Selon une analyse du 29 mai réalisée par Epoch AI, les modèles d'IA à poids ouvert n’accumulent plus qu’un retard moyen de quatre mois par rapport aux meilleurs modèles fermés. L’écart s’est réduit depuis janvier 2026, où les modèles ouverts étaient en retard d’environ six mois. Cette tendance est portée par des modèles ouverts plus volumineux ainsi que par des améliorations de la compression et de l’efficacité matérielle.

Exigences matérielles pour le déploiement local

Les modèles à poids ouvert se caractérisent par la diffusion publique de leurs poids, permettant à quiconque de les télécharger et de les exécuter. La taille d’un modèle se mesure en paramètres, et la taille du téléchargement augmente avec ce nombre. En règle générale, un modèle nécessite au moins 8 Go de VRAM ou de mémoire unifiée pour tenir sur un GPU ou un Mac grand public. Les utilisateurs avertis privilégient souvent un GPU gaming de 24 Go de VRAM ou plus, ou une machine dédiée à l’IA comme le Nvidia DGX Spark. La quantisation peut réduire la consommation de mémoire en stockant les poids dans des formats à moindre précision, comme les entiers 8 bits, au prix d’une légère perte de précision.

Outils gratuits pour exécuter les modèles hors ligne

Deux programmes gratuits populaires, Ollama et LM Studio, gèrent le téléchargement et l’exécution des modèles à poids ouvert. Ollama s’adresse aux développeurs et fonctionne via une interface en ligne de commande, tandis que LM Studio propose une interface graphique qui séduit un public plus large. Les deux outils peuvent fonctionner entièrement hors ligne, conservant toutes les conversations en local et évitant tout transfert de données vers des serveurs externes. Par exemple, la commande « ollama pull gemma4:e2b » télécharge le modèle Gemma 4 et « ollama run gemma4:e2b » lance une discussion. LM Studio recherche les modèles sur le hub Hugging Face, télécharge les poids et ouvre une fenêtre de chat.

Licences et personnalisation

Les modèles à poids ouvert sont distribués sous diverses licences. La série R1 de DeepSeek est publiée sous licence MIT, autorisant l’usage commercial et les modifications. Gemma 4 de Google et gpt‑oss d’OpenAI sont distribués sous Apache 2.0, qui permet également une utilisation libre et la création d’œuvres dérivées. Cette ouverture permet aux utilisateurs d’affiner ou d’adapter les modèles à des domaines spécifiques, comme la médecine ou le codage, sans payer d’abonnement.

À surveiller prochainement

La convergence croissante entre modèles ouverts et fermés laisse présager une diminution de l’avantage concurrentiel de l’IA propriétaire. Les développeurs expérimenteront davantage de déploiements locaux, surtout à mesure que le matériel devient plus puissant et moins coûteux. Les régulateurs pourraient également porter une attention accrue aux implications en matière de confidentialité entre IA locale et IA cloud.