Le rapport State of Open Source AI de Mozilla, publié le 15 septembre, indique que les organisations devraient utiliser par défaut des modèles ouverts pour la plupart de leurs activités. Le modèle Kimi K3 à poids ouverts de Moonshot AI n’est qu’à trois points du modèle fermé Fable 5 d’Anthropic dans l’Artificial Analysis Intelligence Index, tout en fonctionnant à 30 % de son coût. Selon Raffi Krikorian, CTO de Mozilla, les modèles fermés offrent un avantage pour les tâches professionnelles nécessitant une expertise, l’accès intensif à l’information et les contextes longs. Ils sont également privilégiés parce qu’ils sont prêts à l’emploi et proposent des dispositifs de conformité, une assistance et une responsabilisation. Bien que les modèles à poids ouverts puissent être téléchargés, les données d’entraînement, le pipeline de données et le code d’entraînement ne sont généralement pas partagés.
DoorDash utilise Kimi pour les tâches courantes et Fable pour les missions plus difficiles. Les données de METR sur l’« horizon temporel », mesuré d’après le temps nécessaire à des experts humains pour accomplir une tâche, montrent que le meilleur modèle fermé peut effectuer des tâches 1,7 fois plus longues que celles que le meilleur modèle ouvert peut mener à bien de manière fiable. Krikorian a déclaré que, lorsqu’un modèle ouvert peut réaliser une tâche de sept heures, un modèle fermé peut en achever une de 12 heures ; quatre mois plus tard, le modèle ouvert atteint 12 heures, contre environ 20 heures pour le modèle fermé. Si les tâches de moins de huit heures peuvent être confiées aux deux types de modèles, l’écart actuel apparaît principalement pour les tâches de huit à 12 heures. Globalement, aucun modèle ne peut accomplir de manière fiable des tâches de plus de 12 heures.
Les couches logicielles spécifiques qui permettent aux modèles d’accéder aux outils et à la mémoire peuvent influer sur les comparaisons. Lors de l’évaluation Terminal-Bench 2.1 réalisée avec le logiciel neutre de Vals AI, le modèle GLM 5.2 de Z.ai s’est approché à un point près des modèles Claude Opus 4.7 et 4.8 d’Anthropic, tout en étant environ cinq fois moins cher par tâche accomplie. Ainsi, payer pour des modèles fermés ne procure un avantage de quatre mois que pour les tâches de huit à 12 heures, à un coût environ cinq fois supérieur.
En août 2026, huit des 10 premiers modèles sur OpenRouter en volume de tokens sont à poids ouverts. En revanche, selon les données de mai à septembre 2025 d’une étude de la Linux Foundation, les modèles ouverts ont capté 4 % des revenus, contre 96 % pour les modèles fermés. Krikorian a indiqué que la concentration des meilleurs modèles ouverts en Chine et des modèles fermés aux États-Unis constituait un risque. Il a préconisé, pour créer un écosystème alternatif aux États-Unis et en Europe, le soutien de programmes publics de calcul, de fondations neutres, d’entreprises et d’organisations philanthropiques ; il a souligné qu’il était difficile de faire confiance à des modèles dont les processus d’entraînement et d’évaluation étaient inconnus.
Pourquoi est-ce important ?
Ce tableau montre que, pour les organisations, il est plus pertinent de choisir en fonction de la durée des tâches, du coût, du support et des exigences de conformité plutôt que de s’en tenir à un seul type de modèle. Si les modèles à poids ouverts réduisent la pression sur les coûts pour les tâches courantes et courtes, l’avantage des modèles fermés devient plus net pour les tâches plus longues et nécessitant une expertise ; toutefois, le fait qu’aucune option ne puisse accomplir de manière fiable des tâches dépassant 12 heures maintient les limites de l’automatisation. La possibilité que les résultats varient en fonction des couches logicielles propriétaires montre que les comparaisons ne doivent pas se limiter aux seuls scores de performance bruts. La concentration de l’utilisation sur les modèles ouverts et celle des revenus sur les modèles fermés mettent en évidence la distinction entre adoption et valeur commerciale ainsi que le rôle des services de support. Par ailleurs, l’incohérence dans la dénomination des modèles Anthropic dans la source rend nécessaire la vérification des comparaisons.
Terme : poids ouverts
Les poids ouverts désignent le fait que les paramètres entraînés d’un modèle d’intelligence artificielle peuvent être téléchargés ; puisque les données d’entraînement et le code peuvent ne pas être ouverts, cette notion n’est pas synonyme de logiciel open source.