Qwen-Image-2.1, Shieldstral et Granite 4.2 : trois degrés d'ouverture très différents, entre août et septembre 2026

Trois sorties de ces dernières semaines racontent trois degrés d'ouverture très différents, et aucune ne se laisse résumer par la simple étiquette "open-weight". Le 20 septembre 2026, Alibaba a publié Qwen-Image-2.1 avec des poids téléchargeables par n'importe qui, mais interdits en production sans contrat commercial séparé. Quelques semaines plus tôt, le 4 août, Mistral avait publié Shieldstral, un classificateur de sécurité de 3 milliards de paramètres sous une véritable licence Apache 2.0, pensé explicitement pour tourner sur les serveurs de ceux qui le téléchargent. Et le 25 août, IBM a ajouté Granite 4.2, trois modèles de raisonnement dotés d'un interrupteur qui décide de réfléchir étape par étape ou de répondre directement. Mises bout à bout, ces trois sorties sont un rappel utile : "poids publics" ne veut plus dire grand-chose de précis tant qu'on n'a pas lu la licence, sortie après sortie.

Qwen-Image-2.1 : les poids se téléchargent librement, mais on ne peut pas les utiliser en production sans demander l'autorisation

Le 20 septembre 2026, l'équipe Qwen d'Alibaba a publié Qwen-Image-2.1, un modèle de génération et d'édition d'images de 7 milliards de paramètres basé sur une architecture Single-Stream DiT à 32 couches. Les nouveautés techniques sont concrètes : le modèle écrit nativement la transparence (format RGBA), au lieu de générer sur fond plein puis de détourer le sujet avec un modèle de matting séparé ; il accepte jusqu'à dix images de référence dans une seule composition ; il prend en charge l'édition locale et une sortie jusqu'à 2K ; et il réutilise le cache KV pour traiter les images d'entrée et les instructions d'édition comme un contexte statique calculé une seule fois, réduisant la mémoire et le temps d'inférence. Les poids sont disponibles sur Hugging Face, ModelScope et GitHub, avec un support dès le premier jour dans ComfyUI, Diffusers, vLLM-Omni et SGLang.

La surprise vient de la licence. La génération précédente, Qwen-Image, était sous Apache 2.0 — aussi permissive que MiniCPM5-2B, dont nous parlions la semaine dernière. Qwen-Image-2.1 arrive au contraire sous le Qwen Research License Agreement, dont le texte publié sur GitHub est sans ambiguïté : l'usage n'est accordé qu'"à des fins de recherche ou d'évaluation", et quiconque souhaite un usage commercial doit d'abord obtenir une licence séparée en écrivant à model-business@notice.qwencloud.com. Quiconque distribue un dérivé doit en outre afficher de manière visible "Built with Qwen" ou "Improved using Qwen", et ne peut pas utiliser le nom Qwen comme identifiant principal de son propre produit. En pratique : les poids sont aussi publics et inspectables que ceux d'un modèle open source, mais les utiliser pour générer des images dans un produit commercial — même un simple outil interne produisant du contenu marketing — nécessite un contrat qui, aujourd'hui, n'existe tout simplement pas encore sous forme publique.

Shieldstral : un contre-exemple d'ouverture réelle, pensé exprès pour tourner en autonomie

Le 4 août 2026, Mistral AI a publié Shieldstral, un classificateur de sécurité multimodal de 3 milliards de paramètres sous Apache 2.0 — aucun seuil, aucune clause d'usage commercial, aucun contrat à signer. Il tourne sur un seul GPU de 16 Go et évalue à la fois le texte et les images. Ce qui le distingue des garde-fous traditionnels, c'est qu'il est "policy-adaptive" : au lieu d'être réentraîné à chaque changement de politique de modération, il accepte la politique en langage naturel directement au moment de l'inférence et renvoie un score de sécurité calibré. Dans les tests de Mistral, il bat des modèles jusqu'à sept fois plus grands. Pour une entreprise qui doit appliquer ses propres règles de modération de contenu — pas celles décidées par un fournisseur cloud tiers — c'est un exemple concret de ce que signifie une ouverture réelle : vous pouvez le télécharger, l'exécuter sur vos serveurs, changer la politique quand vous le souhaitez, sans jamais faire sortir le contenu de votre périmètre.

Granite 4.2 : IBM mise sur trois tailles ouvertes avec un interrupteur pour le raisonnement

Le 25 août 2026, IBM a publié Granite 4.2, une famille de modèles de raisonnement decoder-only en trois tailles — 3, 8 et 30 milliards de paramètres — toutes sous Apache 2.0 et disponibles sur Hugging Face. La particularité intéressante est le "thinking switch" : le même checkpoint peut raisonner étape par étape sur une tâche complexe ou répondre directement sur une tâche simple, sans avoir besoin de deux modèles séparés. Sur le benchmark SWE-bench Verified, le modèle à 30 milliards obtient 57,00 points. Pour qui évalue un déploiement local, la combinaison de tailles contenues, d'une licence propre et d'un contrôle explicite sur "combien raisonner" se traduit par un coût de calcul plus prévisible — un détail qui compte autant que la licence lorsqu'on planifie un budget d'infrastructure.

Ce qui compte vraiment pour qui évalue une architecture IA aujourd'hui

• La licence doit être relue à chaque sortie, même au sein de la même gamme de produits : Qwen-Image était sous Apache 2.0, Qwen-Image-2.1 ne l'est plus. Le nom du projet ne garantit rien sur la sortie suivante.
• "Poids téléchargeables" et "utilisable en production" sont deux affirmations différentes : vérifiez toujours si la licence exige un contrat commercial séparé avant d'intégrer un modèle dans un produit ou un service.
• Un classificateur de sécurité ouvert comme Shieldstral, exécuté sur vos serveurs, vous permet d'appliquer vos propres politiques de modération sans faire transiter le contenu par l'API d'un tiers — un avantage direct pour la souveraineté des données.
• Le modèle le plus grand n'est pas toujours nécessaire : une famille comme Granite 4.2, avec un interrupteur explicite pour le raisonnement, permet d'ajuster le coût de calcul à la tâche réelle au lieu de toujours payer le prix du raisonnement complet.

C'est exactement le travail que nous faisons chaque semaine pour nos clients : lire le texte exact de chaque licence avant une adoption, distinguer un modèle réellement ouvert d'un modèle qui n'en a que l'apparence, et choisir l'architecture — grande ou petite, généraliste ou spécialisée — qui garantit la conformité et la propriété de vos données, pas celle qui fait le plus parler d'elle.