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