État de l’IA open source en juillet 2026
(stateofopensource.ai)- Les modèles à poids ouverts ont atteint un niveau comparable aux modèles fermés en codage, suivi d’instructions et connaissances générales, tandis que le coût d’inférence a baissé de 50 fois en 36 mois, déplaçant le centre de la concurrence du modèle lui-même vers les harnais d’agents
- Mi-2026, sur OpenRouter, les modèles à poids ouverts représentent plus de la moitié du débit de tokens et les cinq premiers modèles sont tous ouverts, mais il subsiste en moyenne un écart de capacités de 3,3 % avec les modèles fermés en raisonnement, recherche dans de longs contextes et tâches agentiques
- 79 % des développeurs qui ajoutent des fonctionnalités d’IA utilisent des modèles ouverts, mais leur taux d’arrivée en production est de 51 %, contre 63 % pour les modèles fermés : la standardisation, les outils de déploiement et la confiance opérationnelle restent donc les principaux goulets d’étranglement
- Les écosystèmes autour de Databricks, Mistral AI, DeepSeek et d’autres ont obtenu des revenus et investissements importants ; l’auto-hébergement transforme les coûts à l’usage par token en coûts fixes, mais à mesure que le prix des modèles baisse, les revenus se déplacent vers les couches supérieures, comme les plateformes et les harnais
- La prochaine compétition dépendra de qui possède les harnais, la mémoire, les droits d’écriture et la gouvernance ; pour préserver l’ouverture, il faut bâtir des harnais neutres et des standards de permissions portables, et éviter toute dépendance à un modèle, fournisseur ou pays particulier
Une IA que l’on possède, pas que l’on loue
- L’IA ouverte permet aux utilisateurs de posséder directement les modèles et les données dans des domaines difficiles à louer via des API fermées, comme les langues à faible potentiel commercial, les services de terrain hors ligne, le matériel propriétaire et les infrastructures publiques
- Un diffuseur māori du nord de la Nouvelle-Zélande entraîne un modèle vocal te reo sous une licence qui garantit que les données restent dans la communauté
- PwC a affiné un modèle ouvert avec le langage de la finance, l’exécute sur son propre matériel pour des centaines de clients et ne paie pas de frais par token
- Des chercheurs de Lausanne ont créé avec la Red Cross un modèle médical ouvert aligné sur les directives humanitaires et préparent des essais cliniques dans leur pays et en Tanzania
- Des agriculteurs d’East Africa exécutent sur téléphone, dans des champs hors de portée du cloud, un modèle hors ligne de diagnostic des maladies du manioc
- Un consortium public en Switzerland entraîne un modèle national sur un supercalculateur public et publie les poids, les données et le code d’entraînement
- De la même manière que Mozilla est apparu pour empêcher une entreprise de monopoliser la passerelle du Web, l’IA a besoin de concurrence, d’interopérabilité et de la liberté de quitter un fournisseur
- L’objectif n’est pas de choisir un modèle unique, mais de bâtir une architecture où plusieurs modèles peuvent être connectés de façon standardisée afin de pouvoir changer de fournisseur à tout moment
Capacités et usage des modèles à poids ouverts
- Sur Chatbot Arena, l’écart entre modèles ouverts et fermés s’est réduit de 8,04 % à 0,5 % depuis janvier 2024, avant de se creuser à nouveau à 3,3 % en mars 2026
- En août 2024, il était descendu à 0,5 %, et en février 2025, DeepSeek-R1 a brièvement fait jeu égal avec les meilleurs modèles américains
- L’écart moyen s’est de nouveau accru avec l’avance des modèles de raisonnement fermés, mais les modèles ouverts sont au même niveau ou proches en codage, suivi d’instructions et connaissances générales
- L’écart restant se concentre sur le raisonnement, la recherche dans de longs contextes et les tâches agentiques
- Le prix d’inférence par million de tokens des modèles de niveau GPT-4 a chuté de 20 dollars à 0,40 dollar, soit 50 fois moins, en 36 mois
- Stanford HAI estime que les prix des modèles de niveau GPT-3.5 ont baissé de 280 fois en 18 mois
- Epoch AI estime une baisse annuelle de 9 à 900 fois, tandis qu’une étude du MIT de novembre 2025 estime que les prix de pointe ajustés des effets matériels diminuent de 5 à 10 fois par an
- Sur OpenRouter, la part des tokens des modèles à poids ouverts est passée d’un niveau marginal à environ un tiers fin 2025, puis à plus de la moitié mi-2026
- Il s’agit d’un avantage en débit de tokens, tandis que les fournisseurs américains fermés restent en tête en nombre de requêtes
- L’usage des modèles ouverts se concentre sur le codage et les charges de travail agentiques
- Sur le dernier mois, les cinq premiers modèles par volume traité sur OpenRouter sont tous à poids ouverts
- Dans l’ordre : DeepSeek V4 Flash 18.4T, Xiaomi MiMo-V2.5 14.9T, Tencent Hy3 preview 14.8T, MiniMax M3 14.3T et Owl Alpha 11T, dont la source n’est pas publiée
- Viennent ensuite Anthropic Claude Opus 4.7 9.02T, DeepSeek V4 Pro 8.55T, Claude Sonnet 4.6 7.33T, Claude Opus 4.8 6.18T et DeepSeek V3.2 4.31T
- Mi-2026, le débit hebdomadaire de tokens des neuf premiers modèles est d’environ 18T pour les modèles chinois contre environ 5,5T pour les modèles américains, soit plus de 3 contre 1 ; les développeurs qui routent en fonction du coût ont tendance à choisir les modèles à poids ouverts
Forte adoption, faible passage en production
- Dans l’enquête développeurs 2026 de Mozilla et SlashData, 79 % des développeurs qui ajoutent des fonctionnalités d’IA utilisent des modèles ouverts, contre 71 % pour les modèles fermés
- 29 % utilisent uniquement des modèles ouverts, 21 % uniquement des modèles fermés
- La moitié, soit 50 %, utilise les deux types ensemble : pour la plupart des équipes, ils ne sont donc pas des substituts parfaits
- Le taux d’adoption des modèles ouverts est le plus élevé en Greater China et East Asia, à 89 % chacune, puis en Western Europe à 70 % et en South America à 66 %
- Les seules régions où l’adoption des modèles fermés dépasse celle des modèles ouverts sont Western Europe et South America
- Le taux d’arrivée en production reste différent : 51 % pour les équipes utilisant des modèles ouverts, 63 % pour celles utilisant des modèles fermés
- Dans les petites entreprises, il est de 54 % pour les modèles fermés et de 53 % pour les modèles ouverts
- Dans les entreprises de taille intermédiaire, il est respectivement de 66 % et 55 %, et dans les entreprises de 1 001 salariés ou plus, de 73 % et 57 %
- À mesure que la taille de l’organisation augmente, le taux de déploiement des modèles fermés passe de 54 % à 73 %, tandis que celui des modèles ouverts bouge à peine, de 53 % à 57 % : les ressources des entreprises ne suffisent donc pas à lever les goulets d’étranglement du déploiement ouvert
- Les plus grands écarts entre les développeurs qui ont abandonné les modèles ouverts et ceux qui continuent à les utiliser concernent les performances insuffisantes du modèle (+12 points), l’intégration aux systèmes existants (+11 points) et la maintenance/mises à jour (+10 points)
- Le manque de documentation, le déploiement/hébergement/mise à l’échelle, ainsi que l’évaluation/comparaison des modèles affichent chacun +8 points
- L’affinage et la personnalisation sont à +4 points, les coûts d’infrastructure et la sécurité/confidentialité/conformité réglementaire ne montrent pas d’écart, et le manque de support professionnel est à -2 points
- Les facteurs qui déterminent l’abandon se concentrent davantage sur l’intégration, les opérations et la maintenance que sur les capacités pures du modèle
- Une analyse régionale de 1 410 développeurs ayant utilisé actuellement ou par le passé des modèles ouverts montre que les principaux obstacles globaux sont les coûts d’infrastructure et de calcul (27 %), la sécurité/confidentialité/conformité réglementaire (26 %), la maintenance (24 %), le déploiement/hébergement/mise à l’échelle (23 %) et le manque de support professionnel (22 %)
- En South Asia, la sécurité/conformité réglementaire (39 %) et le support professionnel (31 %) sont particulièrement élevés
- Seules North America (21 %) et Greater China (16 %) dépassent 15 % de réponses indiquant l’absence de problème majeur
- Les échantillons d’Oceania (39 personnes) et d’Eastern Europe/CIS (98 personnes) sont inférieurs au seuil de fiabilité
Le fossé opérationnel de la pile IA ouverte
- La cartographie de la pile publiée par Mozilla en juin 2026 évalue 9 couches, 48 composants et 1 361 projets sur 10 critères de maturité, avec des notes de 1 à 5
- Les capacités elles-mêmes sont élevées, mais la standardisation et la préparation opérationnelle en entreprise apparaissent comme les plus faibles dans presque toutes les couches et composants
- Le goulet d’étranglement commun de la pile ouverte n’est pas la qualité des modèles, mais la standardisation et la préparation opérationnelle en entreprise ; les outils de déploiement, d’intégration, de support et de gouvernance ne sont pas encore aboutis
Économie et structure des coûts de l’IA open source
- L’IA à poids ouverts est devenue un marché commercial de plusieurs centaines de milliards de dollars, et les modèles de revenus éprouvés sont au nombre de cinq : inférence hébergée, plateformes d’entreprise, licences on-premise, services de fine-tuning et outils de harnais
- Les principaux acteurs ont étendu leur activité aux étapes de l’investissement, du chiffre d’affaires et de l’introduction en Bourse
- Databricks a dépassé 5,4 milliards de dollars de chiffre d’affaires annualisé et se trouve en phase pré-IPO
- DeepSeek affiche environ 220 millions de dollars de revenu annuel récurrent (ARR), 7,4 milliards de dollars de financements publics et une valorisation supérieure à 50 milliards de dollars
- Mistral AI a été multipliée par 20 en 12 mois pour atteindre environ 400 millions de dollars d’ARR ; ses financements publics s’élèvent à 3,05 milliards de dollars, sa valorisation à environ 14 milliards de dollars, et elle mène aussi des négociations d’investissement autour de 20 milliards d’euros
- Moonshot AI a levé 3,9 milliards de dollars ; Reflection AI et Cerebras environ 2,1 milliards de dollars chacun ; Cohere 1,7 milliard de dollars ; Together AI 1,334 milliard de dollars
- Baseten a obtenu 585 millions de dollars de financements publics, Black Forest Labs 450 millions de dollars, Hugging Face 400 millions de dollars, Modular 380 millions de dollars, Fireworks AI 327 millions de dollars, Anyscale 281 millions de dollars, LangChain 260 millions de dollars et Stability AI 230 millions de dollars
- Zhipu AI et MiniMax n’ont pas communiqué le total de leurs financements publics et sont entrées en Bourse via une IPO à Hong Kong en 2026
- Nvidia, Salesforce, AMD, Google, IBM, ASML, Tencent, CATL et Schwarz Group soutiennent aussi des entreprises des couches modèles, inférence et outils
- Cohere exploite une activité entreprise et on-premise, et a publié Command A+ en open source en mai 2026 ; LangChain compte plus de 126 000 étoiles GitHub et 60 % de part chez les développeurs
- À grande échelle, la tarification au token à l’usage des modèles fermés crée des problèmes budgétaires
- Après que les frais de tokens ont consommé en quelques mois son budget annuel d’IA, Microsoft a résilié la plupart de ses licences Claude Code avant le 30 juin 2026 et étudie un hébergement Azure sécurisé de DeepSeek V4 pour les lourdes charges de travail Copilot
- Uber a épuisé en quatre mois son budget 2026 consacré au codage par IA, puis a plafonné les dépenses mensuelles par outil et par employé à 1 500 dollars
- Stripe sert des modèles ouverts sur vLLM, traite 50 millions d’appels API par jour avec un tiers du nombre de GPU précédemment utilisé et réduit ses coûts d’inférence de 73 %
- L’auto-hébergement de poids ouverts transforme des coûts d’exploitation variables contrôlés par le fournisseur en coûts fixes détenus par l’entreprise
- De mai à septembre 2025, les modèles ouverts ont représenté environ 20 % de l’usage sur OpenRouter, mais seulement environ 4 % du chiffre d’affaires de la couche modèles
- À capacités comparables, le prix par appel des modèles fermés était environ 6 fois plus élevé
- L’étude Nagle–Yue de la Linux Foundation estime à environ 24,8 milliards de dollars les économies annuelles potentielles non réalisées dues à cet écart de prix
- Même si l’usage des modèles ouverts augmente, si la couche modèles se banalise, les revenus s’accumulent dans les couches supérieures comme les plateformes et les harnais
Souveraineté nationale et possibilité de quitter les fournisseurs
- Avec la mise en œuvre de plus de 70 stratégies nationales d’IA, l’attention des politiques publiques s’est déplacée de la question de savoir si un pays dispose d’une stratégie nationale vers quelle couche de la stack il peut posséder
- Trois jours après le lancement de Claude Fable 5 en juin 2026, un ordre d’exportation gouvernemental a conduit Anthropic à bloquer l’accès des ressortissants étrangers dans le monde entier, révélant l’étendue du contrôle des fournisseurs
- La conformité sélective étant impossible, les modèles de toutes les personnes concernées ont été coupés à 17 h 21 un vendredi, et les utilisateurs qui dépendaient de ce modèle ont été touchés sans préavis
- Un fournisseur peut désactiver un modèle hébergé, mais il ne peut pas désactiver à distance une copie des poids exécutée sur du matériel détenu par l’utilisateur
- Pour les entreprises, des poids stockés sur disque sont un moyen de réduire le risque ; pour les États, ils font la différence entre une politique indépendante et une autorisation externe
- La dépendance aux fournisseurs à l’ère du cloud a déjà montré des coûts de sortie élevés
- Extraire 1 PB d’AWS S3 coûte 90 000 à 120 000 dollars
- 80 % des entreprises rapatrient des workloads vers leur propre environnement
- 37signals a quitté le cloud et réduit ses coûts annuels de 3,2 millions de dollars à moins de 1 million de dollars
- Les coûts cloud de GEICO étaient 2,5 fois supérieurs au plan prévu
- Les systèmes construits sur des API propriétaires subissent eux aussi les changements de prix et sont difficiles à quitter proprement ; les poids ouverts offrent donc le droit de quitter un fournisseur
- En mars 2026, les téléchargements cumulés sur Hugging Face atteignaient 942 M pour Alibaba Qwen et 476 M pour Meta Llama, faisant de la Chine la plus grande source de poids ouverts
- En février 2026, Qwen a été téléchargé davantage que les huit organisations suivantes réunies
- La part des tokens OpenRouter des modèles chinois à poids ouverts est passée de moins de 2 % fin 2024 à plus de 45 % du trafic hebdomadaire en avril 2026, et atteignait environ 61 % parmi les 10 modèles les plus utilisés
- DeepSeek compte plus de 26 000 comptes d’entreprise et figurait dans la stack de 58 % des nouvelles startups IA en 2025, mais au moins huit juridictions restreignent ses services hébergés
- Les entreprises concilient ces deux décisions en interdisant les applications hébergées tout en auto-hébergeant les poids ou en les utilisant via des endpoints occidentaux
- La diffusion de l’open source par la Chine est une politique inscrite dans l’AI Plus Initiative du State Council d’août 2025 et dans le Five-Year Plan national de mars 2026
- Les poids publics servent aussi à répondre aux contrôles à l’exportation des semi-conducteurs en répartissant la charge d’inférence sur le matériel local des utilisateurs du monde entier
- Dans le Global South, il existe une demande de diversification des fournisseurs pour s’affranchir du monopole technologique américain ; dans d’autres régions, le coût est la principale motivation
Le harnais d’agent, nouvelle couche concurrentielle
- De même que le navigateur était l’agent utilisateur du Web ouvert, négociant avec les serveurs au nom de l’utilisateur, le harnais d’agent au-dessus du modèle prend en charge l’orchestration, les outils, la mémoire, le sandboxing et les autorisations
- La stack de harnais se compose de plusieurs couches, du modèle jusqu’à l’utilisateur et à la gouvernance
- Couche de contrôle : LangGraph, CrewAI, AutoGen et LlamaIndex transforment les modèles en agents via des boucles répétées de raisonnement et d’action
- Couche de connexion : MCP gère les outils et le contexte, A2A la communication entre agents, et Mem0, Letta et Zep la mémoire
- Couche d’action : E2B, Daytona et Modal fournissent des sandboxes et l’exécution ; les autorisations et l’identité restent un domaine d’écriture encore non résolu
- Couche d’évaluation et d’observabilité : Langfuse et Phoenix suivent les résultats d’exécution et les comportements
- Couche utilisateur et paiement : AG-UI et A2UI gèrent les interfaces, x402, AP2 et UCP les paiements et la mesure
- Couche de gouvernance : Meta-harness, Omnigent, OPA et Agent governance toolkit unifient, pour plusieurs harnais, les politiques basées sur l’état, les registres, la traçabilité, les budgets et les annulations
- Dès sa première année, MCP a atteint 97 M de téléchargements mensuels de SDK et plus de 10 000 serveurs actifs, avec une croissance de 4 750 % sur 16 mois, puis a été donné en décembre 2025 à l’Agentic AI Foundation de la Linux Foundation
- Parmi les entreprises, seules environ 21 % disposent d’une gouvernance des agents mature, si bien que l’adoption progresse plus vite que les mécanismes de contrôle
-
Intégration verticale des modèles et des harnais
- Dans Terminal-Bench 2.0, en mai 2026, un harnais tiers a atteint 79,8 % avec les mêmes poids Anthropic, devançant Claude Code et ses 58,0 % de 21,8 points
- Huit semaines plus tard, dans Terminal-Bench 2.1, le classement s’est inversé lorsque le laboratoire a internalisé le harnais
- La combinaison Codex CLI et GPT-5.5 a obtenu 83,4 %, tandis que Claude Code avec Claude 5 Fable a atteint 83,1 %
- Le meilleur harnais indépendant utilisant le même Fable 5 a obtenu 80,4 %, réduisant l’écart en tête à environ 3 points
- Pour tous les modèles comparables, les harnais détenus par les laboratoires devancent les harnais indépendants
- Optimiser ensemble modèle et harnais améliore les performances, mais les dégrade lorsqu’on remplace le modèle par un autre : une dépendance née comme sous-produit de l’optimisation apparaît
- Les modèles ouverts ne disposent pas de harnais de premier niveau pour y répondre et n’apparaissent donc pas parmi les meilleurs résultats officiellement vérifiés de Terminal-Bench 2.1
- Dans un harnais neutre, Claude Opus 4.8 atteint 71,9 % pour 2,41 dollars par tâche, Opus 4.7 68,5 % pour 1,98 dollar, et le modèle ouvert GLM 5.2 67,8 % pour 0,43 dollar
- Le modèle ouvert est légèrement en dessous d’Opus 4.7 et environ 4 points derrière Opus 4.8, mais coûte environ cinq fois moins cher
- Les données d’usage réel générées dans les harnais détenus par les laboratoires créent un flywheel de données qui revient alimenter le modèle suivant ; posséder le harnais dans sa propre stack permet de détenir directement ces mêmes données
-
Le problème non résolu des droits d’écriture
- La lecture, comme consulter des documents, interroger une base de données ou lister un calendrier, est réversible et produit des résultats relativement limités, ce qui permet une autorisation par défaut
- L’écriture, comme envoyer un message, engager un budget, modifier un enregistrement ou exécuter une transaction, peut être coûteuse ou irréversible : il faut donc concentrer les efforts sur la confirmation, les seuils d’approbation, les plafonds de coût et l’annulation
- Il existe environ 12 frameworks, 10 harnais et 3 protocoles pair-à-pair, mais aucun modèle d’autorisation d’écriture portable couvrant les hôtes MCP, les pairs A2A, les appels directs aux outils et les frontières entre frameworks
- La spécification MCP 2025-11-25 a déplacé l’authentification vers OAuth 2.1, et A2A v1.0 a standardisé les Agent Cards signées, mais les deux s’arrêtent à l’authentification de l’identité
- Vérifier l’identité ne détermine pas ce qu’un agent peut exécuter
- Le modèle de menace MCP de CoSAI classe la fatigue du consentement, où les utilisateurs acceptent machinalement la plupart des demandes d’approbation, parmi les principales menaces
- Les méta-harnais comme Omnigent, open source, de Databricks suivent l’état de la session et contrôlent la prochaine écriture, plutôt que de filtrer les prompts de chaque agent
- Après le téléchargement d’un paquet non vérifié, une tentative de push de code peut exiger l’approbation d’un humain
- Un plafond de coût peut aussi être appliqué pour suspendre une session lorsqu’un montant défini a été dépensé
- La couche qui contrôle le domaine d’écriture au-dessus de plusieurs harnais est le point où peut se former un modèle d’autorisations durable
-
Sécurité et avantage restant des modèles fermés
- Le filtrage, la surveillance et l’annulation ne dépendent pas de poids privés, mais sont des fonctions de la couche service et harnais ; ils peuvent aussi être appliqués à des modèles ouverts auto-hébergés
- En 2025, des vulnérabilités d’autorisation CVSS 9.3 à 9.4 sont aussi apparues dans des systèmes fermés d’Anthropic, Microsoft, ServiceNow et Salesforce
- Après avoir étudié l’éventualité de restreindre les poids ouverts, la NTIA a recommandé au gouvernement américain la surveillance plutôt que des restrictions
- Les systèmes fermés conservent une avance dans quatre domaines
- Le harnais intégré et le flywheel de données qui se trouve derrière
- L’écart, en recherche dans un long contexte d’un million de tokens, entre les 89 % de Gemini 3 en recherche multi-aiguilles et les 41 % de DeepSeek V4-Pro
- Une conformité prête à l’emploi avec SOC 2, HIPAA et l’absence de conservation des données par défaut
- Un cocontractant que les clients peuvent tenir responsable
- La conformité et la responsabilité sont des questions contractuelles, le harnais intégré est une question d’outillage, et la fidélité en long contexte est un problème de modèle que les laboratoires ouverts doivent résoudre eux-mêmes
Cinq investissements pour préserver l’ouverture
- Construire des harnais ouverts : il faut créer des harnais généralistes ou sectoriels co-conçus avec des poids ouverts, comme Codex et GPT-5.5
- La fenêtre pour les construire se situe avant que les laboratoires fermés ne fusionnent totalement modèle et harnais en un seul produit loué
- Posséder la mémoire : à mesure que le prix des poids tend vers zéro, le modèle devient une pièce remplaçable, tandis que la mémoire dotée d’un contexte accumulé devient un actif qui croît par capitalisation
- Elle doit être stockée derrière son propre pare-feu, dans un format portable et append-only ; une fois l’accès perdu, il n’est plus possible de restaurer des années de contexte
- Résoudre les autorisations portables : il faut une norme qui distingue, sur l’ensemble de MCP, A2A, des appels directs aux outils et des frontières de frameworks, les écritures autorisées sans intervention, soumises à approbation humaine et interdites
- Si aucune norme ouverte n’émerge pendant que les politiques d’écriture basées sur l’état des méta-harnais se forment, les plateformes fermées fixeront les règles
- Sortir du paiement à l’usage : il faut comparer directement modèles fermés et ouverts, garder un second modèle en attente derrière des interfaces ouvertes, et auto-héberger lorsque la charge est prévisible
- Les prix initiaux devraient prendre fin vers 2027-2028, après l’entrée en Bourse des fournisseurs et l’épuisement des remises ; il faut mettre en place un double approvisionnement tant que le basculement est facile et peu coûteux
- Faire de la pluralité des fournisseurs la valeur par défaut : si l’écosystème se concentre autour d’un seul fournisseur ouvert, il devient difficile de le considérer comme une ressource commune
- 47 pays restreignent le traitement des données à l’étranger et plus de 70 stratégies nationales sont en vigueur
- L’Europe investit dans EUROPA, le Canada a mobilisé 890 millions de dollars, et l’Inde a réservé 38 231 GPU
- Si les financements publics ne soutiennent pas le développement à long terme, l’écosystème ouvert pourrait lui aussi converger vers une source unique
Signaux à continuer de surveiller
- Capacités et adoption : il faut suivre l’écart de capacités de 3,3 %, l’éventuelle parité en codage, les écarts en raisonnement et agents, ainsi que la part des tokens de codage agentique sur OpenRouter
- Si la part des tokens ouverts stagne et que l’écart en raisonnement se creuse, la tendance actuelle s’inversera
- Harness : les éléments clés sont l’écart Terminal-Bench entre les harness possédés par les laboratoires et les harness indépendants, la gouvernance MCP et A2A sous l’AAIF, ainsi qu’une spécification portable des permissions qui n’existe pas encore
- Si l’avantage des harness de laboratoires s’accroît, ou si des plateformes fermées définissent en premier les standards de permissions, la couche ouverte s’affaiblira
- Structure du marché : il faut examiner conjointement l’ARR, les investissements et les IPO de Zhipu et MiniMax des laboratoires ouverts, les points d’inflexion des prix à l’usage en 2027-2028, ainsi que les investissements dans le calcul souverain national
- Si les financements publics se tarissent ou si l’économie des laboratoires ouverts ne parvient pas à passer à l’échelle, il sera difficile de former un marché durable
- Confiance et sécurité : il faut suivre les capacités d’usage abusif des open weights, la facilité de suppression des fine-tunings de sécurité, les CSAM synthétiques et les images intimes non consenties (NCII), ainsi que l’orientation de la NTIA vers le monitoring plutôt que les restrictions
- Un incident majeur d’usage abusif, ou un basculement des politiques vers une logique centrée sur les restrictions, pourrait modifier l’environnement de déploiement ouvert
- Lorsque les acteurs responsables de l’ouverture, de la portabilité et d’une large diffusion dans les processus de décision de l’IA obtiennent un statut équivalent, le marché passe d’une structure où l’on loue des modèles à une structure où l’on en est directement propriétaire
2 commentaires
Il me semble qu’il est de nouveau passé chez Loop Engineering.
Avis sur Hacker News
Les modèles ouverts pourraient faire tomber Anthropic et OpenAI. Les très grands fournisseurs cloud peuvent exploiter des modèles sans frais de licence, et Apple peut réduire la taille des modèles pour les exécuter directement sur les appareils.
Les modèles de pointe sont à la fois un avantage concurrentiel et un passif. Les coûts d’entraînement sont astronomiques, mais si l’on arrête le développement, le modèle tombe dans l’oubli, et le marketing finit par reposer sur la croyance que chaque modèle est significativement différent. On peut désormais se demander s’il existe de grandes différences entre les modèles ; selon moi, la clé pour rendre des modèles aléatoires et sujets aux hallucinations déterministes et utiles réside dans le framework d’exécution.
Si les conditions de marché changent, elles pourraient refermer leurs modèles comme Meta, et si les coûts d’entraînement continuent d’augmenter, on peut aussi se demander si la stratégie des poids ouverts est financièrement tenable.
Malgré tout, de grandes organisations doivent engager d’énormes montants et ressources de calcul tout en renonçant à des revenus, et il est difficile d’imaginer qu’une telle générosité dure éternellement. La question clé est de savoir ce qui s’effondrera en premier : le modèle économique des modèles de pointe, ou l’investissement gratuit des suiveurs rapides.
Cela ressemble à une configuration où tout échoue si l’on n’atteint pas une superintelligence auto-améliorante. Si elle est atteinte, les modèles de pointe prendront de l’avance grâce à une croissance exponentielle plus rapide ; sinon, les suiveurs rapides dépasseront les investissements massifs et feront disparaître toute capacité de défense. C’est comparable à la situation des semi-conducteurs, où le GaAs n’a pas pu rattraper le silicium porté par la loi de Moore, et il sera aussi difficile de faire respecter le droit d’auteur.
Même en utilisant des B300 à un prix élevé de 5 dollars de l’heure et en supposant un MFU de 50 %, cela représente environ 15 millions de dollars. Il y a bien le risque d’échec de l’entraînement et les coûts d’entraînement ultérieurs, mais comparé aux dépenses d’inférence qui suivent, ce n’est pas une échelle si extravagante.
Il y a exactement 4 mois, la part de marché sur OpenRouter était de 60 % pour les modèles fermés et 40 % pour les modèles ouverts, mais aujourd’hui les modèles ouverts sont passés devant avec 63 %. Le 19 mars, le débit total des modèles ouverts était de 888 milliards de tokens, et hier il était de 4,19 billions de tokens, soit une croissance d’environ 5x en 4 mois.
J’ai aussi créé un tableau de bord mis à jour quotidiennement à partir des données d’OpenRouter : https://dirac.run/labs-market-share
Cela dit, la croissance de l’usage des modèles ouverts sur OpenRouter est très intéressante.
Si vous n’êtes pas d’accord, j’aimerais savoir quelles défenses ces entreprises possèdent. En voyant les dépenses massives d’OpenAI et d’Anthropic, je suis frustré de ne trouver aucune véritable barrière défensive.
Bien sûr, cet article a un style généré par LLM : https://www.pangram.com/history/29a71663-e6b2-4db6-87bd-b943...
Je me demande pourquoi des dirigeants mettent leur nom sur ce genre de texte. Ils y voient peut-être le prolongement naturel de la pratique consistant à signer un texte rédigé par un assistant ou un communiqué de presse préparé par l’équipe communication.
Il me semble que ce serait bénéfique pour la culture de la communauté si HN exécutait automatiquement Pangram sur les textes, au moins ceux qui arrivent en page d’accueil. Personnellement, j’utilise un plugin de navigateur, mais au vu des commentaires, certaines personnes ne semblent pas avoir remarqué qu’il s’agissait d’un contenu généré par IA.
Il vaut mieux que le site agrégateur de contenu automatise la détection IA plutôt que de laisser chaque lecteur vérifier sporadiquement de son côté. Nous avons récemment implémenté une vérification automatique par Pangram sur Manifund, et il me semble que LessWrong utilise cette fonctionnalité depuis un certain temps.
Cette présentation est pénible à lire. Il y a trop de graphiques qui n’ont presque aucun lien avec le texte autour, et cela ressemble à une présentation de CTO imaginée par un LLM. Mais comme cela ressemble à des slides de CTO, certains semblent y voir un « HIGH IMPACT ».
Cela aurait été bien mieux si la CTO de Mozilla avait elle-même exposé clairement son analyse.
Je suis globalement favorable à la diffusion des modèles ouverts et j’aimerais prendre ce texte au sérieux, mais c’est difficile tant il est évident qu’il sent l’IA. On dirait qu’ils ont licencié les personnes qui écrivaient ce genre d’articles.
Je ne dis pas cela simplement pour me moquer : je pense qu’un style IA facilement reconnaissable fait immédiatement décrocher une partie des lecteurs, ce qui affaiblit l’argument du texte et produit l’effet inverse.
« Mozilla existe parce qu’une entreprise a tenté de monopoliser la porte d’entrée du Web, et qu’une communauté ouverte s’est levée pour l’en empêcher », mais au vu de la part de marché actuelle de Firefox, la porte d’entrée du Web appartient de fait à Google et Apple
Un avenir où quelques modèles ouverts suffiraient à contenir les dérives du reste de l’écosystème pourrait être acceptable, mais ce texte ne semble pas développer cet argument
Ensuite, encore une autre entreprise a utilisé sa position sur le marché pour diffuser un navigateur gratuit et faire s’effondrer la part de marché de Firefox, tout en continuant à verser de l’argent à Mozilla pour ne pas donner l’impression d’un monopole
Il est frappant de voir Mozilla courir après toutes les dernières tendances sans pour autant créer un vrai navigateur respectueux de la vie privée pour les développeurs et les utilisateurs avancés
J’en suis aussi venu à adhérer à la stratégie IA de Mozilla. Plutôt que de créer ses propres modèles ou de vendre du contenu IA de mauvaise qualité, l’organisation construit une couche de compatibilité open source, et l’approche n’est pas irréaliste
Je ne veux pas d’un monde où l’IA serait verticalement verrouillée, et si Mozilla peut vraiment reproduire avec l’IA open source sa stratégie passée, ce sera bénéfique pour tout le monde
Récemment, j’ai beaucoup apprécié Zen, même si après deux mois d’utilisation, la fonction d’onglets épinglés reste encore un peu déroutante : https://zen-browser.app/
La version PDF est plus agréable à lire : https://stateofopensource.ai/state-of-open-source-ai-2026.pd...
Il est dommage de ne voir aucune communauté autour de véritables modèles ouverts, qui publieraient à la fois les données sources et la méthodologie d’entraînement afin d’être réellement reproductibles avec suffisamment de ressources. On a laissé le sens du terme « ouvert » se diluer de façon surprenante
Le design et la mise en page rendent inutilement la lecture difficile, mais la baisse de près de 50 fois du coût d’inférence est vraiment impressionnante. Avec la sortie de Kimi K3, les modèles ouverts se rapprochent déjà de l’état de l’art
L’IA open source progresse beaucoup plus vite qu’Anthropic et OpenAI ne l’avaient anticipé