Open-weights vs propriétaire
IA / LLM 🟡 MidDéfinition
Un modèle open-weights publie ses paramètrès téléchargeables (Llama 4, Mistral Small 4, DeepSeek-V4.1-Flash, Qwen3.8), auto-hébergeable et modifiable ; un modèle propriétaire (Claude, GPT, Gemini) n'est accessible que par API. L'Open Source AI Définition 1.0 de l'OSI exige davantage : informations sur les données, code d'entraînement et paramètrès sous licence approuvée. Peu de modèles « open » la respectent, et les licences varient (Apache 2.0, MIT, licence Llama restrictive).
Analogie
Acheter la recette et cuisiner chez soi, ou commander au restaurant : liberté et charge d'un côté, simplicité de l'autre.
Exemple de code
# Grille de décision open-weights vs API propriétaire
donnees_sensibles: open-weights sur votre infra (ou API avec ZDR + DPA)
volume_tres_eleve: open-weights amorti sur GPU dédiés (vLLM)
qualite_frontiere: API propriétaire (Fable, GPT-6 Astra, Gemini Pro)
equipe_sans_mlops: API propriétaire
fine_tuning_maison: open-weights (LoRA sur Qwen, Mistral, Llama)
licences_a_verifier:
- Apache 2.0 : Mistral Small 4, Qwen3.8-27B
- MIT : DeepSeek-V4.1-Flash
- Llama : licence propre + politique d'usageCas d'usage
Arbitrage architecture en entretien : souveraineté, coût marginal, qualité, charge opérationnelle.
Anti-pattern
Dire « open source » pour un modèle sous licence d'usage restrictive.
Termes liés
Sources
Fiche mise à jour le 2026-09-27