Open-Weight : Définition, Différence avec l'Open Source et Usage en Entreprise
Mistral, LLaMA, Qwen, DeepSeek, Gemma : ces modèles sont souvent présentés comme « open source ». Dans la grande majorité des cas, le terme exact est open-weight. La nuance n'est pas qu'une querelle de vocabulaire : elle détermine ce que vous avez réellement le droit de faire avec le modèle, et ce que vous savez (ou non) de la façon dont il a été construit.
Ce guide explique ce qu'est un modèle open-weight, en quoi il diffère d'un modèle open source ou d'un modèle fermé comme ChatGPT, quelles licences vérifier avant de l'utiliser, et pourquoi c'est aujourd'hui la brique de base de toute IA installée dans les locaux d'une entreprise.
DéfinitionQu'est-ce qu'un modèle open-weight ?
Un modèle open-weight (en français, « modèle à poids ouverts ») est un modèle d'intelligence artificielle dont l'éditeur publie les poids, c'est-à-dire les paramètres obtenus à l'issue de l'entraînement. Ces fichiers sont téléchargeables : vous pouvez faire tourner le modèle sur votre propre machine, l'adapter à vos besoins et le déployer dans votre infrastructure.
En revanche, un modèle open-weight ne fournit généralement ni les données d'entraînement, ni le code complet qui a servi à l'entraîner. Vous disposez du résultat final, pas de la recette. L'Open Source Initiative (OSI) le résume ainsi : les poids ouverts donnent seulement « un aperçu de l'état final du modèle ».
Que sont les « poids » d'un modèle ?
Pendant l'entraînement, un modèle de langage ajuste des milliards de valeurs numériques pour apprendre à prédire la suite d'un texte. Ces valeurs, les poids, encodent tout ce que le modèle a « appris ». Une fois l'entraînement terminé, elles sont figées dans des fichiers. Publier les poids revient à publier le cerveau du modèle, prêt à l'emploi, sans révéler les manuels scolaires qui l'ont formé.
Open-weight, open source ou fermé : quelle différence ?
On distingue trois grandes familles de modèles selon leur degré d'ouverture. La confusion vient du fait que le mot « open source » est très souvent utilisé, y compris par les éditeurs eux-mêmes, pour désigner des modèles qui ne sont en réalité qu'open-weight.
| Critère | Modèle fermé | Open-weight | Open source (au sens OSI) |
|---|---|---|---|
| Poids du modèle | ❌ Non publiés | ✅ Téléchargeables | ✅ Téléchargeables |
| Code d'entraînement | ❌ | ❌ Rarement | ✅ Publié |
| Données d'entraînement | ❌ | ❌ Non (ou très partiellement) | ✅ Publiées ou décrites en détail |
| Exécution sur votre serveur | ❌ API uniquement | ✅ Oui | ✅ Oui |
| Licence | Conditions du service | Variable selon l'éditeur | Licence approuvée OSI |
| Exemples | ChatGPT, Claude, Gemini | Mistral, LLaMA, Qwen, DeepSeek, Gemma | OLMo (Allen Institute) |
Ce qu'exige la définition officielle de l'IA open source
L'OSI a publié en 2024 l'Open Source AI Definition (OSAID). Pour qu'un système d'IA soit considéré comme open source, elle exige quatre libertés : l'utiliser, l'étudier, le modifier et le partager. Pour les rendre réelles, il faut avoir accès aux poids, mais aussi au code d'entraînement et à une information suffisamment détaillée sur les données. Selon l'OSI, les poids seuls « ne suffisent pas » : sans le processus d'entraînement, reproduire le modèle ou auditer ses biais devient presque impossible.
C'est pour cette raison que la plupart des modèles que l'on qualifie couramment d'« open source » sont, en toute rigueur, open-weight. Dans notre guide sur le LLM local open source, nous utilisons le terme courant, mais la distinction reste importante dès qu'il s'agit de licence.
PanoramaLes principales familles de modèles open-weight
Le paysage évolue vite, avec de nouvelles versions tous les quelques mois. Plutôt que de citer des versions précises qui seront dépassées, voici les familles de référence en 2026 :
Mistral (Mistral AI)
L'éditeur français de référence. Une partie de ses modèles est publiée sous licence Apache 2.0, très permissive. Un atout pour les entreprises attachées à la souveraineté.
LLaMA (Meta)
La famille qui a popularisé les modèles à poids ouverts. Diffusée sous une licence communautaire propre à Meta, avec ses propres conditions.
Qwen (Alibaba)
Très large gamme de tailles, bonnes performances multilingues. Une grande partie des modèles récents est sous licence Apache 2.0.
DeepSeek
Reconnu pour ses modèles de raisonnement. Certains modèles sont publiés sous licence MIT, l'une des plus ouvertes qui soient.
Gemma (Google)
La déclinaison ouverte de la technologie Gemini. Des modèles compacts, adaptés à du matériel modeste, sous conditions d'utilisation Google.
Phi (Microsoft) et gpt-oss (OpenAI)
Même les éditeurs de modèles fermés publient désormais des modèles à poids ouverts. OpenAI a rejoint le mouvement en août 2025 avec gpt-oss.
Pour vous aider à choisir selon votre usage et votre matériel, nous avons comparé ces familles dans notre guide des LLM locaux pour PME.
Le point juridiqueLicences open-weight : ce que le terme ne dit pas
« Open-weight » décrit ce qui est publié, pas ce que vous avez le droit d'en faire. Deux modèles open-weight peuvent avoir des conditions d'utilisation radicalement différentes. Avant tout déploiement commercial, c'est la licence qui fait foi.
| Famille | Licence (selon les modèles) | Point d'attention |
|---|---|---|
| Mistral | Apache 2.0 pour une partie des modèles | D'autres modèles de la gamme sont sous licence plus restrictive, limitée au développement et à l'évaluation |
| LLaMA | Licence communautaire Meta | Accord séparé requis au-delà de 700 millions d'utilisateurs actifs mensuels, politique d'usage à respecter |
| Qwen | Apache 2.0 pour la plupart des modèles récents | Certains modèles restent sous licence propre à Alibaba |
| DeepSeek | MIT pour certains modèles | La provenance des données d'entraînement reste une question ouverte |
| Gemma | Conditions d'utilisation Google | Liste d'usages interdits à respecter |
| gpt-oss / Phi | Apache 2.0 / MIT | Licences permissives, peu de restrictions commerciales |
Pour une PME, la plupart de ces licences autorisent un usage interne sans difficulté. Les restrictions concernent surtout les très grandes plateformes, la redistribution du modèle ou certains usages sensibles. Un audit préalable permet de valider le bon modèle pour votre cas d'usage, licence comprise.
Pour l'entreprisePourquoi l'open-weight change la donne pour les PME
Chez Gartner, l'analyste Deepak Seth compare les modèles open-weight à « des toiles vierges que l'on peut peindre soi-même », cité par Le Monde Informatique. Pour une entreprise, cette liberté se traduit par quatre avantages concrets.
Vos données restent chez vous
Le modèle tourne sur votre serveur : vos questions, vos documents et les réponses ne transitent par aucun service tiers. Vous échappez à l'exposition au Cloud Act et simplifiez votre conformité RGPD.
Un coût maîtrisé
Pas de facturation au nombre de requêtes ni par utilisateur. L'investissement porte sur le matériel et l'installation, sans abonnement récurrent au modèle.
Un modèle adapté à votre métier
Vous pouvez connecter le modèle à vos documents ou l'ajuster à votre vocabulaire. Notre comparatif RAG ou fine-tuning explique quelle approche choisir.
L'indépendance vis-à-vis des éditeurs
Personne ne peut retirer, modifier ou renchérir le modèle que vous avez installé. Il fonctionne sans dépendre d'internet, et vous décidez seul du moment où vous passez à une version plus récente.
C'est ce qui fait de l'open-weight la brique de base d'une IA locale et, plus largement, d'une IA souveraine. Sans poids téléchargeables, aucune installation dans vos locaux n'est possible.
Notre audit gratuit identifie le modèle, la licence et le matériel adaptés à vos usages.
Les limites des modèles open-weight
Les modèles à poids ouverts ne sont pas une solution miracle. Voici ce qu'il faut savoir avant de se lancer.
Des performances parfois en retrait
Sur les tâches les plus complexes, les plus grands modèles fermés gardent souvent une longueur d'avance. Pour la majorité des usages d'une PME (rédaction, synthèse, recherche dans des documents, tri d'emails), l'écart est rarement décisif.
Un besoin de matériel adapté
Plus le modèle est grand, plus il demande de mémoire graphique. Le choix du modèle et celui du serveur pour IA locale vont de pair.
La sécurité reste à votre charge
Les mises à jour et correctifs ne s'appliquent pas automatiquement. Téléchargez vos modèles depuis les sources officielles et prévoyez leur maintenance, comme pour tout logiciel installé chez vous.
Une transparence limitée sur l'entraînement
Sans accès aux données d'entraînement, il est difficile d'auditer les biais du modèle. Pour les décisions sensibles, gardez toujours une validation humaine.
Comment utiliser un modèle open-weight dans votre entreprise
Déployer un modèle à poids ouverts suit toujours la même logique, que vous partiez d'un simple poste de travail ou d'un serveur dédié.
Choisir le modèle selon l'usage et la licence
Rédaction, code, analyse de documents : chaque famille a ses points forts. Vérifiez la licence avant tout usage commercial.
Dimensionner le matériel
La taille du modèle détermine la mémoire nécessaire. Un modèle compact tourne sur un poste de bureau, un modèle plus grand demande une carte graphique dédiée.
Installer le moteur et l'interface
Des outils comme Ollama téléchargent et exécutent le modèle, Open WebUI fournit une interface proche de ChatGPT pour vos équipes.
Connecter vos documents
Avec le RAG, le modèle répond à partir de vos propres fichiers, sans qu'ils quittent votre réseau.
Pour le pas-à-pas complet, suivez notre guide pour installer une IA en local. Pour interroger vos fichiers, voyez comment interroger vos documents d'entreprise avec une IA locale.
FAQQuestions fréquentes sur les modèles open-weight
Open-weight veut-il dire gratuit ? ▾
Le téléchargement des poids est généralement gratuit, mais l'usage reste encadré par la licence du modèle. Surtout, faire tourner un modèle a un coût : le matériel, l'électricité et l'installation. La différence avec un service cloud est que ce coût est maîtrisé, sans facturation à la requête.
Un modèle open-weight est-il open source ? ▾
Pas au sens strict. La définition de l'Open Source Initiative exige, en plus des poids, le code d'entraînement et une information détaillée sur les données. La plupart des modèles dits « open source » sont en réalité open-weight. Seuls quelques projets, comme OLMo de l'Allen Institute, publient l'ensemble.
Peut-on utiliser un modèle open-weight à des fins commerciales ? ▾
Oui dans la plupart des cas, mais cela dépend de la licence. Les licences Apache 2.0 et MIT autorisent un usage commercial très large. D'autres licences imposent des conditions : seuil d'utilisateurs, politique d'usage, ou restriction au développement et à l'évaluation. Vérifiez toujours la licence du modèle précis que vous installez.
Quelle différence entre un modèle open-weight et ChatGPT ? ▾
ChatGPT est un service fermé : vous l'utilisez via internet et vos données sont traitées sur les serveurs d'OpenAI. Un modèle open-weight s'installe sur votre propre machine : vos données ne sortent pas de votre réseau. Nous détaillons cette différence dans notre article ChatGPT ou IA locale.
Un modèle open-weight est-il sûr pour mes données ? ▾
Installé sur votre infrastructure, le modèle ne transmet rien à l'éditeur : c'est l'un de ses principaux atouts. Les précautions portent ailleurs : télécharger le modèle depuis une source officielle, maintenir le serveur à jour et gérer les droits d'accès de vos utilisateurs.
L'IA Act s'applique-t-il si j'utilise un modèle open-weight ? ▾
Oui. Le choix d'un modèle ouvert ne dispense pas une entreprise utilisatrice de ses propres obligations, comme la formation de ses équipes à l'IA prévue par l'article 4. Le fait que tout fonctionne sur votre serveur facilite en revanche la documentation et la traçabilité. Voir notre guide sur l'IA Act en 2026.
Déployez un modèle open-weight sur votre propre serveur
Nous sélectionnons le modèle et la licence adaptés à vos usages, puis nous l'installons dans votre infrastructure.
