IA open source ou propriétaire : quelles différences pour vous ?

Une IA propriétaire ne s’utilise qu’à travers l’application ou l’API de son fabricant, tandis qu’un modèle ouvert se télécharge et peut tourner chez vous, sur votre ordinateur ou votre serveur. Pour vous, la différence se joue sur quatre points : la confidentialité, le coût, la performance et la liberté d’usage, que nous comparons ici avec les données du site au 22 octobre 2026.

Open source, poids ouverts, propriétaire : trois notions à distinguer

Un modèle d’IA est, au fond, un énorme ensemble de nombres : ses paramètres, aussi appelés poids, fixés pendant l’entraînement. Tout le débat porte sur ce que le fabricant accepte de publier.

• Propriétaire (ou fermé) : les poids restent sur les serveurs du fabricant. Vous utilisez le modèle via un assistant comme ChatGPT ou Claude, ou via une API, c’est-à-dire une porte d’accès pour les programmes. C’est le cas de GPT-6, de Claude ou de Gemini.
• À poids ouverts : les poids sont publiés et téléchargeables, sous une licence plus ou moins permissive. On parle de modèle à poids ouverts (open weights). C’est le cas de la plupart des modèles DeepSeek, Qwen, Kimi ou GLM.
• Open source au sens strict : en plus des poids, le fabricant publie le code d’entraînement et suffisamment d’informations sur les données pour reproduire le modèle.

Dans les faits, très peu de modèles cochent toutes ces cases. Le mot « open source » est donc souvent employé de façon large dans la presse et par les fabricants eux-mêmes. Quand vous lisez « modèle open source », comprenez le plus souvent « modèle à poids ouverts ». Quelques acteurs vont plus loin : Ai2 publie pour ses modèles OLMo les données, le code et les étapes intermédiaires d’entraînement, et NVIDIA diffuse ses modèles Nemotron avec leurs jeux de données et leurs recettes, sous sa propre licence.

La licence, le détail qui change tout

Un modèle ouvert n’est pas pour autant libre de toute condition. D’après les fiches fabricants du site :

Fabricant	Licence la plus courante des modèles ouverts	Usage commercial
Mistral AI	Apache 2.0 (certains sous MIT modifiée)	Oui
Alibaba (Qwen)	Apache 2.0 pour la plupart	Oui
DeepSeek	MIT	Oui
Zhipu AI (GLM)	MIT	Oui
Moonshot AI (Kimi)	MIT modifiée	Oui, avec clauses ajoutées
IBM (Granite)	Apache 2.0	Oui
Meta (Muse Spark Open)	Licence propre à Meta	À vérifier
NVIDIA (Nemotron)	NVIDIA Open Model License	Oui

Apache 2.0 et MIT sont des licences courtes et très permissives. Les licences maison, elles, peuvent restreindre certains usages ou imposer des obligations. La règle est simple : lisez le fichier de licence du modèle précis que vous téléchargez, car elle peut changer d’une version à l’autre.

Performances : l’écart avec les modèles fermés

Les modèles fermés gardent la tête. Au classement de la semaine, établi à partir des tests de l’Epoch AI Benchmarking Hub au 22 octobre 2026, les dix premières places sont occupées par des modèles d’Anthropic, de Google DeepMind et d’OpenAI. Le premier modèle à poids ouverts du top 20 est Kimi K2.6, de Moonshot AI, au 19e rang avec un indice de 84,4 sur 100.

Le graphique ci-dessous compare l’indice Epoch de plusieurs modèles ouverts récents avec trois modèles fermés de premier plan.

Indice de capacité (sur 100)

• Claude Sonnet 5.595,9
• Gemini 4 Argon95,3
• GPT-6 Astra94,7
• DeepSeek V4.1 Flash 101790,6
• Kimi K2.684,4
• Kimi K380,7
• GLM-5.378,8
• Muse Spark Open75,2
• Qwen3.6 27B72,2

Un benchmark mesure des tâches précises, comme des questions scientifiques ou du code. Il ne dit pas si un modèle convient à votre usage. Pour rédiger un courriel, résumer un rapport ou classer des documents, un modèle classé plus bas peut faire parfaitement l’affaire. Notre article sur les benchmarks d’IA et leurs pièges aide à lire ces chiffres avec recul.

Le comparatif chiffré : prix, contexte, ouverture

Voici une sélection de modèles à poids ouverts relevés par models.dev au 22 octobre 2026, avec un modèle fermé en repère. Les prix sont ceux d’un accès par API, en dollars par million de tokens, les petits morceaux de texte que les modèles traitent.

Modèle	Éditeur	Sortie	Contexte (tokens)	Entrée ($/M tokens)	Sortie ($/M tokens)	Poids ouverts
DeepSeek V4.1 Flash 1017	DeepSeek	17 octobre 2026	1,05 M	0,15 $US	0,60 $US	Oui
Kimi K2.6	Moonshot AI	20 avril 2026	262 k	0,95 $US	4 $US	Oui
GLM-5.3	Zhipu AI (Z.ai)	14 août 2026	1 M	1,2 $US	4,18 $US	Oui
Muse Spark Open	Meta	15 octobre 2026	1,05 M	1,25 $US	4,25 $US	Oui
Qwen3.6 27B	Alibaba Cloud (Qwen)	22 avril 2026	262 k	0,33 $US	2,7 $US	Oui
Gemma 4 31B IT	Google DeepMind	2 avril 2026	262 k	0,14 $US	0,40 $US	Oui
Mistral Small 4	Mistral AI	16 mars 2026	262 k	0,16 $US	0,63 $US	Oui
Nemotron 3.5 Super VL 120B A12B	NVIDIA	15 octobre 2026	1,05 M	0,15 $US	0,50 $US	Oui
Claude Sonnet 5.5	Anthropic	28 septembre 2026	1 M	2 $US	10 $US	Non

Deux enseignements ressortent. D’abord, le prix : DeepSeek V4.1 Flash est facturé 0,15 $ en entrée et 0,60 $ en sortie par million de tokens, contre 2 $ et 10 $ pour Claude Sonnet 5.5. Ensuite, la fenêtre de contexte, la quantité de texte que le modèle peut lire d’un coup, dépasse souvent le million de tokens chez les grands modèles ouverts, comme chez les fermés. Les modèles plus petits, comme Qwen3.6 27B, se contentent de fenêtres plus modestes, mais ils sont aussi bien plus faciles à faire tourner soi-même.

Pour aller plus loin, notre comparateur de modèles met deux modèles côte à côte, et la page modèles open source recense les modèles ouverts avec leur licence et leur taille.

Confidentialité, contrôle, dépendance : les vrais enjeux

Le principal argument des modèles ouverts n’est pas le prix, mais le contrôle.

• Vos données restent chez vous si vous exécutez le modèle vous-même : rien n’est envoyé au fabricant. Attention, si vous passez par un hébergeur tiers, ce sont ses conditions qui s’appliquent.
• Vous pouvez adapter le modèle par affinage sur vos propres exemples, ou le réduire par quantification pour qu’il tienne sur une machine modeste.
• Vous ne dépendez pas d’un fournisseur : un modèle téléchargé ne disparaît pas si l’éditeur change ses prix, ses conditions ou retire une version.

En face, les modèles propriétaires offrent la simplicité : pas de serveur à gérer, des mises à jour automatiques, des fonctions intégrées (recherche web, voix, mode agent) et, aujourd’hui encore, les meilleures performances brutes. Faire tourner un grand modèle ouvert demande du matériel coûteux, des compétences et du temps de maintenance. Notre guide pour faire tourner une IA en local détaille le matériel nécessaire.

L’ouverture a aussi une dimension géopolitique : une grande partie des modèles à poids ouverts les plus performants viennent aujourd’hui de Chine, tandis que Mistral AI porte l’offre européenne. Notre article sur l’IA européenne face aux États-Unis et à la Chine fait le point, et le panorama de qui fabrique les IA présente chaque acteur. Le règlement européen tient d’ailleurs compte de cette distinction, avec des allègements pour certains modèles publiés sous licence libre, expliqués dans notre résumé de l’AI Act.

Vérifiez-vous Une PME veut résumer des contrats clients sans qu'ils quittent son réseau. Quelle option privilégier ?

Un modèle à poids ouverts installé sur un serveur interne, sous une licence qui autorise l’usage commercial (Apache 2.0 ou MIT par exemple). Les contrats ne sont alors envoyés à aucun service externe. Il faudra prévoir le matériel, la sécurité et un contrôle humain des résumés.

Essayer un modèle ouvert sans rien installer

Vous n’avez pas besoin d’un serveur pour vous faire une idée. Plusieurs assistants grand public proposent déjà des modèles ouverts dans leur interface, d’après les relevés du site au 22 octobre 2026 :

• Duck.ai, le chat de DuckDuckGo, utilisable sans compte, propose notamment gpt-oss-120b et Gemma 4 31B parmi ses modèles ;
• Lumo, l’assistant de Proton, s’appuie sur des modèles comme Qwen 3.5 et GLM 5.3 ;
• Brave Leo, intégré au navigateur Brave, donne accès à des modèles Llama, Qwen, DeepSeek ou Mistral.

C’est une façon simple de comparer leurs réponses à celles de votre assistant habituel, sur vos propres questions, avant d’envisager une installation.

Verdict : pour qui, quel type de modèle ?

Votre profil	Option conseillée	Pourquoi
Particulier, usage quotidien	Assistant propriétaire	Simple, gratuit en version de base, fonctions intégrées
Curieux technophile	Petit modèle ouvert en local	Apprendre, tester hors connexion, sans abonnement
Développeur, projet à gros volume	Modèle ouvert via API	Prix par token souvent bien plus bas
Entreprise aux données sensibles	Modèle ouvert hébergé en interne	Données sous contrôle, pas de dépendance
Besoin de la meilleure performance	Modèle propriétaire de pointe	Tête du classement au 22 octobre 2026

Il n’y a pas de « meilleur » choix absolu : beaucoup d’organisations combinent les deux, un modèle fermé pour les tâches les plus difficiles et un modèle ouvert pour le volume ou les données sensibles.