Ouvrez une liste de modèles aujourd’hui et vous y verrez deux familles de noms. D’un côté Claude, GPT et Gemini. De l’autre DeepSeek, Kimi et GLM, que l’on dit « à poids ouverts ». L’expression circule beaucoup et s’explique peu : cette page s’y emploie.
Les poids, c’est le modèle
Un modèle de langage est une très longue liste de nombres. L’entraînement les fixe ; on les appelle poids ou paramètres, et ils renferment tout ce que le modèle a appris. Kimi K3.1 Pro, l’un des plus gros, en compte 2 800 milliards.
Avec un modèle fermé, l’éditeur garde ce fichier par-devers lui. Vous posez votre question à ses serveurs et recevez une réponse. Vous louez un accès sans jamais posséder le modèle.
Avec un modèle à poids ouverts, l’éditeur publie le fichier. Chacun peut le télécharger et le faire tourner sur ses propres machines, ou payer un hébergeur pour le faire à sa place.
Poids ouverts ne veut pas dire open source
Les deux notions sont souvent confondues. L’Open Source Initiative, qui tient la définition du logiciel open source, en a écrit une pour l’IA. Sa Open Source AI Definition exige la liberté d’utiliser, d’étudier, de modifier et de partager un système. Cela suppose trois éléments : les poids, le code qui a entraîné le modèle et des informations détaillées sur les données d’entraînement.
Les poids ouverts ne couvrent que le premier. Selon la page de l’OSI sur l’expression, celle-ci désigne les poids finaux d’un réseau entraîné, sans le code d’entraînement ni les données. On peut exécuter le modèle et l’adapter, mais ni le reconstruire ni savoir de quoi il s’est nourri.
Les licences varient aussi. DeepSeek publie sous MIT, qui autorise l’usage commercial. Kimi K3, GLM-5.3 et Muse Spark Open, de Meta, relèvent chacun de la licence propre à leur éditeur, qu’Artificial Analysis résume ainsi : « l’usage commercial est autorisé, avec restrictions ». Lisez la licence avant de bâtir un produit sur l’un d’eux.
Ce que change un fichier publié
Plusieurs entreprises peuvent l’héberger. Un modèle fermé est vendu par son éditeur et par une poignée de partenaires cloud. Au 20 novembre, Artificial Analysis recensait 24 fournisseurs d’API pour GLM-5.3 et 21 pour DeepSeek V4.1 Flash. Les hébergeurs se disputent le prix et la vitesse pour un même modèle : c’est en grande partie pourquoi la gamme économique l’est vraiment, comme nous l’avons détaillé dans « Le mix de modèles est désormais obligatoire ».
Vous choisissez où il tourne. Une banque peut exécuter le fichier dans son propre centre de données : rien ne sort de ses murs. Une structure plus modeste peut retenir un hébergeur installé dans le pays qu’exigent ses contrats. Avec un modèle fermé, c’est l’éditeur qui décide de l’emplacement des serveurs.
Impossible de revenir en arrière. Un hébergeur peut retirer un modèle de son catalogue. Un fichier publié, lui, le reste, et un autre hébergeur peut s’en saisir.
On peut l’adapter. Une équipe compétente peut réentraîner le fichier sur ses propres documents. Peu de petites entreprises s’y risqueront, mais les éditeurs de logiciels qui les fournissent, si.
Les acheteurs ne s’y sont pas trompés. Sur la Vercel AI Gateway, que de nombreuses équipes logicielles utilisent pour accéder aux modèles, les modèles à poids ouverts ont absorbé 71,5 % des jetons en septembre 2026, contre 7 % en décembre 2025. Vercel indique que sa définition des poids ouverts est plus large que dans ses rapports précédents : les deux chiffres ne sont donc pas strictement comparables. La tendance, elle, ne fait pas de doute.
Sont-ils aussi performants ?
Ils s’en approchent, et l’écart varie selon qui le mesure.
Epoch AI, un groupe de recherche, a constaté le 29 mai que, depuis janvier 2026, les meilleurs modèles à poids ouverts accusent quatre mois de retard en moyenne sur les meilleurs modèles fermés. SemiAnalysis, un cabinet d’études, est allé plus loin le 21 août. Dans la partie en accès libre de son étude, il écrit : « à chaque génération, les modèles open source mettent deux fois moins de temps à rattraper leur retard ». Pour la génération actuelle, selon ses calculs, Kimi K2.6 a dépassé Claude Opus 4.5 sur sa batterie de tests 4,8 mois après la sortie d’Opus.
Puis les tests sont devenus plus difficiles à préparer. Le 27 octobre, Artificial Analysis a refondu son Intelligence Index : 60 % de l’indice repose désormais sur des jeux de tests privés. L’écart entre le meilleur modèle à poids ouverts et le meilleur modèle fermé est passé de 3 points à 12, Kimi K3.1 Pro affichant 46 et Claude Opus 5.5 affichant 58.
SemiAnalysis y met une réserve de son cru. Un score ne dit pas tout, et ses analystes affirment préférer encore un modèle fermé pour leur travail quotidien.
Sur les tests publics, les deux groupes se tiennent donc à quelques points l’un de l’autre ; sur des tests que personne n’a vus, les modèles fermés gardent l’avantage. Pour rédiger, résumer, trier ou traduire, cet avantage se voit rarement. Sur des tâches longues et difficiles, il peut encore jouer.
Ce à quoi vous renoncez
Exécuter le fichier soi-même demande du matériel et des équipes. Personne ne fait tourner 2 800 milliards de paramètres sur un portable de bureau. La plupart des entreprises qui utilisent des modèles à poids ouverts les louent à un hébergeur, et ce sont alors ses conditions qui s’appliquent, en plus de la licence.
Ouvert ne rime pas toujours avec bon marché. Dans ce même rapport de Vercel, DeepSeek V4.1 Flash a traité près de la moitié des jetons de septembre pour 2,6 % des dépenses. Kimi K3 représentait 3,2 % des jetons et a généré 47,6 % de la hausse des dépenses en poids ouverts. C’est ainsi que l’ensemble des modèles à poids ouverts a atteint 22,6 % des dépenses.
Et l’on ignore toujours sur quoi le modèle a été entraîné.
Comment nous les utilisons chez BearingBridge
Nous proposons les deux familles. Le 1er novembre, notre Comparatif des modèles d’IA recensait huit modèles de texte à poids ouverts issus de cinq éditeurs : DeepSeek V4 Pro, V4 Flash et V4.1 Flash, Kimi K3 et K3.1 Pro, GLM 5.3, Muse Spark Open et Mistral Large 4. Nous avons contrôlé le statut de chacun sur sa page Artificial Analysis le 20 novembre. Tous figurent dans les mêmes sélecteurs que Claude, GPT et Gemini.
Nous n’exécutons pas les poids sur nos propres serveurs. Chaque appel, qu’il vise un modèle à poids ouverts ou un modèle fermé, transite par une passerelle unique vers un point d’accès hébergé, et s’inscrit avec son coût dans le même registre.
Pour un client, trois choses en découlent :
- Votre administrateur décide. Chaque fonctionnalité a sa propre liste de modèles autorisés. Une organisation qui ne veut aucun modèle à poids ouverts, ou aucun d’un éditeur donné, les désactive.
- Vous comparez sur votre propre travail. Le Bac à essai envoie une même question à trois modèles au plus, côte à côte, et affiche le prix sous chaque réponse. Vous en apprendrez plus qu’avec un classement.
- Le niveau de prix est affiché. Les deux modèles DeepSeek Flash occupent le niveau le plus bas de nos quatre niveaux de prix. Kimi K3 et K3.1 Pro occupent le plus haut, à côté des modèles fermés les plus chers.
Nous actualisons les scores de cette page deux fois par mois. Notre conseil à toute entreprise : réserver les modèles à poids ouverts au gros du volume, recourir à un modèle fermé là où une mauvaise réponse coûte de l’argent, et tester sur des tâches réelles avant d’ériger l’un ou l’autre en choix par défaut.
À essayer cette semaine
Choisissez une tâche que votre équipe réalise tous les jours, comme une fiche produit ou le résumé d’un appel client. Soumettez-la à un modèle fermé et à un modèle à poids ouverts, puis faites noter les deux résultats par la personne qui connaît le métier, sans lui révéler l’origine de chacun.
Demandez ensuite à vos fournisseurs quels modèles se cachent derrière leurs fonctionnalités, et qui les héberge.
Dernière relecture : 20 novembre 2026. Chaque source citée ci-dessus a été ouverte ce jour-là. Les listes de modèles, les licences et les scores changent souvent. Corrections à adresser à hello@bearingbridge.com.







