OpenAI vient de rendre public deux modèles open source de langage IA dits « open–weight« , à savoir gpt-oss-120B et gpt-oss-20B. Gratuits et libres à installer localement, ces modèles, rendus publics sous licence Apache 2.0 marquent une étape importante dans l’évolution des pratiques de partage autour de l’intelligence artificielle, mais méritent une distinction claire par rapport à la notion d’open source.
OpenAI Open-Weight AI, Modèles IA gpt-oss-120B / 20B (gratuit)
OpenAI a récemment publié deux modèles open source d’intelligence artificielle « open-weight », permettant un accès libre à leurs paramètres internes sans pour autant offrir une transparence totale sur le code ou les données d’entraînement.
Cette initiative marque un pas important vers l’ouverture dans le domaine de l’IA, en proposant aux développeurs et aux chercheurs plus d’autonomie et de flexibilité, tout en différenciant clairement cette approche de l’open source complet.
Qu’est-ce qu’un modèle open-weight ?
Les modèles « open-weight » permettent un téléchargement, une modification et une utilisation libre des poids numériques du réseau neuronal — c’est-à-dire les paramètres qui déterminent le comportement du modèle après l’entraînement.
Cependant, cette ouverture n’inclut pas la publication du code exact d’entraînement ni l’accès intégral aux jeux de données d’apprentissage : la structure et les résultats sont donc utilisables, mais la reproductibilité et l’évolution communautaire restent limitées par rapport au véritable open source.
Caractéristiques des modèles open-weight d’OpenAI
gpt-oss-120B : 117 milliards de paramètres totaux (5,1 milliards activés par token), architecture Mixture-of-Experts (MoE), nécessitant un GPU de 80 Go et atteignant des performances similaires à o4-mini sur de nombreux benchmarks standards, compatible avec une longueur de contexte de 128 000 tokens.
gpt-oss-20B : 21 milliards de paramètres totaux (3,6 milliards activés), conçu pour fonctionner sur des matériels plus modestes (16 Go de RAM), idéal pour l’exécution locale ou embarquée.
Flexibilité et adaptabilité :
Les deux modèles peuvent être personnalisés, adaptés à des infrastructures variées (NVIDIA, AMD, Cerebras…) et déployés via des outils populaires de la communauté IA (ex : Ollama, LM Studio).
Performances :
OpenAI met en avant non seulement le niveau de raisonnement avancé, mais aussi le faible coût d’exécution de ses modèles, ouvrant la voie à un usage indépendant des serveurs OpenAI et à une autonomie accrue des entreprises et chercheurs.
Enjeux, opportunités et limites
La publication en open-weight représente une ouverture stratégique pour OpenAI, dans un contexte de concurrence accrue avec les initiatives open source de Meta, Mistral ou DeepSeek.
- Avantages majeurs :
- Autonomie sur l’hébergement
- Personnalisation métier
- Maîtrise du coût opérationnel
- Accélération de l’innovation collaborative
Limites :
- Impossibilité de reproduire l’intégralité du modèle ou de l’entraîner à partir de zéro
- Transparence réduite
- Absence de gouvernance communautaire véritable
Sur le plan réglementaire et éthique, OpenAI affirme avoir intégré des standards élevés en matière d’évaluation des risques et de sécurité, tout en maintenant un alignement sur les valeurs américaines et des audits par des experts externes.
Open-weight versus open source : un débat structurant
Les modèles « open-weight » d’OpenAI, tels que gpt-oss-120B et gpt-oss-20B, marquent un pas important vers davantage d’ouverture en permettant un accès libre aux poids des réseaux neuronaux.
Cependant, cette démarche ne donne pas accès au code d’entraînement ni aux jeux de données, limitant ainsi la transparence et la reproductibilité par rapport à une vraie approche open source.
Ces modèles d’IA proposent une certaine autonomie pour l’utilisation et la personnalisation, notamment en matière d’hébergement et d’adaptation à divers matériels, tout en restant optimisés pour de bonnes performances.
En comparaison, les modèles véritablement open source comme ceux proposés par DeepSeek ou Mistral vont beaucoup plus loin dans l’ouverture. Ils diffusent non seulement leurs poids, mais aussi le code d’entraînement et souvent une partie des datasets, ainsi que la gouvernance autour du développement.
Cette ouverture totale favorise la transparence scientifique, la possibilité de modification profonde, la reproductibilité complète du modèle et un fort engagement communautaire.
Ces caractéristiques permettent à la communauté d’auditer, d’améliorer et de personnaliser les modèles bien au-delà des possibilités offertes par la démarche open-weight.
Dépôts et téléchargements
Les fiches modèles sont disponibles sur Hugging Face :
- gpt-oss-20B : https://huggingface.co/openai/gpt-oss-20b
- gpt-oss-120B : https://huggingface.co/openai/gpt-oss-120b
En résumé, l’approche « open-weight » d’OpenAI constitue un compromis pragmatique qui apporte liberté d’usage et autonomie partielle sans compromettre certains aspects liés à la sécurité et à la compétitivité.
En revanche, les projets open source tels que Mistral et DeepSeek donnent une véritable ouverture à tous les niveaux, avec un contrôle total sur les processus de création et d’adaptation des modèles, idéale pour ceux qui privilégient la transparence et l’innovation collaborative.
