Mozilla révèle que les modèles d'IA à poids ouverts chinois ont presque entièrement rattrapé leur retard sur les modèles propriétaires américains. Bien que les systèmes fermés conservent un léger avantage pour les tâches complexes de longue durée, ils coûtent environ cinq fois plus cher que leurs concurrents ouverts. Cette dynamique pousse de nombreuses entreprises à adopter des solutions ouvertes pour leurs activités de routine, réservant les modèles de pointe à des besoins spécifiques et experts. L'étude alerte sur la concentration du pouvoir en Chine et appelle à une coalition internationale pour financer une IA plus transparente et diversifiée.L'écart de performance entre les modèles pionniers fermés développés par les entreprises américaines et les meilleurs modèles à poids ouverts (open-weight) conçus par des laboratoires chinois s'est réduit à seulement 4,4 mois. C'est l'une des principales conclusions du premier rapport « State of Open Source AI » de la Fondation Mozilla, publié le 15 septembre. Cette évolution illustre la course effrénée entre laboratoires d'IA chinois et américains.
Elle explique également pourquoi de nombreuses entreprises font désormais le choix de basculer leurs travaux de routine vers des modèles ouverts beaucoup moins coûteux. En raison de cette concurrence féroce, les prix des tokens d'IA ont atteint des niveaux historiquement bas, au profit des utilisateurs.
Par exemple, le modèle ouvert Kimi K3 de Moonshot AI obtient un score de performance global presque équivalent à celui du modèle fermé Fable 5 d'Anthropic, tout en ne coûtant que 30 % du prix de ce dernier. Sur un benchmark neutre utilisant un harnais logiciel identique, le modèle ouvert GLM 5.2 de Zhipu AI se situe à moins d'un point des modèles fermés Claude Opus 4.7 et 4.8 d'Anthropic, avec un coût par tâche accomplie cinq fois inférieur.
La société de livraison DoorDash utilise Kimi pour les tâches courantes tout en réservant Fable aux tâches plus complexes qui prendraient plus de temps à des experts humains. Aucun modèle n’est capable d’effectuer de manière fiable des tâches de plus de douze heures, tandis que les tâches prenant moins de huit heures peuvent être réalisées par l’un ou l’autre type de modèle et pourraient être confiées aux modèles « ouverts », moins coûteux.
L'analyse des coûts et la typologie des charges de travail
Raffi Krikorian, directeur technique chez Mozilla, explique que la décision d'investir dans un modèle fermé propriétaire relève principalement de la nature de la tâche à accomplir et non du profil de l'organisation. Les modèles fermés conservent un avantage tarifaire justifié dans des cas d'usage précis, notamment pour le travail d'expert hautement spécialisé, la recherche documentaire à forte intensité ou encore le traitement de longs contextes.
De nombreuses entreprises continuent de payer pour ces modèles propriétaires, car « ils offrent une solution prête à l'emploi accompagnée d'un support technique, d'un cadre de conformité et d'une garantie de responsabilité ». En mesurant la durée des tâches complexes qu'un modèle peut peut accomplir avec un taux de réussite fiable de 50 %, le meilleur modèle fermé réussit des travaux environ 1,7 fois plus longs que le meilleur modèle ouvert.
Raffi Krikorian explique : « si le modèle ouvert peut traiter un travail de sept heures, le modèle fermé peut en gérer un de douze heures ». Payer le prix fort pour un modèle propriétaire revient donc à acheter environ quatre mois d'avance, ce qui se justifie pour des échéances urgentes et immédiates, mais s'avère inutile pour du travail régulier. À ce sujet, Raffi Krikorian conseille aux organisations de « payer lorsque cette avance en vaut la peine ».
Les modèles à poids ouverts permettent à quiconque de télécharger les principaux composants du modèle et de les exécuter sur son propre ordinateur, mais les développeurs gardent secrètes les informations sensibles, telles que les données d’entraînement, le pipeline de données et le code d’entraînement.
En comparaison, les entreprises technologiques américaines, comme Anthropic et OpenAI, proposent principalement des modèles fermés qui gardent tout sous licence propriétaire, obligeant les clients à payer plus cher pour y accéder. Cependant, aux États-Unis, les modèles chinois à poids ouverts séduisent davantage par leur prix abordable et leur efficacité. Cette tendance met les autorités en alerte, Washington envisageant une interdiction.
L'inférence est également devenue 50 fois moins chère
Le coût de l’inférence de type GPT-4 est passé de 20 dollars à environ 0,40 dollar par million de tokens en 36 mois, soit une baisse de 50 fois que Mozilla attribue à la concurrence des modèles ouverts, qui a fait baisser les prix de manière générale. Une analyse de la Linux Foundation citée par Mozilla estime que l’inférence sur des modèles fermés coûte environ six fois plus cher qu’un modèle ouvert comparable offrant des performances similaires.
Mozilla en déduit que le secteur pourrait réaliser des économies annuelles non concrétisées estimées à 24,8 milliards de dollars si les acheteurs transféraient leurs charges de travail éligibles vers des modèles à poids ouverts. Certaines organisations ont déjà sauté le pas, et ont réalisé des gains spectaculaires.
Stripe est l'exemple concret cité dans le rapport. L'entreprise a réduit ses coûts d'inférence de 73 % tout en traitant 50 millions d'appels API par jour, en transférant une partie de sa charge de travail d'IA vers des modèles ouverts, selon les chiffres extraits du rapport par UCToday. C'est le genre de chiffre qu'une équipe financière comprend sans même avoir à consulter un graphique comparatif. Cela représente une menace pour les modèles fermés.
79 % des développeurs testent des modèles d'IA ouverts
L'adoption et la mise en production sont deux chiffres distincts, et le rapport prend soin de les différencier. Parmi les développeurs qui intègrent des fonctionnalités d’IA à leurs produits, 79 % utilisent des modèles ouverts et 71 % des modèles fermés, environ la moitié utilisant les deux selon la tâche à accomplir. Mais seuls 51 % des équipes travaillant avec des modèles ouverts les déploient en production, contre 63 % pour les modèles fermés.
Cet écart est la conclusion pratique à retenir pour tout responsable technique. Les modèles ouverts permettent de franchir facilement le cap de l’expérimentation. Passer d’un prototype fonctionnel à une solution déployée auprès des clients nécessite toutefois davantage d’efforts en interne que de simplement pointer une clé API vers un fournisseur fermé, et cet écart tient entièrement aux outils et aux opérations, et non à la qualité du modèle.
Mozilla a recherché les obstacles qui empêchent un projet open source d'atteindre la production. Les coûts élevés d’infrastructure arrivaient en tête avec 27 %, suivis par les préoccupations en matière de sécurité et de conformité (26 %), la maintenance et les mises à jour continues (24 %) et la complexité du déploiement (23 %). Mais ces quatre réponses sont suffisamment proches en termes de poids pour qu’il n’y ait pas une solution unique.
Selon le rapport, une équipe qui parvient à résoudre le problème des coûts d’autohébergement se heurte toujours à la question de la conformité, et une équipe qui résout ce dernier problème doit encore corriger et surveiller un modèle dont elle est désormais propriétaire de bout en bout.
La domination chinoise et les enjeux d'une concentration
Les modèles ouverts représentent désormais environ 33 % de l’utilisation active de l’IA dans le monde. Ils ne génèrent pourtant que 4 % des revenus mondiaux liés à l’IA. Cet écart de 29 points entre l’utilisation et les revenus est révélateur : les modèles d'IA à poids ouverts sont désormais suffisamment performants pour traiter des charges de travail réelles, mais l’activité économique qui s’articule autour d'eux n’a pas encore rattrapé son retard.
L'ampleur de cette utilisation est également bien réelle : en juin 2026, sur les 282 grands modèles de langage suivis par Gradually AI, 160 étaient ouverts, dont 155 publiés en open-weight et 5 entièrement open source, ce qui montre que cette évolution ne repose pas uniquement sur quelques modèles phares.
L'utilisation des modèles à poids ouverts s'est accélérée de manière massive, représentant huit des dix modèles les plus sollicités en volume de tokens sur la plateforme OpenRouter. La grande majorité des modèles ouverts performants en circulation sont développés en Chine. Les laboratoires chinois appliquent une stratégie comparable à celle d'Android en distribuant gratuitement le modèle pour contrôler l'écosystème technologique sous-jacent.
Il en résulte une double concentration géographique où les modèles fermés de pointe sont américains tandis que les modèles ouverts leaders sont chinois. Raffi Krikorian souligne cette situation ambivalente : « la vérité inconfortable est que l'écosystème pluriel autour de l'IA à poids ouverts est largement financé par des capitaux chinois à l'heure actuelle ». Une égalité des performances ferait alors basculer le rapport de force en faveur de la Chine.
Cette disparité régionale transparaît dans les données relatives à l’adoption. Selon le rapport, le taux d’utilisation de l’IA open source s’élève à 89 % en Grande Chine et en Asie de l’Est, contre 70 % en Europe occidentale. Sur Hugging Face, les modèles Qwen d’Alibaba ont enregistré 942 millions de téléchargements et la famille Llama de Meta 476 millions. Cela démontre l'attrait des développeurs et...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
