FRENES

Glossaire · Modèles de langage

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. Cet accès peut permettre une exécution indépendante, sans fournir nécessairement les données d'entraînement, tout le code ou des droits d'usage illimités.

Poids ouverts : l'explication

Pour utiliser des poids ouverts, vous récupérez les fichiers contenant les paramètres du modèle et vous les chargez dans un logiciel compatible. Il faut aussi disposer des composants nécessaires, comme la configuration et le tokenizer, ainsi que de ressources matérielles suffisantes. Selon le modèle et ses conditions de diffusion, vous pouvez l'exécuter localement, l'héberger sur une infrastructure choisie ou l'adapter. Le simple téléchargement ne garantit toutefois ni une installation facile ni des performances adaptées à votre besoin.

L'accès aux poids peut donner davantage de choix sur le lieu d'exécution et sur certaines modifications. Vous pouvez par exemple faire fonctionner un modèle dans votre organisation plutôt que transmettre chaque demande à son fournisseur initial. Cette possibilité dépend du matériel, du logiciel et des droits accordés. La distinction avec une IA entièrement open source reste importante : publier les poids ne fournit pas automatiquement les informations et les libertés nécessaires pour étudier et modifier l'ensemble du système.

Le terme ne correspond pas à une promesse universelle de licence. Certaines distributions imposent des restrictions d'usage, de redistribution ou d'accès. Il faut donc lire les conditions du modèle et celles des composants associés. L'ouverture des poids ne prouve pas non plus la qualité des données, l'absence de biais ou la sécurité du logiciel utilisé pour les charger. Pour comparer des offres, séparez la disponibilité des fichiers, les droits accordés et la capacité réelle à exploiter le modèle.

Un exemple concret

Vous souhaitez installer un assistant documentaire sur une infrastructure interne. Votre équipe télécharge un modèle à poids ouverts, vérifie ses conditions et le fait fonctionner avec un logiciel compatible. Elle teste ensuite la qualité des réponses sur vos documents. Les données peuvent rester sur votre infrastructure si toute la chaîne est configurée ainsi, mais cette propriété doit être vérifiée pour la recherche, les journaux et les autres composants.

Pourquoi c'est important

Les poids ouverts peuvent faciliter le choix de l'hébergement, l'adaptation et la continuité d'utilisation d'un modèle. Ils déplacent aussi vers vous ou votre prestataire une partie du travail d'installation, de maintenance et de protection. Avant de choisir, vérifiez les droits précis, les besoins matériels et la disponibilité des composants. Ne déduisez pas du seul mot ouvert que tous les usages sont autorisés ou gratuits.

Idées reçues

  • Des poids téléchargeables ne rendent pas automatiquement une IA open source, car il peut manquer du code, des informations sur les données et des droits suffisants pour étudier, modifier ou redistribuer le système dans son ensemble.
  • Un modèle à poids ouverts ne fonctionne pas nécessairement hors ligne dès son installation, car le logiciel choisi peut encore contacter des services externes pour certaines fonctions, des mises à jour ou la collecte de diagnostics.

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.
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.
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 371 pages du site. Quelques-unes :

Dans la même famille

Pour aller plus loin

Questions fréquentes

Peut-on les utiliser commercialement ?

Cela dépend des conditions applicables au modèle et aux composants utilisés. L'accès aux fichiers ne suffit pas à répondre. Examinez les autorisations et restrictions précises avant d'intégrer le modèle à une activité ou un service.

Faut-il un ordinateur puissant ?

Les besoins varient selon la taille du modèle, le format de ses poids et la tâche. Certaines configurations fonctionnent sur un équipement courant, tandis que d'autres exigent davantage de mémoire ou des ressources spécialisées.

L'hébergement local protège-t-il toutes les données ?

Il peut limiter certains transferts, mais il faut vérifier toute la chaîne. Les outils, la recherche documentaire, les journaux et les fonctions de diagnostic peuvent utiliser d'autres services. La confidentialité dépend de la configuration complète.

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