Définition

Open Source en IA

Modèles ou bibliothèques dont le code source et les poids sont accessibles publiquement (ex: Llama de Meta, Mistral).

Publié le 4 mars 2026par ZoneIA

L’open source en IA désigne des modèles, bibliothèques et outils publiés avec une licence permettant d’inspecter, utiliser, modifier et redistribuer tout ou partie du projet. Dans le cas des modèles, cela implique souvent l’accès au code d’entraînement/inférence et parfois aux poids (paramètres appris). Cette disponibilité favorise la transparence, l’auditabilité et l’innovation.

Comment ça fonctionne

Un projet open source en IA est généralement distribué via un dépôt (GitHub, GitLab) et un hub de modèles. On y trouve :

  • le code (prétraitement, architecture, pipeline d’inférence),
  • des poids téléchargeables (ou un script pour les récupérer),
  • une licence précisant les droits et limites (usage commercial, redistribution, attribution, etc.),
  • de la documentation et des exemples.

Open source ou open weights ?

Beaucoup de modèles dits « open source » sont en réalité en open weights : les poids sont téléchargeables, mais les données d’entraînement ne sont pas publiées et la licence peut limiter l’usage (la licence communautaire de Llama, par exemple, impose des restrictions). Certaines licences, comme Apache 2.0 ou MIT, sont en revanche réellement ouvertes. L’Open Source Initiative réserve l’appellation « open source AI » aux modèles dont le code, les paramètres et des informations suffisantes sur les données permettent de les étudier, de les modifier et de les réutiliser.

À quoi ça sert

  • Reproductibilité : comprendre et vérifier les résultats.
  • Personnalisation : fine-tuning, quantification, déploiement sur GPU/CPU.
  • Souveraineté : exécuter localement sans dépendre d’une API externe.
  • Sécurité : audit du code, analyse des dépendances.

Exemples d’usage

Créer un chatbot interne avec un modèle open weights, intégrer une bibliothèque comme Transformers, ou adapter un modèle à un domaine (support client, juridique) via fine-tuning ou RAG.