Sujet
Tous les articles d’Actu.ai sur le sujet « Open source », du plus récent au plus ancien. 85 articles
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.
DeepSeek propose des tarifs réduits pour l’accès à ses modèles par API durant ses heures creuses. La remise peut atteindre 75 % pour DeepSeek-R1 et 50 % pour DeepSeek-V3, une initiative qui pourrait réduire sensiblement le coût des usages intensifs de l’IA pour les développeurs.
Se relever seul après une chute est une capacité décisive pour les robots humanoïdes. Des travaux fondés sur l’apprentissage par imitation, des capteurs avancés et une vision 3D visent à rendre cette récupération plus rapide et plus fiable, notamment avec le robot chinois Tiangong.
DeepSeek a publié les poids de son modèle V3 et du code associé, une ouverture rare à cette échelle. Mais l’open source ne signifie ni accès aux jeux de données d’entraînement, ni confidentialité automatique pour les utilisateurs du service. Alors que l’Europe s’interroge, il faut distinguer audit du modèle et protection des données personnelles.
En 2025, l’intelligence artificielle ne se résume plus à la course aux modèles géants. Les organisations cherchent des systèmes plus ciblés, mieux reliés à leurs données et encadrés par l’expertise humaine. Open source, IA agentique, lutte contre les deepfakes et règles éthiques dessinent les priorités de cette nouvelle étape.
Rendre un modèle d’intelligence artificielle accessible peut stimuler la recherche, réduire certaines dépendances et faciliter la personnalisation. Mais l’étiquette « open source » ne garantit ni la transparence sur les données, ni la sécurité des usages, ni l’absence de biais. Tour d’horizon des promesses et des zones de vigilance.
Une équipe liée aux universités Stanford et Washington affirme avoir adapté un modèle de raisonnement baptisé s1 pour moins de 50 dollars. Leur recette combine un modèle déjà entraîné, 1 000 exemples de raisonnement issus de Gemini et une courte phase d’entraînement. Une avancée prometteuse, mais qui ne signifie pas qu’un modèle comme Gemini se construit à ce prix.
Ericsson lance les Cognitive Labs, une initiative de recherche consacrée à l’intelligence artificielle pour les télécommunications. Organisés autour de trois laboratoires, ces travaux porteront notamment sur les graphes, l’apprentissage automatique et les grands modèles de langage, avec une démarche ouverte et un partenariat universitaire en Espagne.
DeepSeek présente Janus-Pro, une famille de modèles multimodaux capables de comprendre et de générer des images. Sa version à 7 milliards de paramètres affiche de solides résultats sur les tests MMBench et GenEval, devant DALL-E 3 sur ce dernier. Mais ses limites de résolution rappellent que les benchmarks ne racontent pas toute l’histoire.
Les modèles de DeepSeek ont relancé un débat central : faut-il dépenser toujours plus pour progresser en intelligence artificielle ? Les annonces de la jeune entreprise chinoise interrogent les stratégies des géants américains, mais elles ne suffisent pas à conclure à une stagnation technologique des États-Unis.
Un robot peut reconnaître une tasse sans pour autant savoir si elle est pleine, fragile ou à portée de pince. La recherche cherche donc à dépasser la simple détection d’objets, en combinant vision, capteurs, apprentissage et action pour permettre aux machines d’évoluer avec fiabilité dans le monde réel.
Avec DeepSeek-V3, puis DeepSeek-R1, une jeune entreprise chinoise s’invite au premier plan des modèles de langage. Ses résultats techniques, son approche ouverte et ses coûts d’entraînement annoncés alimentent une question stratégique : l’écart entre la Chine et les États-Unis dans l’IA est-il en train de se resserrer ?
La faible luminosité reste un obstacle majeur pour les robots qui doivent se repérer par caméra. Des chercheurs de l’Université de Cordoue proposent une méthode fondée sur trois réseaux de neurones pour détecter, localiser puis décoder des marqueurs fiduciaux, y compris lorsque l’éclairage se dégrade.
Le modèle de raisonnement DeepSeek R1, publié avec ses poids, affiche des résultats proches ou supérieurs à OpenAI o1 sur plusieurs tests. Pour Yann LeCun, son essor illustre surtout la force de la recherche ouverte. Mais les benchmarks ne suffisent pas à proclamer un vainqueur définitif.
DeepSeek publie R1 et R1-Zero, deux modèles conçus pour mieux résoudre les problèmes de logique, de mathématiques et de programmation. Au 21 janvier 2025, leurs résultats déclarés les placent au niveau d’OpenAI o1 sur plusieurs tests, tout en ouvrant leurs poids et des versions plus légères à la communauté.
Pour faire fonctionner Lucie, son assistant conversationnel open source, Linagora cherche un équilibre difficile entre rapidité, coût et souveraineté. L’entreprise mise sur des cartes graphiques moins onéreuses que les GPU les plus récents, une infrastructure multicloud et, à terme, de nouvelles architectures de modèles comme Mamba.
Automattic, l’entreprise qui opère notamment WordPress.com, a acquis la jeune pousse texane WPAI. Ses fondateurs et ses produits, dont CodeWP et AgentWP, doivent alimenter de futures fonctions d’intelligence artificielle pour WordPress. L’opération ouvre des perspectives concrètes, mais les outils actuels ne seront pas conservés tels quels.
Au CES 2025 de Las Vegas, VideoLAN a célébré les 6 milliards de téléchargements de VLC en présentant une évolution attendue : des sous-titres créés et traduits par intelligence artificielle. La promesse est double, simplifier le visionnage de vidéos et le rendre plus accessible, y compris sans connexion Internet.
Développé à l’EPFL avec le soutien d’Apple, 4M est un cadre open source pour entraîner des modèles sur plusieurs formes de données. Son approche de masquage massif entend rapprocher texte, images et informations sensorielles, tout en laissant aux chercheurs la possibilité d’adapter l’outil à des usages scientifiques spécialisés.
Le logiciel est une part essentielle de notre patrimoine technique, mais il reste fragile face aux fermetures de plateformes et à l’obsolescence. Lancée par l’Inria, Software Heritage veut l’archiver à grande échelle. Scikit-learn illustre, de son côté, comment le code ouvert peut mettre l’apprentissage automatique à la portée de tous.
Conçue par des chercheurs de l’université Duke, CREW est une plateforme open source qui transforme des jeux virtuels en expériences sur la collaboration entre personnes et agents d’IA. Elle mesure les retours détaillés des participants, certains signaux physiologiques et des facteurs cognitifs, afin de mieux comprendre ce qui rend une équipe humain-IA efficace.
Des chercheurs liés au MIT présentent Boltz-1, un système d’IA entièrement open-source destiné à prédire la structure en trois dimensions des biomolécules. En publiant le modèle, son entraînement et ses optimisations, l’équipe espère rendre la biologie structurale de pointe plus accessible et accélérer la recherche sur les médicaments.
Meta enrichit sa famille Llama avec Llama 3.3 70B, un grand modèle de langage orienté vers les usages textuels. L’entreprise affirme atteindre un niveau proche de Llama 3.1 405B avec un modèle bien plus compact, donc moins coûteux à exploiter. Une promesse importante pour les entreprises et développeurs qui veulent maîtriser leur infrastructure d’IA.
