Apertus, le modèle d’IA ouvert avec lequel la Suisse veut bâtir la confiance

La Suisse ne se contente plus de financer l’infrastructure nécessaire à l’intelligence artificielle : elle publie aussi son propre modèle de langage. Baptisé Apertus, un mot latin qui signifie « ouvert », ce système est conçu pour que les chercheurs, les développeurs, les entreprises et les institutions puissent examiner son fonctionnement et bâtir leurs propres services dessus.

Derrière ce lancement se trouvent trois acteurs de la recherche helvétique : l’École polytechnique fédérale de Lausanne (EPFL), l’ETH Zurich et le Centre national suisse de calcul scientifique (CSCS). Leur ambition dépasse la mise à disposition d’un chatbot : Apertus doit former une fondation technique ouverte, destinée à soutenir des travaux scientifiques et de futures applications dans l’industrie ou les services publics.

Dans un secteur largement dominé par des modèles dont les données, le code ou les mécanismes internes restent partiellement secrets, le choix suisse est notable. L’ouverture annoncée concerne à la fois l’architecture du modèle, ses poids, sa documentation et des éléments clés de son entraînement. Cette traçabilité ne garantit pas à elle seule que chaque réponse produite par l’IA sera juste ou sans risque. Elle donne toutefois davantage de moyens pour évaluer, adapter et contrôler l’outil.

Apertus, qu’est-ce que la Suisse vient de publier ?

Apertus appartient à la famille des grands modèles de langage, souvent désignés par l’acronyme anglais LLM. Ce type d’IA apprend les régularités du langage en analysant d’immenses collections de textes. Il peut ensuite générer du texte, résumer un document, répondre à une question, traduire ou assister la rédaction de code, selon l’interface et les réglages employés.

Le projet suisse est proposé dans deux tailles : 8 milliards et 70 milliards de paramètres. Les paramètres sont les valeurs numériques ajustées durant l’entraînement qui permettent au modèle de produire ses réponses. Leur nombre est couramment utilisé comme indicateur de l’ampleur d’un modèle, mais il ne constitue pas, à lui seul, une mesure de qualité. La pertinence dépend aussi des données, de l’entraînement, des consignes données au modèle et de la tâche demandée.

Le modèle peut servir de socle à de nombreux outils : assistants conversationnels, services de traduction, applications éducatives ou logiciels spécialisés. Mais Apertus n’est pas un produit clé en main comparable à un site de discussion grand public. Pour l’utiliser directement, il faut disposer d’une infrastructure informatique adaptée, par exemple des ressources de cloud, ou passer par une interface hébergée par un partenaire.

Que signifie vraiment une IA entièrement ouverte ?

Le mot « ouvert » est souvent employé de façon imprécise dans l’IA. Une entreprise peut ouvrir l’accès à un service sans publier le modèle qui l’alimente. À l’inverse, elle peut fournir les poids d’un modèle, c’est-à-dire les fichiers nécessaires pour l’exécuter, tout en gardant secrètes les données utilisées pour le former. Apertus entend pousser l’ouverture plus loin.

Selon les informations communiquées par le consortium, l’architecture, les données d’entraînement, les poids du modèle, les points de contrôle intermédiaires et la documentation sont accessibles au public. Les points de contrôle correspondent à des versions sauvegardées durant l’apprentissage. Ils peuvent aider les chercheurs à mieux comprendre l’évolution d’un modèle et à étudier certains effets de ses choix de conception.

Cette approche est particulièrement importante pour les universités et les organisations publiques. Elles peuvent examiner les méthodes mobilisées, tester le système sur leurs propres jeux de données, l’adapter à des besoins locaux ou mener des audits. Pour une entreprise, l’intérêt peut être de déployer le modèle dans un environnement qu’elle contrôle plutôt que de confier toutes ses requêtes à un service externe.

L’ouverture ne dispense cependant pas de compétences. Installer, héberger, paramétrer et sécuriser un modèle de 8 milliards, et plus encore de 70 milliards de paramètres, demande du matériel, des connaissances techniques et une gouvernance claire des données envoyées par les utilisateurs.

Deux tailles de modèle pour quels besoins ?

Le choix entre les versions 8B et 70B dépend avant tout des moyens informatiques disponibles et de l’usage envisagé. La version la plus compacte est plus facile à intégrer dans des expérimentations ou des environnements disposant de ressources limitées. Le modèle de 70 milliards de paramètres nécessite des capacités de calcul et de mémoire nettement plus importantes, mais offre une base de travail plus vaste pour des cas d’usage exigeants.

Il serait néanmoins trompeur de réduire le choix à une simple course aux paramètres. Une application de traduction interne, un assistant pédagogique ou un outil de recherche documentaire doit être évalué dans son contexte réel : langues employées, qualité des réponses, coût d’exploitation, protection des données, consommation de ressources et capacité de supervision humaine.

Le CSCS, l’EPFL et l’ETH Zurich prévoient de mettre Apertus à jour régulièrement. Les évolutions annoncées visent notamment à élargir la famille de modèles, à gagner en efficacité et à proposer des outils plus adaptés à certains domaines, dont le droit, la santé, le climat et l’éducation.

Un entraînement pensé pour les langues peu représentées

L’un des principaux marqueurs du projet est son effort de couverture linguistique. Apertus a été entraîné sur 15 000 milliards de tokens provenant de plus de 1 000 langues. Un token est une unité de texte traitée par le modèle. Il peut correspondre à un mot, une partie de mot, un signe de ponctuation ou une courte séquence de caractères.

Environ 40 % de cet ensemble d’entraînement provient de langues autres que l’anglais. Cette proportion est significative dans un domaine où l’anglais domine souvent très largement les corpus et les évaluations. Les concepteurs mettent notamment en avant l’intégration de langues habituellement négligées par les grands modèles, comme le suisse allemand et le romanche.

La question n’est pas seulement culturelle. Un outil entraîné principalement en anglais peut produire des réponses moins naturelles, moins précises ou moins utiles dans des langues peu présentes dans les données. Pour les administrations, les écoles, les médias locaux ou les entreprises qui travaillent dans plusieurs langues nationales, disposer d’une base mieux adaptée est donc un enjeu pratique.

La couverture de plus de 1 000 langues ne signifie pas pour autant que le niveau de qualité sera identique partout. La quantité, la nature et la qualité des contenus disponibles varient fortement d’une langue à l’autre. Le lancement d’Apertus offre précisément une base que les communautés linguistiques, chercheurs et développeurs peuvent tester et améliorer de manière transparente.

Comment accéder à Apertus et à qui s’adresse-t-il ?

Les fichiers d’Apertus sont disponibles au téléchargement sur Hugging Face, une plateforme largement utilisée pour diffuser des modèles et des outils d’apprentissage automatique. Ils sont aussi accessibles par l’intermédiaire de Swisscom, partenaire stratégique de l’initiative. Cette double voie est importante : le téléchargement donne de l’autonomie aux équipes techniquement équipées, tandis qu’un accès hébergé peut abaisser la barrière d’entrée pour les personnes qui ne disposent pas de leurs propres serveurs.

Les développeurs peuvent découvrir le modèle pendant les Swiss AI Weeks, organisées jusqu’au 5 octobre 2025. Dans ce cadre, les participants aux hackathons bénéficient d’un accès à une interface hébergée par Swisscom. Les clients commerciaux de l’opérateur peuvent, eux, exploiter le modèle dès le lancement.

La licence open source permissive annoncée autorise les usages dans la recherche, l’éducation et des projets commerciaux. Cette possibilité ne doit pas être confondue avec une absence de responsabilité : toute organisation qui intègre Apertus dans un produit reste responsable de ses choix de déploiement, de la sécurité de son service et de la manière dont elle traite les données de ses utilisateurs.

Transparence, droit d’auteur et protection des données

Les concepteurs d’Apertus présentent la conformité comme une dimension structurante du projet. Le processus de formation a été réalisé en respectant les règles suisses de protection des données et le droit d’auteur. Le projet indique utiliser des données publiquement disponibles et exclure les informations personnelles.

La transparence sur les données et les étapes d’entraînement répond à une demande croissante, en Europe comme ailleurs. Les grands modèles reposent sur des volumes considérables de textes, dont l’origine, les conditions de réutilisation et les effets sur les créateurs font l’objet de débats. Rendre ces informations accessibles facilite la vérification, la recherche indépendante et les discussions sur les pratiques d’entraînement.

Apertus est également présenté comme aligné sur les exigences de transparence du règlement européen sur l’intelligence artificielle, l’AI Act. Cet élément compte pour les organisations suisses qui développent des services destinés au marché européen. Il ne transforme pas automatiquement le modèle en solution prête à l’emploi pour tous les contextes réglementés : les obligations peuvent varier selon l’application finale et les données effectivement traitées.

Martin Jaggi, professeur à l’EPFL, décrit ainsi Apertus comme une feuille de route pour développer une IA digne de confiance et inclusive. Imanol Schlag, responsable technique du projet, insiste de son côté sur la vocation de bien public de cette initiative.

Ce qu’il faut surveiller après ce lancement

Apertus n’est pas présenté comme un aboutissement. Antoine Bosselut, professeur à l’EPFL, y voit le début d’une fondation d’IA ouverte et digne de confiance au service du bien public global. La suite du projet dépendra donc autant de ses mises à jour techniques que de la communauté qui l’adoptera, l’évaluera et contribuera à ses usages.

Plusieurs questions seront déterminantes. Il faudra d’abord mesurer les performances réelles du modèle dans les langues suisses et les autres langues moins représentées, au-delà de la promesse de diversité des données. Il faudra aussi observer la facilité avec laquelle des établissements scolaires, des laboratoires, des PME et des administrations pourront le déployer sans disposer d’équipes spécialisées dans l’exploitation de grands modèles.

Enfin, l’expérience suisse met en lumière un choix de gouvernance : considérer les modèles de langage non uniquement comme des produits commerciaux, mais comme une infrastructure de connaissance dont les méthodes peuvent être étudiées collectivement. L’ouverture ne règle ni les erreurs possibles de l’IA, ni les coûts de calcul, ni les questions de responsabilité. Elle fournit en revanche aux acteurs qui veulent s’en saisir des outils plus concrets pour les examiner et les améliorer.