Hugging Face. Les données de pré-entraînement sont décrites dans le rapport technique, sans être présentées comme publiées. Le code d’entraînement renvoie au framework public Axolotl, et non à un code propre au projet.
ALIA : poids et code sous Apache 2.0, des données sous licences variées
ALIA est le projet de modèles de langage du Barcelona Supercomputing Center. Selon une étude de cas de l’Observatoire de l’open source de la Commission européenne, les poids, le code de déploiement et le code d’entraînement sont sous Apache 2.0. Les scripts d’entraînement et les fichiers de configuration sont publics.
Mais la donne est différente en ce qui concerne les données. Le même document les décrit comme régies par un mélange de licences selon les sources : Common Crawl en CC0, dépôts GitHub sous leurs licences d’origine, Wikimedia en CC BY-SA 4.0, EurLex en CC BY 4.0, et d’autres corpus obtenus par accords spécifiques.
Licence, données, code : trois lignes à lire avant la mention “open source”
Environ la moitié des modèles de langage classés ont des poids ouverts. Cette étiquette ne dit rien de la licence, qui se fixe modèle par modèle, ni de ce que l’éditeur publie autour des poids. Les projets européens le montrent : Apertus, Luciole, EuroLLM et ALIA sont tous sous Apache 2.0, mais ne documentent pas leurs données de la même façon.
Les textes de référence ne mesurent pas non plus la même chose. L’OSAID demande des informations sur les données et sur le code d’entraînement. L’AI Act exempte en partie les modèles dont les poids, l’architecture et les informations d’usage sont publics, sans exiger ces éléments, et retire l’exemption aux modèles à risque systémique ou monétisés. Un modèle peut donc être exempté au titre du règlement sans être open source au sens de l’OSI. Pour juger un modèle, la licence, la fiche du modèle et la documentation du projet restent les trois pièces à lire.
