IA ouverte : pourquoi les poids ne suffisent pas

Les poids téléchargeables ne disent pas tout : licence, code et informations sur les données déterminent ce qu’un modèle d’IA permet réellement d’étudier, de modifier et de redistribuer.

Télécharger les poids d’un modèle d’IA peut permettre de l’exécuter — parfois de le modifier — sans passer par le service de son éditeur, si les autres éléments nécessaires et les conditions d’usage le permettent. Mais cela ne suffit pas à savoir comment il a été fabriqué, quelles données ont contribué à son entraînement ni ce que sa licence autorise. Pour juger si un modèle est réellement ouvert, il faut distinguer disponibilité, documentation et liberté d’usage.

Les poids donnent accès au modèle, pas à toute sa fabrication

Les poids sont les paramètres numériques ajustés pendant l’entraînement. Ils influencent la manière dont le modèle transforme une entrée en réponse. Lorsqu’un éditeur les propose au téléchargement, il donne accès à une composante essentielle du modèle et peut permettre à des utilisateurs de l’exécuter sur leur propre infrastructure.

Ce geste ne révèle pas automatiquement le code d’entraînement, le traitement des données ou les droits associés à la redistribution et à la modification. « Open weights » décrit donc une disponibilité matérielle : les fichiers sont accessibles. L’expression ne garantit pas, à elle seule, que l’utilisateur puisse étudier et réutiliser le système sans restriction.

Cette différence compte dans la pratique. Une organisation qui veut héberger un modèle elle-même peut trouver les poids suffisants pour certains usages, sous réserve de la licence et des besoins techniques. Une équipe qui veut comprendre le comportement du modèle, le modifier en profondeur ou reconstruire un système comparable a besoin d’autres éléments : documentation, code et informations sur les données.

Ce que demande la définition de l’OSI

L’Open Source Initiative (OSI) a publié en 2024 la version 1.0 de l’Open Source AI Definition, ou OSAID. Ce texte n’est pas une loi universelle ni une certification automatique. C’est un référentiel qui transpose à l’IA des libertés centrales de l’open source : utiliser le système, étudier son fonctionnement, le modifier et le partager, sans devoir demander une autorisation pour chaque usage.

Pour rendre ces libertés effectives, l’OSAID demande la « forme préférée » pour modifier un système d’apprentissage automatique. Elle comprend les paramètres, dont les poids, mais aussi le code complet ayant servi à traiter les données, entraîner et faire fonctionner le système. Elle comprend enfin des informations suffisamment détaillées sur les données pour qu’une personne qualifiée puisse construire un système substantiellement équivalent.

Cette exigence ne signifie pas que toutes les données brutes doivent être publiées. La définition demande notamment une description complète des données utilisées, y compris celles qui ne peuvent pas être partagées, leur provenance, leur sélection, leur étiquetage et leur traitement. Elle prévoit aussi une liste des données d’entraînement accessibles publiquement et des indications pour les obtenir. La distinction est importante : documenter les matériaux et le processus n’équivaut pas nécessairement à diffuser chaque fichier source.

L’OSI précise que ces critères s’appliquent aussi aux modèles et aux poids présentés comme open source. Un téléchargement peut donc offrir une réelle possibilité d’expérimentation tout en restant insuffisant au regard de cette définition, si le code ou les informations sur les données manquent. Pour examiner une annonce, il faut comparer la documentation effectivement fournie à ces exigences, plutôt que s’en tenir à l’étiquette choisie par l’éditeur.

Une licence ouverte ne règle pas toutes les questions

La licence détermine les permissions et les conditions d’utilisation. Des licences permissives comme MIT ou Apache 2.0 autorisent généralement un large éventail d’usages, mais elles ne disent pas, à elles seules, si les données et la recette d’entraînement sont documentées. Inversement, la présence de poids accessibles ne garantit pas une liberté complète : une licence peut restreindre certains usages ou imposer des conditions particulières.

Il faut donc examiner le modèle précis, et non déduire ses droits de la réputation de son éditeur ou du nom d’une famille. Une même entreprise peut proposer des modèles fermés, des modèles à poids accessibles sous des conditions propres, et d’autres sous une licence plus permissive. La licence de la version téléchargée, ses éventuelles restrictions et les règles de redistribution doivent être vérifiées séparément.

Pour un usage professionnel, cette lecture n’est pas un détail juridique abstrait. Elle peut déterminer si le modèle peut être intégré à un service commercial, redistribué à des clients ou adapté à un besoin interne. Elle ne répond toutefois pas à toutes les questions de fiabilité : une licence ouverte ne démontre ni la qualité des réponses ni l’absence de biais ou d’erreurs.

Une grille de lecture avant de choisir

Face à un modèle présenté comme ouvert, trois vérifications donnent un premier repère. D’abord, les poids sont-ils réellement accessibles, et peut-on exécuter le modèle dans les conditions annoncées ? Ensuite, quelle licence couvre précisément cette version, et que permet-elle pour l’usage commercial, la modification et la redistribution ? Enfin, le projet publie-t-il le code et des informations assez précises sur les données et l’entraînement pour permettre un examen indépendant ou une reproduction substantielle ?

Ces questions séparent des besoins souvent confondus. Pour tester un modèle ou l’héberger en interne, les poids et une licence compatible peuvent suffire. Pour l’auditer, le modifier ou comprendre comment les données ont façonné ses réponses, l’accès aux poids ne remplace pas la documentation. Et pour évaluer ses performances, il faut encore des tests adaptés à la tâche envisagée : l’ouverture ne constitue pas un score de qualité.

L’expression « open source » ne devrait donc pas servir de raccourci pour dire « téléchargeable », pas plus qu’elle ne garantit qu’un système soit transparent dans tous ses effets. La question utile est plus concrète : quels composants sont accessibles, sous quelles conditions, et avec quelles informations peut-on réellement comprendre ou modifier le modèle ?