Les poids de Kimi K3 sont en ligne : pourquoi les héberger vous-même compte plus que le modèle

Dans notre revue d'il y a deux semaines, nous parlions de l'annonce de Kimi K3 : benchmarks publiés, classement bousculé, mais poids pas encore téléchargeables. Depuis aujourd'hui, 27 juillet 2026, cette phase est terminée : Moonshot a publié sur Hugging Face les poids complets du modèle, environ 594 Go au format MXFP4, faisant de Kimi K3 la plus grande publication open-weight jamais rendue disponible au public. Mais la nouvelle qui compte vraiment pour qui décide d'une architecture IA en entreprise n'est pas le nombre de paramètres : c'est ce qui change, concrètement, entre utiliser l'API de Moonshot et faire tourner ces mêmes poids sur sa propre infrastructure.

La différence n'est plus théorique : elle est téléchargeable dès aujourd'hui

Tant qu'un modèle n'existe que comme API, la distinction entre "où il a été entraîné" et "où il tourne" reste un argument de consultant. Depuis aujourd'hui, avec les poids de K3 publiquement disponibles, cette distinction devient un choix opérationnel que chaque entreprise peut effectivement faire : télécharger le modèle et le faire tourner sur sa propre infrastructure, ou sur un cloud souverain suisse, au lieu d'envoyer ses prompts aux serveurs d'un fournisseur chinois.

Pourquoi l'auto-hébergement n'est pas un détail technique

Le cadre réglementaire chinois n'est pas ambigu sur ce point : la loi sur le renseignement national de 2017 impose à toute organisation chinoise de coopérer avec les demandes des services de renseignement, et la loi sur la sécurité des données (2021) ainsi que la loi sur la cybersécurité (2017) ajoutent des obligations de localisation des données. Ces obligations pèsent sur l'entreprise qui fournit le service, pas sur la juridiction physique de ses serveurs — c'est pourquoi s'appuyer sur l'API d'un fournisseur chinois, quel que soit l'emplacement technique de ses centres de données, expose à un risque qu'aucun contrat n'élimine vraiment. Le Centre national chinois d'information sur la cybersécurité avait déjà signalé Kimi en 2025 pour collecte de données non pertinentes au service, et un cas documenté a vu le chatbot révéler à un utilisateur non concerné le CV complet d'une autre personne — nom, téléphone, parcours professionnel.

Lorsqu'on télécharge en revanche les poids et qu'on les exécute sur sa propre infrastructure, les prompts ne quittent jamais votre périmètre : ce cadre réglementaire, aussi réel soit-il, devient sans pertinence pour le flux de vos données, car aucun serveur de Moonshot ne se trouve plus sur le trajet. C'est exactement la distinction entre l'origine d'un modèle et son lieu d'exécution dont nous parlions dans notre dernière revue — sauf qu'aujourd'hui, pour la première fois sur un modèle de cette envergure, c'est un choix que vous pouvez réellement mettre en œuvre.

La licence : même structure que K2, à vérifier tout de même ligne par ligne

K3 devrait hériter de la licence Modified MIT déjà vue sur K2.7 Code, dont la clause d'attribution se déclenche au-delà de 100 millions d'utilisateurs actifs mensuels ou 20 millions de dollars de chiffre d'affaires mensuel — un seuil sans pertinence pour la plupart des entreprises. Mais le texte exact de la licence publiée avec les poids de K3 doit être lu intégralement avant toute adoption, sans présumer qu'il est identique à celui de la version précédente : les laboratoires modifient leurs conditions d'une version à l'autre plus souvent qu'on ne l'imagine.

Un point de vigilance avant la mise en production

Des tests indépendants cités dans les jours précédant la publication ont relevé un taux d'hallucination d'environ 51 % sur certains benchmarks, un chiffre absent des graphiques officiels diffusés par Moonshot. Ce n'est pas une raison d'écarter le modèle, mais c'en est une de le tester sur votre cas d'usage spécifique avant toute adoption en production — en particulier sur des contenus réglementés, où une hallucination n'est pas une gêne mais un risque de conformité.

Pendant ce temps, Mistral choisit la voie inverse : tout en Apache 2.0

La même semaine, Mistral AI a confirmé que toute la famille Mistral 3 — les modèles denses de 3, 8 et 14 milliards de paramètres ainsi que le modèle phare Large 3 — est publiée sous licence Apache 2.0, sans seuil d'utilisateurs ou de chiffre d'affaires et sans clause d'attribution conditionnelle. C'est un laboratoire européen, avec une posture de conformité déjà plus proche de celle d'une entreprise suisse, et une licence qui ne demande pas le même examen ligne par ligne que Kimi K3. Il ne rivalise pas à la même échelle de paramètres, mais pour de nombreux cas d'usage, c'est aujourd'hui le choix le plus simple à justifier lors d'un audit de conformité.

Que faire concrètement si vous évaluez un modèle ouvert aujourd'hui

• Si vous adoptez Kimi K3, hébergez-le vous-même — sur votre propre infrastructure ou un cloud souverain suisse — plutôt que d'utiliser l'API de Moonshot : c'est le seul moyen de rendre sans pertinence la juridiction de celui qui l'a entraîné.
• Lisez le fichier de licence publié avec les poids de K3, ne vous fiez pas à un résumé basé sur la version précédente : les laboratoires modifient leurs conditions plus souvent qu'il n'y paraît.
• Testez le taux d'hallucination sur votre cas d'usage spécifique avant toute adoption en production, en particulier sur des contenus réglementés ou destinés aux clients.
• Si la priorité est une licence propre, sans seuils à surveiller dans le temps, Mistral 3 (Apache 2.0) est aujourd'hui une alternative sérieuse, même à une échelle de paramètres plus modeste.

C'est exactement le travail que nous faisons chaque semaine avec nos clients : vérifier la licence avant qu'elle ne devienne un problème, ramener les poids à l'intérieur de votre périmètre plutôt que d'envoyer vos données à l'extérieur, et construire une architecture où le modèle tourne là où il doit tourner — quel que soit celui qui l'a entraîné, et où.