IA ouverte vs fermée : ce que vous devez savoir

Le grand mur de l’intelligence

L’industrie de l’intelligence artificielle se scinde actuellement en deux camps bien distincts. D’un côté, des entreprises comme OpenAI et Google construisent des systèmes massifs et propriétaires, cachés derrière un mur numérique. Vous accédez à ces outils via un site web ou une app, mais vous ne voyez jamais comment ils fonctionnent. De l’autre, une communauté grandissante de développeurs et d’entreprises comme Meta et Mistral publient leurs modèles pour que quiconque puisse les télécharger. Ce fossé n’est pas qu’un simple débat technique : c’est une lutte fondamentale pour savoir qui contrôle le futur de la connaissance humaine et combien vous devrez payer pour y accéder. Pour le commun des mortels, choisir entre des systèmes ouverts ou fermés détermine votre confidentialité, vos coûts et votre liberté créative. Si vous utilisez un modèle fermé, vous êtes un locataire. Si vous utilisez un modèle ouvert, vous êtes propriétaire. Chaque voie comporte des compromis que la plupart des gens ignorent jusqu’à ce qu’un problème survienne avec leurs données ou leur abonnement.

La vérité derrière l’étiquette « open »

Les équipes marketing adorent utiliser le terme « open » car il suggère la transparence et la communauté. Pourtant, dans le monde de l’IA, ce terme est souvent utilisé de manière très vague. Un logiciel open source authentique permet à chacun de voir le code, de le modifier et de le partager. En IA, cela signifierait avoir accès aux données d’entraînement, au code d’entraînement et aux poids finaux du modèle. Très peu de modèles majeurs atteignent ce niveau d’exigence. La plupart de ce que le public appelle « IA ouverte » est en réalité de l’« open weights ». Cela signifie que l’entreprise vous donne le cerveau final du modèle, mais ne vous explique pas exactement comment elle l’a construit ni quels livres ou sites web spécifiques ont servi à l’entraîner. C’est comme si une boulangerie vous donnait un gâteau fini et la température du four, mais refusait de partager la marque exacte de la farine ou la provenance des œufs.

L’IA fermée est beaucoup plus simple à définir. C’est un produit. Lorsque vous utilisez GPT-4 ou Claude 3, vous interagissez avec un service. Vous ne pouvez pas télécharger le modèle sur votre laptop. Vous ne pouvez pas voir les filtres internes qui l’empêchent de répondre à certaines questions. Vous n’avez aucun moyen de savoir si l’entreprise a modifié le modèle du jour au lendemain pour le rendre plus rapide, mais moins intelligent. Ce manque de transparence est le prix à payer pour la commodité. Les entreprises soutiennent que garder les modèles fermés empêche les acteurs malveillants d’utiliser la technologie à des fins nuisibles. Les critiques avancent qu’il s’agit simplement d’un moyen de protéger un monopole. Comprendre cette distinction est vital car cela change la façon dont vous devriez faire confiance aux résultats de la machine.

Souveraineté à l’ère du silicium

L’impact mondial de ce clivage est massif. Pour les pays en dehors des États-Unis, s’appuyer sur des modèles d’IA fermés signifie envoyer des données nationales sensibles vers des serveurs en Californie ou en Virginie. Cela crée une dépendance énorme envers quelques corporations américaines. Les modèles à poids ouverts permettent à un gouvernement en Europe ou à une startup en Inde de faire tourner l’IA sur leur propre matériel local. Cela offre une souveraineté que les systèmes fermés ne pourront jamais proposer. Cela permet de créer des modèles qui comprennent les langues locales et les nuances culturelles qu’un géant de la Silicon Valley pourrait ignorer. Lorsqu’un modèle est ouvert, un développeur dans un petit village a le même point de départ qu’un chercheur dans une firme pesant des milliards de dollars. Cela nivelle le terrain de jeu d’une manière que peu de technologies ont réussi à faire.

Les entreprises font aussi face à un choix difficile. Une banque ne peut pas risquer d’envoyer des dossiers financiers privés de ses clients vers un cloud tiers. Pour elles, un modèle ouvert qui tourne au sein de leur propre centre de données sécurisé est la seule option viable. Pendant ce temps, une petite agence marketing pourrait préférer la performance polie et haut de gamme d’un modèle fermé car elle n’a pas le personnel pour gérer ses propres serveurs. L’économie mondiale se trie actuellement dans ces deux seaux : ceux qui privilégient le contrôle et ceux qui privilégient la vitesse. Alors que nous avançons, l’écart entre ces deux groupes ne fera que grandir. Les gagnants seront ceux qui reconnaîtront que l’IA n’est pas un utilitaire universel, mais un atout stratégique qui nécessite un type de propriété spécifique.

Confidentialité dans le bac à sable local

Pour comprendre les enjeux pratiques, imaginez le quotidien d’une chercheuse en médecine nommée Elena. Elle travaille sur une nouvelle étude impliquant des dossiers de patients. Si elle utilise un outil d’IA fermé populaire, elle doit supprimer toutes les informations identifiables de ses notes avant de pouvoir demander à l’IA de les résumer. Même alors, elle n’est jamais tout à fait sûre que ses données ne sont pas utilisées pour entraîner la prochaine version du modèle. Elle s’inquiète constamment d’une fuite de données chez l’entreprise d’IA. Cette friction la ralentit et limite ce qu’elle peut accomplir. La commodité du cloud s’accompagne d’un sous-courant persistant d’anxiété.

Maintenant, imaginez qu’Elena passe à un modèle à poids ouverts tournant sur une station de travail puissante dans son bureau. Elle peut fournir à l’IA chaque détail de sa recherche sans aucune crainte. Les données ne quittent jamais la pièce. Elle peut fine-tuner le modèle pour comprendre la terminologie médicale spécifique que les modèles cloud généraux interprètent souvent mal. Elle a un contrôle total sur la version de l’IA qu’elle utilise. Si une mise à jour logicielle rend le modèle moins performant en analyse médicale, elle reste simplement sur l’ancienne version. C’est là toute la puissance de l’IA locale. Cela transforme l’outil en un assistant privé qui travaille pour elle, et uniquement pour elle. Bien que la configuration soit plus complexe, l’utilité à long terme est bien plus élevée car elle n’est pas limitée par des filtres de sécurité ou des politiques de confidentialité d’entreprise.

Les utilisateurs ordinaires surestiment souvent la difficulté de faire tourner ces modèles. Ils pensent qu’il faut une salle remplie de serveurs. En réalité, de nombreux modèles ouverts tournent désormais sur des laptops modernes. Inversement, les gens sous-estiment le contrôle qu’ils perdent avec les systèmes fermés. Ils supposent que le service sera toujours là et toujours bon marché. L’histoire montre qu’une fois qu’une entreprise vous a enfermé dans son écosystème, les prix augmentent et les fonctionnalités peuvent disparaître. En choisissant une voie ouverte, vous vous protégez contre de futures décisions d’entreprise qui pourraient ne pas s’aligner avec vos intérêts. Vous choisissez un outil qui reste dans votre boîte à outils numérique pour toujours.

Les questions inconfortables du contrôle

Nous devons poser des questions difficiles sur les coûts cachés de ces systèmes. Si un modèle est fermé, qui l’audite pour détecter les biais ? Nous sommes forcés de faire confiance au matériel marketing de l’entreprise. Si l’IA refuse de répondre à une question sur un événement politique, est-ce pour la sécurité ou pour protéger l’image de marque ? Le manque de transparence rend impossible de le savoir. D’un autre côté, les modèles ouverts présentent leurs propres risques. Si n’importe qui peut télécharger une IA puissante, qu’est-ce qui l’empêche de l’utiliser pour créer de la désinformation ou des malwares ? La communauté open source soutient que la meilleure défense est d’avoir davantage de modèles ouverts, mais c’est une théorie qui n’a pas encore été pleinement testée en situation de crise.

Il y a aussi la question de l’énergie et du matériel. Faire tourner sa propre IA n’est pas gratuit. Cela consomme beaucoup d’électricité et nécessite des cartes graphiques coûteuses. Sommes-nous en train d’échanger une dépendance aux entreprises contre une dépendance au matériel ? De plus, les datasets utilisés pour ces modèles sont souvent récupérés sur internet sans le consentement des créateurs originaux. Alors que les entreprises fermées cachent leurs sources de données, les entreprises d’IA à poids ouverts sont souvent tout aussi vagues. Nous devons nous demander si une IA peut vraiment être qualifiée d’ouverte si la fondation sur laquelle elle a été construite est un secret. Nous construisons actuellement l’infrastructure du futur sur une base éthique très fragile. À l’approche des prochaines échéances, la pression pour une réelle transparence ne fera qu’augmenter.

Sous le capot pour l’élite technique

Pour ceux qui veulent aller au-delà de l’interface de chat, les différences techniques sont frappantes. Les fournisseurs d’IA fermée proposent des API qui vous facturent au mot ou à l’image. Ces coûts peuvent grimper rapidement à mesure que vous faites évoluer un projet. Vous êtes aussi à la merci de leurs limites de taux. Si leurs serveurs sont occupés, votre application ralentit. Vous n’avez aucun contrôle sur la latence ou le temps de disponibilité. Vous construisez essentiellement votre entreprise sur un terrain loué. Si le fournisseur décide de bannir votre cas d’usage, tout votre projet pourrait disparaître en un après-midi. C’est un risque significatif pour les développeurs qui veulent créer de la valeur à long terme.

Les modèles ouverts offrent un workflow différent. Vous pouvez utiliser des techniques comme la *quantification* pour réduire un modèle massif afin qu’il tienne sur du matériel moins cher. Cela vous permet de faire tourner un modèle de 70 milliards de paramètres sur un seul GPU grand public haut de gamme. Vous pouvez aussi utiliser le stockage local pour les poids de votre modèle, garantissant que votre application fonctionne même sans connexion internet. Il n’y a pas de limites d’API ni de coûts par jeton après l’achat du matériel. L’intégration est aussi plus flexible. Vous pouvez modifier les couches internes du modèle pour mieux correspondre à votre tâche spécifique. Ce niveau de personnalisation est impossible avec une API fermée. Bien que l’obstacle technique initial soit plus élevé, la liberté d’innover sans permission est un avantage massif pour les power users.

Vous avez une histoire, un outil, une tendance ou une question sur l'IA que nous devrions couvrir ? Envoyez-nous votre idée d'article — nous serions ravis de l'entendre.

Choisir votre voie

La décision entre l’IA ouverte et fermée dépend de vos besoins spécifiques. Si vous voulez l’expérience la plus puissante et polie et que la confidentialité ou les coûts à long terme ne vous importent pas, les modèles fermés comme GPT-4 sont le choix évident. Ce sont les Ferrari du monde de l’IA. Ils sont rapides, élégants et entretenus par quelqu’un d’autre. Cependant, si vous valorisez la confidentialité, voulez éviter les frais récurrents ou avez besoin de construire un système que vous possédez réellement, les modèles à poids ouverts sont la voie à suivre. Ils demandent plus d’efforts à configurer, mais ils offrent un niveau de sécurité et de flexibilité qu’aucun service par abonnement ne peut égaler. Les standards de l’industrie de l’IA suggèrent que le futur sera un hybride des deux. Utilisez les modèles fermés pour les tâches rapides et les modèles ouverts pour vos travaux les plus importants et privés. Dans cette nouvelle ère, la compétence la plus importante est de savoir quel outil utiliser pour quel travail.

Note de l’éditeur : Nous avons créé ce site comme un centre multilingue d’actualités et de guides sur l’IA pour les personnes qui ne sont pas des experts en informatique, mais qui souhaitent tout de même comprendre l’intelligence artificielle, l’utiliser avec plus de confiance et suivre l’avenir qui est déjà en marche.