Trois actualités de la même semaine, lues ensemble : le bilan à un an du modèle ouvert suisse Apertus, la première sortie multimodale de DeepSeek sous licence MIT propre, et un modèle ouvert qui se spécialise en médecine. Ce qui compte vraiment pour qui évalue une architecture aujourd'hui.
En neuf jours, cinq sorties open-weight ont confirmé que l'écart de capacité avec les modèles fermés se referme plus vite que prévu — et ont aussi montré, avec un cas concret, pourquoi la licence d'hier ne garantit pas celle de demain.
En une seule semaine : des poids MIT déjà téléchargeables, une licence à partage de revenus tout juste publiée, un modèle qui trouve des vulnérabilités critiques et garde ses poids sous clé, et un quatrième modèle qui n'a même pas de nom. Voici ce qui change pour qui décide aujourd'hui.
Meta fait marche arrière sur sa stratégie fermée, Nvidia publie son tout premier modèle open source. Même semaine, même direction : des modèles compacts, des licences qui tiennent la route, pensés pour tourner sur un seul GPU.
La même semaine, Alibaba annonce un modèle "open" sans poids ni licence, DeepSeek publie les siens sous licence MIT, et l'Union européenne choisit qui construira son modèle open souverain. Trois degrés d'ouverture très différents.
Deux actualités survenues la même semaine, l'une venue de Bruxelles et l'autre de Washington, en disent plus sur la direction que prend la régulation des modèles ouverts que n'importe quel classement de benchmarks. Voici ce qui change pour les entreprises qui les utilisent déjà en Suisse.
Les poids complets de Kimi K3 — 2,8 billions de paramètres, la plus grande publication open-weight jamais réalisée — sont en ligne depuis aujourd'hui. Mais le choix qui compte pour une entreprise n'est pas quel modèle télécharger : c'est où le faire tourner.
Deux semaines après notre dernier tour d'horizon, le classement des modèles open-weight s'est déjà retourné deux fois. Voici ce que sont Kimi K3 et Inkling, leurs licences, et pourquoi courir après le podium n'est pas l'essentiel.
Durant les six premiers mois de 2026, le classement des modèles open-weight a changé plus souvent qu'on ne pouvait le suivre. Voici ce qui compte vraiment pour une entreprise, au-delà du bruit des benchmarks.
Le modèle le plus grand n'est pas toujours le meilleur choix. Les techniques d'optimisation permettent souvent d'obtenir la même qualité perçue pour une fraction du coût matériel.
Le RAG et le fine-tuning sont souvent présentés comme des alternatives équivalentes. Ce n'est pas le cas : ils résolvent des problèmes différents, et se tromper de choix coûte des mois de travail.
Adopter un outil d'IA sans avoir vérifié où finissent les données est le moyen le plus rapide de transformer un gain de productivité en problème de conformité. Voici ce qu'il faut contrôler au préalable.
Un modèle fermé et un modèle open-weight ne sont pas deux variantes d'un même produit : ils déterminent qui voit vos données et qui contrôle le système. Voici comment décider au cas par cas.
Les agents IA promettent d'automatiser des flux de travail entiers. Sur des modèles ouverts, aujourd'hui, certains cas fonctionnent bien en production — d'autres non, et il vaut mieux le savoir avant de construire dessus.
Le mot « ouvert » est utilisé avec beaucoup de liberté dans le monde de l'IA. Les licences qui se cachent derrière les modèles sont pourtant très différentes les unes des autres — et les lire avant de les adopter n'est pas optionnel.
« Avons-nous besoin d'un supercalculateur ? » est la question qui bloque le plus de projets d'IA avant même qu'ils ne commencent. La réponse est presque toujours plus modeste que ce que l'on craint.
« Modèle ouvert » n'est pas une catégorie unique : derrière ce terme se cachent des familles très différentes les unes des autres. Voici comment s'orienter sans se laisser guider uniquement par les benchmarks.