Sujet
Tous les articles d’Actu.ai consacrés à Open source : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 83 articles
Kimi K2 place Moonshot AI parmi les acteurs à suivre de l’IA ouverte, avec des résultats élevés en programmation et en mathématiques. Son architecture Mixture of Experts limite la puissance mobilisée à chaque requête, mais le déploiement reste exigeant. Voici ce que ses scores, sa licence et ses faiblesses impliquent concrètement pour les entreprises.
Meta étudie la possibilité de développer des modèles d’intelligence artificielle fermés, avec un accès davantage contrôlé. Cette orientation contraste avec la diffusion des modèles Llama et pose une question centrale : comment concilier sécurité, protection des données, transparence et innovation collaborative ?
Google met à disposition MedGemma et MedSigLIP, des modèles d’IA conçus pour les textes et les images médicales. Avec des résultats prometteurs sur des tests spécialisés et une exécution possible en local, ils pourraient aider les soignants. À condition de ne jamais confondre assistance algorithmique et décision clinique.
Faire fonctionner une IA dans son propre environnement informatique permet de limiter les transferts de données sensibles vers des services distants. LocalAI, Ollama et des outils d’analyse documentaire ouvrent cette voie, à condition de ne pas confondre hébergement local et sécurité automatique.
Google a présenté Gemini CLI, un agent d’intelligence artificielle open source qui s’utilise directement dans le terminal. Propulsé par Gemini 2.5 Pro, il peut analyser un projet, produire du code et automatiser certaines tâches. L’outil est gratuit dans une limite de 1 000 requêtes quotidiennes pour les titulaires d’un compte Google.
Hugging Face, connu pour sa plateforme de modèles d’IA, étend son projet d’ouverture à la robotique. Sous l’impulsion de son cofondateur Thomas Wolf, l’entreprise mise sur des logiciels, des données et du matériel open source pour permettre à davantage de personnes d’expérimenter, d’apprendre et de contribuer.
À l’heure où les entreprises d’IA recherchent des données fiables à grande échelle, Wikimedia veut éviter que la monétisation ne prenne le pas sur sa raison d’être. Lane Becker, président de Wikimedia LLC, défend un modèle où les revenus tirés de services de données doivent renforcer l’accès libre au savoir, les bénévoles et la transparence.
Avec Magistral, Mistral AI entre dans la course aux modèles capables de décomposer les problèmes complexes avant de répondre. Décliné en versions Small et Medium, ce nouveau modèle met l’accent sur les mathématiques, le multilinguisme et des usages professionnels, tout en rappelant qu’un raisonnement affiché par une IA doit toujours être vérifié.
Au Forum de la cybersécurité de Pékin en 2025, plusieurs responsables chinois ont décrit l’IA comme un outil à double tranchant. Elle peut améliorer la détection des menaces, mais aussi renforcer les capacités des attaquants. Leur réponse : intégrer la sécurité dès la conception des logiciels et coordonner entreprises, opérateurs et pouvoirs publics.
Repérer un signal inhabituel avant qu’il ne devienne une panne, une attaque ou une complication médicale est un défi majeur. Développé par des chercheurs liés au MIT, Orion propose un cadre open source pour explorer la détection d’anomalies dans les séries temporelles, avec une ambition : rendre ces méthodes plus accessibles et plus transparentes.
Meta a consacré des moyens considérables à l’intelligence artificielle, mais voit partir plusieurs chercheurs associés à Llama. Le phénomène interroge sa capacité à garder les profils qui font avancer ses modèles, alors que Mistral, OpenAI, Google et DeepSeek accélèrent la compétition sur les modèles génératifs et le raisonnement.
Face aux besoins massifs de calcul de l’IA, Kubernetes devient un outil central pour répartir les ressources et piloter des clusters complexes. GPU coûteux, sécurité des modèles, politiques communes et observabilité : voici les pratiques qui permettent de rendre cette infrastructure plus efficace sans la transformer en usine à gaz.
Racheté par Hugging Face, Pollen Robotics place Reachy 2 au cœur d’une stratégie de robotique ouverte. Vendu environ 70 000 euros et déjà commercialisé à une centaine d’exemplaires, ce robot humanoïde apprend par imitation et vise d’abord les laboratoires. Ses promesses de productivité doivent toutefois être distinguées des résultats mesurés.
Né dans un village du Guangdong, Liang Wenfeng a fondé DeepSeek et s’est imposé comme une figure majeure de l’intelligence artificielle chinoise. Le succès de son modèle de raisonnement, publié en janvier 2025, dépasse l’histoire individuelle : il nourrit les ambitions technologiques d’un pays entier.
Hugging Face annonce l’acquisition de Pollen Robotics afin d’étendre son ambition d’accessibilité au champ des robots. L’opération rapproche les outils d’intelligence artificielle et la robotique collaborative, avec l’objectif affiché de simplifier la création d’applications capables d’agir dans le monde physique.
Le Model Context Protocol, ou MCP, propose une manière standard de relier un assistant comme Claude à des logiciels, bases de données et services métiers. Lancé par Anthropic fin 2024, ce protocole promet de simplifier l’automatisation, à condition de comprendre son architecture et de garder le contrôle sur les accès accordés.
Rendre un code public et connecter un agent d’IA à des outils sont deux démarches distinctes, mais complémentaires. En avril 2025, le protocole MCP fournit un langage commun aux agents et à leurs sources de données, tandis que l’ouverture du code peut renforcer l’audit, la réutilisation et la coopération.
Avec DeepSeek-V3 puis DeepSeek-R1, la jeune entreprise chinoise a imposé son nom dans la compétition mondiale des modèles de langage. Ses résultats revendiqués, la publication de ses modèles et un coût d’entraînement annoncé bien inférieur aux estimations habituelles interrogent les équilibres technologiques entre la Chine et les États-Unis.
Hugging Face défend une place centrale pour l’open source dans les politiques sur l’intelligence artificielle. Forte d’une plateforme qui héberge plus d’un demi-million de modèles et d’une valorisation de 4,5 milliards de dollars, l’entreprise veut élargir l’accès à l’IA sans éluder les questions de sécurité, de licence et de responsabilité.
NVIDIA a présenté Dynamo, un logiciel open-source destiné à mieux faire fonctionner les modèles d’IA une fois entraînés. Compatible avec plusieurs outils majeurs du secteur, il promet d’améliorer la vitesse de réponse, le débit et l’utilisation des GPU, un enjeu clé pour les services d’IA à grande échelle.
LG AI Research dévoile EXAONE Deep, une famille de modèles conçus pour les problèmes de mathématiques, de sciences et de programmation. Son modèle phare de 32 milliards de paramètres est accompagné de deux versions plus légères annoncées en open source, afin d’élargir l’accès aux développeurs et aux chercheurs.
Baidu a dévoilé Ernie 4.5, un modèle d’IA multimodal, ainsi qu’un second modèle conçu pour les tâches de raisonnement. Le groupe chinois prévoit de placer Ernie 4.5 en open source le 30 juin 2025, un virage stratégique destiné à renforcer sa place face aux jeunes pousses et aux grands acteurs de l’IA.
En mars 2025, les modèles d’IA dits open source gagnent du terrain face aux services fermés des grands groupes. DeepSeek, Mistral AI, Meta ou Alibaba misent sur l’ouverture pour accélérer l’innovation et élargir les usages. Mais cette dynamique soulève aussi des questions de calcul, de sécurité, de licences et de régulation.
Pour Laurent Daudet, cofondateur et CEO de LightOn, l’intelligence artificielle générative ne relève pas d’un emballement passager. Elle inaugure une transformation technologique appelée à modifier les outils des entreprises, la création et la relation des utilisateurs aux machines. Reste à convertir la promesse en usages fiables, utiles et déployés à grande échelle.
