FRENES

Glossaire · Modèles de langage

IA open source

L'IA open source désigne une IA mise à disposition avec des libertés d'utilisation, d'étude, de modification et de partage, ainsi que les éléments nécessaires pour les exercer. Le terme va au-delà du téléchargement des poids, même si son emploi et les critères revendiqués varient selon les acteurs.

IA open source : l'explication

Pour étudier ou modifier une IA, il faut davantage qu'une interface de discussion. Vous devez pouvoir accéder aux composants pertinents et disposer de droits suffisants sur leur utilisation. Une publication peut comprendre les paramètres, le code d'exécution, le code d'entraînement et des informations sur les données. Vous examinez donc ce qui est réellement fourni et sous quelles conditions, au lieu de considérer une étiquette comme une description complète du système ou de toutes ses possibilités de modification.

Cette ouverture sert notamment à permettre des adaptations, des vérifications et des déploiements indépendants. Une organisation peut examiner le fonctionnement d'un système et choisir qui l'exécute. La définition de l'Open Source Initiative demande notamment des informations détaillées sur les données, sans imposer leur publication intégrale dans tous les cas : https://opensource.org/ai/open-source-ai-definition. Ce cadre fournit un repère explicite, mais vous devez encore vérifier les éléments effectivement publiés pour le système précis que vous souhaitez utiliser.

L'expression est employée de manière variable dans les présentations de modèles. Un code d'application ouvert ne rend pas automatiquement ouvert le modèle distant qu'il appelle. De même, l'accès aux poids ne suffit pas à décrire toute la chaîne d'entraînement. L'ouverture ne garantit pas non plus des résultats exacts, une installation simple ou une absence de coûts. Elle concerne principalement les possibilités d'accès, d'étude, de modification et de partage, à évaluer séparément de la qualité et de la maintenance.

Un exemple concret

Vous cherchez un assistant pour une bibliothèque. Une proposition publie seulement le code de l'interface et dépend d'un modèle distant fermé. Une autre fournit davantage de composants, de documentation et de droits de modification. Vous examinez ces éléments avant de choisir. Vous testez aussi la recherche et les réponses, car l'ouverture du système ne suffit pas à démontrer sa pertinence pour les demandes des lecteurs.

Pourquoi c'est important

Ce terme compte pour votre autonomie technique, le choix des prestataires et la possibilité d'adapter un système. Il peut aussi faciliter certaines vérifications, à condition de disposer des compétences nécessaires. Pour comparer des solutions, demandez quels composants sont accessibles et quels droits les accompagnent. Ajoutez les besoins d'hébergement, de maintenance et d'évaluation, car une licence ouverte ne supprime pas le travail nécessaire à un usage fiable.

Idées reçues

  • Une IA accessible gratuitement n'est pas nécessairement open source, car la gratuité décrit un prix tandis que l'ouverture concerne aussi les droits accordés et l'accès aux éléments nécessaires pour étudier, modifier et partager le système.
  • Une IA open source n'exige pas forcément que toutes les données brutes soient publiées, car certains cadres demandent des informations détaillées sur ces données, tout en tenant compte de matériaux qui ne peuvent pas être redistribués.

Autres termes : modèles de langage

hallucination
L’hallucination est une réponse produite par une IA qui présente comme fiable une information fausse, inventée ou insuffisamment fondée.
Transformer
Un Transformer est une architecture de réseau de neurones qui traite des éléments, comme les fragments d'un texte, en calculant leurs relations grâce à l'attention.
embedding
Un embedding est une représentation numérique d'un contenu, généralement sous la forme d'une liste de nombres appelée vecteur.
token
Un token est une unité utilisée par un modèle pour représenter et traiter une partie de son entrée ou de sa sortie.
fenêtre de contexte
La fenêtre de contexte est la quantité maximale de contenu qu'un modèle peut prendre en compte dans un traitement donné, généralement mesurée en tokens.
poids ouverts
Les poids ouverts désignent la mise à disposition des valeurs apprises d'un modèle, afin que d'autres puissent les télécharger et les utiliser selon les conditions applicables.
quantification
La quantification est une technique qui représente certains nombres utilisés par un modèle avec moins de précision.
GGUF
GGUF est un format de fichier utilisé pour distribuer des modèles destinés à des logiciels d'inférence compatibles.

Où le site en parle

Le terme apparaît dans 195 pages du site. Quelques-unes :

Dans la même famille

Pour aller plus loin

Questions fréquentes

Est-ce la même chose que poids ouverts ?

Non. Les poids ouverts concernent surtout l'accès aux paramètres appris. L'IA open source implique aussi des libertés et des éléments permettant d'étudier et de modifier le système. Vérifiez le cadre revendiqué et les composants disponibles.

Le service doit-il être gratuit ?

Non. Des services payants peuvent être construits autour d'une IA open source, notamment pour l'hébergement ou l'assistance. Les droits sur les composants et le prix d'un service sont deux aspects distincts à examiner.

L'ouverture garantit-elle la fiabilité ?

Non. Elle peut permettre davantage d'examen et de modifications, mais les erreurs et les biais restent possibles. La fiabilité doit être évaluée sur votre tâche, avec des contrôles adaptés aux documents et aux actions concernés.

Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons