OpenAI prépare un modèle à poids ouverts : ce qui est annoncé, et ce qui ne l’est pas

Le mot « ouverture » revient avec force dans l’intelligence artificielle, mais il recouvre souvent des réalités très différentes. Le lundi 31 mars 2025, Sam Altman, directeur général d’OpenAI, a indiqué que l’entreprise prévoyait de publier son premier modèle de langage à « poids ouverts » depuis GPT-2. Cette annonce tranche avec les pratiques des dernières années, durant lesquelles les modèles les plus importants d’OpenAI étaient accessibles surtout via ChatGPT et des interfaces de programmation, sans que leurs paramètres soient téléchargeables.

Il faut toutefois être précis : au 1er avril 2025, OpenAI n’a pas encore diffusé les paramètres de pondération d’un nouveau modèle. Ni le fichier du modèle, ni sa taille, ni sa licence, ni sa date de sortie exacte ne sont publiés. L’information est donc celle d’un changement de stratégie annoncé, pas celle d’une architecture déjà disséquée par les chercheurs. Cette différence compte, car la publication effective de poids modifie concrètement ce que développeurs, laboratoires et entreprises peuvent faire avec une IA.

Ce qu’OpenAI a effectivement annoncé

Dans son message, Sam Altman explique qu’OpenAI prévoit de publier « son premier modèle de langage à poids ouverts depuis GPT-2 » dans les prochains mois. Il précise que cette possibilité était envisagée depuis longtemps, mais que d’autres priorités avaient prévalu. L’entreprise invite aussi la communauté à partager ses attentes sur le type de modèle et les usages qu’elle souhaiterait voir pris en charge.

L’annonce ne concerne donc pas ChatGPT en tant qu’interface. ChatGPT est le service conversationnel que le public utilise dans un navigateur ou une application. Les « poids », eux, appartiennent au modèle de langage qui produit les réponses. Ce sont deux couches distinctes : l’une est un produit accessible en ligne, l’autre est l’ensemble mathématique qui permet au système de prédire et générer du texte.

OpenAI reste également libre de déterminer les contours de cette publication. Le futur modèle pourrait être plus petit ou moins généraliste que les systèmes utilisés par ChatGPT. À cette date, l’entreprise ne donne aucune indication sur son nombre de paramètres, ses capacités en raisonnement, en programmation ou en traitement d’images, ni sur les conditions techniques requises pour l’exécuter.

Que sont les paramètres de pondération d’une IA ?

Un grand modèle de langage apprend en traitant d’immenses quantités de textes et, selon les cas, d’autres types de données. Pendant cet entraînement, il ajuste progressivement un très grand nombre de valeurs numériques. Ces valeurs sont appelées les paramètres, ou les poids. Elles déterminent comment le modèle relie les mots, les concepts et les structures de phrase afin de produire une suite de texte plausible et utile.

Une analogie imparfaite mais parlante consiste à voir le modèle comme un instrument de musique complexe. Le code définit la forme de l’instrument. Les poids correspondent à son accordage final, acquis après un entraînement coûteux. Posséder le code sans les poids ne suffit généralement pas à obtenir un modèle utilisable. Posséder les poids permet, à condition d’avoir les logiciels et le matériel nécessaires, de faire fonctionner le modèle sans passer obligatoirement par le service de son créateur.

La publication de poids peut notamment permettre de :

• faire tourner un modèle sur ses propres serveurs ou, pour les versions assez compactes, sur une machine locale ;
• adapter le modèle à un vocabulaire métier, à une langue ou à un jeu de documents particulier ;
• examiner plus directement son comportement, ses biais et certaines de ses limites ;
• réduire la dépendance à une interface distante et à ses conditions d’accès.

Mais les poids n’expliquent pas à eux seuls toutes les décisions d’un système. Les performances dépendent aussi de l’architecture, de la procédure d’entraînement, des données employées, des réglages effectués après l’entraînement et des garde-fous ajoutés au produit final. Lire les paramètres bruts d’un modèle n’équivaut pas à comprendre chaque réponse qu’il formule.

Poids ouverts, code ouvert : une distinction indispensable

L’expression anglaise « open-weight », couramment traduite par « à poids ouverts », ne veut pas automatiquement dire « open source » au sens le plus complet. Un éditeur peut donner accès au fichier contenant les paramètres tout en conservant confidentiels d’autres éléments déterminants, notamment les données d’entraînement ou le code précis ayant permis de reproduire le modèle.

Cette nuance évite deux contresens. Le premier serait de considérer qu’un modèle à poids ouverts est totalement transparent. Le second serait de penser qu’il peut nécessairement être utilisé sans aucune règle. La licence attachée aux poids peut, par exemple, encadrer les usages commerciaux ou imposer des conditions de redistribution. OpenAI n’a pas encore communiqué la licence du modèle qu’elle prévoit de publier.

Pour les chercheurs, cette distinction est particulièrement importante. Reproduire scientifiquement un résultat suppose idéalement de connaître les choix de données, d’architecture, d’entraînement et d’évaluation. Des poids ouverts constituent une avancée pratique considérable, mais ne livrent pas à eux seuls toute l’histoire de la fabrication d’un modèle.

Pourquoi ce retour est notable pour OpenAI

Le précédent cité par Sam Altman est GPT-2, dévoilé en 2019. À l’époque, OpenAI avait procédé par étapes : l’organisation avait d’abord limité la diffusion de la version complète du modèle, en invoquant les risques de détournement, avant de publier en novembre 2019 les poids du modèle de 1,5 milliard de paramètres.

Depuis, la situation a profondément changé. Les modèles de la famille GPT, ainsi que ChatGPT, ont été proposés au grand public et aux entreprises sous forme de services hébergés. Cette approche offre à OpenAI davantage de contrôle : l’entreprise peut modifier un modèle, appliquer des règles d’utilisation, surveiller certains abus et corriger son produit sans distribuer une copie durable du système à chaque utilisateur.

Le choix a aussi nourri une critique récurrente. Malgré son nom, OpenAI est devenue l’une des entreprises les plus fermées concernant ses modèles les plus avancés. Elle ne publie plus systématiquement les données d’entraînement, la taille des modèles ou leurs poids. L’annonce d’un futur modèle à poids ouverts ne renverse pas cette situation pour l’ensemble de ses produits, mais elle marque un retour possible à une forme de diffusion plus ouverte.

Cette décision intervient alors qu’OpenAI fait face à une concurrence intense. Des acteurs comme Meta ont contribué à populariser les modèles à poids ouverts avec la famille Llama, tandis que d’autres laboratoires et jeunes entreprises misent sur la possibilité de déployer l’IA dans des environnements contrôlés. Pour les organisations soucieuses de confidentialité ou de souveraineté technique, une solution installable sur leurs propres infrastructures peut être plus attractive qu’un service exclusivement accessible à distance.

Les promesses et les limites d’une transparence accrue

La publication de poids peut rendre les évaluations indépendantes plus faciles. Des équipes extérieures peuvent tester le modèle dans d’autres langues, mesurer ses biais, vérifier sa robustesse sur des tâches spécialisées ou chercher les moyens de contourner ses protections. Cette capacité d’audit est précieuse : elle évite que la compréhension d’un système reste confinée à son éditeur.

Elle peut aussi stimuler l’innovation. Des développeurs peuvent créer des versions adaptées à des usages précis, par exemple l’assistance documentaire interne, la recherche dans des archives ou l’aide à la programmation. Dans certains contextes, un déploiement local limite en outre les transferts de données vers un prestataire extérieur, sous réserve que l’organisation configure correctement son infrastructure.

L’ouverture comporte néanmoins des contreparties. Une fois les poids téléchargés et copiés, il devient difficile, voire impossible, de les retirer à distance. Les garde-fous présents dans une interface en ligne peuvent être absents, modifiés ou contournés par un utilisateur maîtrisant suffisamment les outils. Des capacités utiles peuvent alors être détournées à des fins de désinformation, d’automatisation de contenus nuisibles ou d’autres usages contraires à l’intérêt général.

La question n’est donc pas de choisir entre un secret absolu et une ouverture totale. Elle consiste à définir quel modèle publier, avec quelles évaluations de sécurité, sous quelle licence et avec quel accompagnement pour les personnes qui l’utiliseront. Les caractéristiques du modèle annoncé par OpenAI détermineront la réalité de cet équilibre.

Un financement de 40 milliards de dollars, un contexte distinct

L’annonce sur les poids ouverts intervient au même moment qu’une autre information majeure : OpenAI a annoncé un nouveau financement de 40 milliards de dollars, qui porte sa valorisation post-investissement à 300 milliards de dollars. Ce montant illustre les ressources désormais mobilisées pour développer des modèles, construire les infrastructures informatiques nécessaires et déployer des produits à grande échelle.

Il ne faut pas confondre les deux sujets. Le financement ne constitue pas une preuve que les paramètres d’un modèle ont été publiés, pas plus que l’annonce d’un modèle à poids ouverts ne détaille la destination de ces fonds. Ils éclairent cependant le moment stratégique traversé par OpenAI : l’entreprise doit simultanément financer des systèmes de plus en plus coûteux, conserver son avance dans les services d’IA et répondre aux attentes de transparence d’une partie de la communauté technique.

Pour les utilisateurs, cette coexistence de modèles fermés et de modèles à poids ouverts pourrait devenir la norme. Les systèmes les plus puissants et intégrés resteraient proposés comme des services, tandis que des modèles plus facilement déployables localement offriraient une autre voie aux développeurs et aux entreprises.

Ce qu’il faut surveiller avant une publication effective

La prochaine étape ne sera pas seulement la mise en ligne éventuelle d’un fichier. Il faudra examiner les conditions concrètes de la sortie. La taille du modèle indiquera s’il peut être exécuté par des équipes modestes ou s’il exige des équipements coûteux. Sa licence définira ce que les développeurs peuvent légalement construire avec lui. La documentation précisera, ou non, ses limites connues et les précautions attendues.

Les évaluations de sûreté seront tout aussi importantes. OpenAI devra expliquer comment elle mesure les risques associés au modèle et quels garde-fous accompagnent sa diffusion. Les chercheurs, de leur côté, pourront comparer ses résultats avec ceux d’autres modèles à poids ouverts, notamment sur les langues autres que l’anglais et sur des usages professionnels concrets.

Enfin, cette initiative ne met pas fin au débat sur le secret dans l’IA. Publier un modèle à poids ouverts serait un geste significatif, mais limité à un système dont les détails restent inconnus au 1er avril 2025. La véritable portée de ce changement se mesurera lorsque le modèle, sa licence et sa documentation seront effectivement accessibles. C’est à ce moment que l’on pourra juger si OpenAI ouvre une parenthèse stratégique ou amorce une évolution durable de ses pratiques.