IA open source : réduire les coûts sans freiner la croissance des entreprises

L’intelligence artificielle n’est plus réservée aux groupes capables d’acheter les offres les plus coûteuses du marché. Au 22 mai 2025, les modèles, bibliothèques et outils à code source ouvert occupent une place grandissante dans les stratégies technologiques des entreprises. Leur intérêt ne tient pas seulement à un prix de licence potentiellement plus faible : ils donnent aussi aux organisations davantage de latitude pour adapter la technologie à leurs données, à leurs métiers et à leurs contraintes.

C’est le constat porté par un rapport de la Linux Foundation, réalisé avec le soutien de Meta, sur les retombées économiques et sociales de l’intelligence artificielle open source. L’étude présente ces outils comme un levier de maîtrise des dépenses, mais aussi comme un facteur de concurrence, d’innovation et de transformation du travail. Elle rappelle surtout un point essentiel : le coût d’accès à un modèle n’est qu’une partie de l’équation. Pour qu’une IA crée réellement de la valeur, une entreprise doit aussi être capable de l’intégrer, de la superviser et de former ses équipes.

Une adoption déjà très large dans les organisations

L’open source désigne un mode de développement dans lequel le code d’un logiciel est accessible et peut être étudié, modifié et redistribué selon les conditions de sa licence. Dans l’IA, l’expression recouvre plusieurs réalités : code permettant d’entraîner ou d’exécuter un modèle, outils de traitement des données, bibliothèques de machine learning, documentation, parfois paramètres du modèle. Cette ouverture ne signifie donc pas automatiquement que tous les usages sont gratuits ou sans contraintes, mais elle augmente les possibilités de contrôle et de personnalisation.

Selon le rapport, 94 % des organisations ont déjà adopté des outils d’IA. Parmi elles, 89 % utilisent des modèles d’IA open source. Ces chiffres témoignent d’une évolution nette : les entreprises ne considèrent plus les technologies ouvertes comme de simples solutions expérimentales réservées aux développeurs. Elles les mobilisent dans leurs environnements techniques, aux côtés de services propriétaires et d’outils internes.

Ces données ne veulent pas dire qu’une entreprise doit opposer systématiquement logiciel ouvert et logiciel propriétaire. Dans la pratique, nombre d’organisations combinent les deux. Elles peuvent utiliser un service commercial pour une tâche précise, comme l’accès rapide à un modèle via une interface en ligne, tout en s’appuyant sur des outils ouverts pour développer une application métier, exécuter un modèle dans leur propre infrastructure ou éviter une dépendance excessive envers un fournisseur.

Pourquoi l’open source peut faire baisser la facture

La première promesse de l’IA open source est économique. Le rapport indique que deux tiers des entreprises interrogées considèrent ces solutions moins coûteuses à déployer que des options propriétaires. Près de la moitié citent même les économies réalisées comme une raison majeure de leur adoption.

L’avantage vient notamment de la réduction ou de l’absence de certains frais de licence. Une organisation peut aussi choisir où et comment elle exécute le logiciel : sur son propre matériel, chez un prestataire de cloud ou dans une infrastructure hybride. Cette liberté permet d’adapter les dépenses aux contraintes réelles du projet plutôt que de dépendre exclusivement d’une tarification fixée par un éditeur.

Le rapport va plus loin en avançant que, sans logiciels open source, les entreprises pourraient devoir dépenser jusqu’à 3,5 fois plus qu’aujourd’hui. Cette estimation illustre l’ampleur du rôle joué par les composants ouverts dans l’économie numérique : ils ne sont pas seulement utilisés dans des projets spécialisés d’IA, mais constituent aussi une fondation technique pour de nombreux services, systèmes et applications.

Il faut toutefois raisonner en coût total de possession. Un outil propriétaire peut inclure l’hébergement, les mises à jour, le support et certaines garanties contractuelles. À l’inverse, une solution ouverte peut demander davantage de travail interne. Le bon calcul ne consiste donc pas à comparer un prix de licence à zéro, mais à évaluer sur la durée les dépenses d’infrastructure, de sécurité, d’intégration, de conformité et de ressources humaines.

L’innovation ne se résume pas à l’accès à un modèle

Réduire un poste de dépenses peut libérer des moyens pour expérimenter, recruter ou améliorer un produit. C’est l’un des mécanismes mis en avant par la Linux Foundation : dans certains départements, des économies de plus de 50 % peuvent offrir aux entreprises une marge de manœuvre importante pour investir dans de nouveaux usages et, potentiellement, générer des revenus supplémentaires.

Pour une startup ou une entreprise de taille intermédiaire, l’enjeu est particulièrement fort. L’accès à des briques technologiques réutilisables réduit le délai nécessaire pour passer de l’idée au prototype. Une équipe peut tester un assistant documentaire, un outil de maintenance prédictive ou une application d’analyse d’images sans commencer par construire chaque composant fondamental. Elle peut ensuite adapter le système à son domaine, sous réserve de disposer des données, des compétences et des droits nécessaires.

Cette capacité d’expérimentation aide aussi les entreprises à éviter une uniformisation des usages. Si tous les acteurs utilisent exactement le même service fermé, avec les mêmes réglages et les mêmes limites, il devient plus difficile de se différencier. Les outils ouverts peuvent faciliter l’intégration de règles métier spécifiques, de vocabulaires sectoriels ou de processus internes.

PyTorch, l’exemple d’une gouvernance plus collaborative

Le rapport s’appuie notamment sur le cas de PyTorch, l’un des logiciels les plus utilisés pour développer et entraîner des modèles de machine learning. Initialement créé par Meta, le projet a vu sa gouvernance évoluer avec la création de la PyTorch Foundation, hébergée par la Linux Foundation en 2022.

Cette évolution permet d’observer ce que change une gouvernance qui ne repose plus principalement sur une seule entreprise. D’après les retours étudiés dans le rapport, les contributions des entreprises ont diminué après cette transition, tandis que les apports extérieurs, notamment ceux de développeurs et de fabricants de technologies complémentaires, ont fortement progressé. L’engagement des utilisateurs, lui, est resté stable.

L’enseignement n’est pas qu’une communauté ouverte fonctionne sans entreprises. Au contraire, les acteurs industriels restent indispensables pour financer, maintenir et déployer des logiciels complexes. Mais une fondation peut fournir un cadre dans lequel plusieurs organisations coopèrent, partagent certaines décisions techniques et limitent le risque qu’un seul participant fixe durablement toutes les règles.

Le rapport souligne aussi que l’activité collaborative dans les communautés ouvertes serait un meilleur indicateur d’innovation que le seul nombre de brevets. Le brevet mesure une protection juridique. Les contributions, les corrections de bogues, la documentation, les extensions et les échanges entre utilisateurs mesurent plus directement la vitalité d’un écosystème technique. Dans l’IA, où les outils évoluent vite et reposent sur de nombreuses briques logicielles, cette distinction est particulièrement importante.

Fabrication et santé, deux secteurs à fort potentiel

La fabrication figure parmi les domaines où la flexibilité de l’IA open source peut avoir un effet important. Les entreprises industrielles disposent souvent de données et de processus très spécifiques : capteurs sur une chaîne de production, historiques de maintenance, contraintes de qualité ou exigences de sûreté. Des outils adaptables peuvent être intégrés plus finement dans ces environnements que des solutions entièrement standardisées.

Le rapport rappelle une estimation de McKinsey selon laquelle l’IA pourrait générer jusqu’à 290 milliards de dollars de valeur supplémentaire dans la fabrication avancée. Ce potentiel ne constitue pas un résultat garanti pour chaque usine. Il dépend notamment de la qualité des données, de l’organisation du travail et de la capacité à relier un outil d’IA à des décisions opérationnelles concrètes. Mais il donne l’ordre de grandeur de l’enjeu économique.

Dans la santé, l’intérêt est tout aussi évident, avec une exigence de prudence plus élevée. Des systèmes d’IA peuvent contribuer à analyser de grands volumes de données, soutenir l’identification précoce de certaines pathologies ou accélérer la recherche. Le rapport évoque un potentiel pouvant atteindre 260 milliards de dollars pour le secteur de la santé avec une intégration complète de l’IA.

Toutefois, un outil ouvert ne peut pas être déployé dans un établissement de soins comme un simple logiciel de bureautique. Les données médicales sont sensibles, les performances doivent être évaluées dans le contexte d’usage réel et la décision clinique reste encadrée par des professionnels et des règles strictes. L’ouverture peut faciliter l’adaptation et l’audit technique, mais elle ne remplace ni la validation médicale ni la protection des patients.

Des compétences plus recherchées et potentiellement mieux rémunérées

Le développement de l’IA open source transforme aussi les besoins de recrutement. Le rapport estime que les salariés possédant les compétences les plus demandées dans ce domaine pourraient bénéficier d’augmentations de rémunération allant jusqu’à 20 %. Il ne s’agit pas seulement de savoir entraîner un modèle sophistiqué.

Les entreprises recherchent également des profils capables de préparer et gouverner les données, d’intégrer un modèle dans une application, de surveiller ses résultats, d’optimiser son fonctionnement ou d’évaluer ses risques. Les compétences en data science, en machine learning, en développement logiciel et en pratiques open source deviennent ainsi complémentaires.

Pour Hilary Carter, vice-présidente senior de la recherche à la Linux Foundation, l’IA open source agit comme un catalyseur de croissance et d’opportunités économiques. Cette observation renvoie à un défi très concret : l’accès au code et aux outils ne suffit pas si les équipes ne sont pas formées pour les utiliser correctement. La formation continue, l’apprentissage par des projets concrets et le partage de bonnes pratiques deviennent des investissements aussi importants que le choix du modèle.

Ce qu’il faut surveiller pour transformer l’essai

L’essor de l’IA open source ouvre une possibilité : rendre des technologies avancées plus accessibles à des organisations qui n’auraient pas les moyens de bâtir seules toute leur infrastructure. Mais l’avantage ne sera durable que pour les entreprises qui abordent le sujet avec méthode.

Quatre points méritent une attention particulière :

• Le coût complet : calcul, stockage, cybersécurité, intégration et maintenance doivent être intégrés au budget dès le départ.
• La licence et la gouvernance : il faut comprendre ce que le projet autorise, qui le maintient et comment évoluent ses règles.
• La sécurité et les données : un modèle adapté à des informations internes ou sensibles nécessite des protections et des contrôles précis.
• Les compétences : la disponibilité d’équipes formées conditionne autant le succès d’un déploiement que la qualité du logiciel choisi.

L’enjeu, en mai 2025, n’est donc plus de savoir si l’IA open source aura une place dans l’économie numérique. Les niveaux d’adoption relevés par la Linux Foundation et Meta montrent qu’elle l’a déjà. La question décisive est de savoir comment entreprises, pouvoirs publics, développeurs et salariés organiseront cette ouverture afin qu’elle produise à la fois des économies réelles, une innovation partageable et des usages fiables.