D’un côté, un fichier de poids qu’on télécharge et qu’on installe où l’on veut. De l’autre, une clé d’API, l’interface de programmation par laquelle on appelle un modèle à distance, avec une facture mensuelle et un fournisseur qui décide de tout le reste. Entre les deux, des équipes techniques européennes qui doivent trancher ce trimestre, sans attendre que le gouvernement américain ait fini de débattre de ce qu’il autorisera chez lui.
Nous racontions il y a quelques jours comment près de 200 startups américaines suppliaient l’administration Trump de leur laisser l’accès aux IA chinoises. Le rapport de force a bougé depuis : ce ne sont plus seulement de jeunes entreprises qui montent au créneau, mais les fournisseurs eux-mêmes.
La contre-offensive a changé de signataires
Le 24 juillet 2026, une lettre ouverte intitulée « Open Weights and American AI Leadership » a été cosignée par Nvidia, Microsoft, Meta, Mistral, Hugging Face et une vingtaine d’autres organisations. La liste a doublé en deux jours : OpenAI, qui l’avait d’abord ignorée, a fini par signer, Google aussi. Le message tient en une idée : la domination américaine ne se jugera pas à un seul modèle de pointe, mais à la capacité du pays à faire diffuser un écosystème ouvert dans tous les secteurs. Les signataires demandent aux régulateurs de renoncer à toute « restriction prématurée » sur les modèles à poids ouverts, y compris chinois.
Un modèle à poids ouverts, ce sont les paramètres appris pendant l’entraînement, publiés et téléchargeables. Vous l’exécutez sur vos serveurs, vous l’adaptez, vous l’auditez. Le code d’entraînement et les données, eux, ne suivent pas toujours : c’est ce qui distingue cette catégorie de l’open source classique.
Amjad Masad, PDG de Replit, le dit crûment : interdire les modèles ouverts chinois revient à interdire les modèles ouverts tout court. L’argument porte parce qu’il est technique avant d’être politique. Aucune frontière ne s’applique proprement à un fichier de poids déjà répliqué sur des milliers de machines.
La lettre avance un autre argument, plus rarement entendu : sans modèles ouverts comparables à ceux dont disposent les attaquants, les défenseurs perdent la capacité d’évaluer les menaces. La cyberdéfense a besoin de voir ce que l’adversaire peut faire.
Télécharger ou appeler : deux contrats opposés
Kimi K3, le dernier modèle à poids ouverts de la société chinoise Moonshot AI, a concentré l’emballement de la semaine dernière. La démonstration la plus partagée, une reproduction de l’interface de macOS en trente minutes, s’est révélée pour ce qu’elle était : une maquette graphique convaincante, pas un système d’exploitation. Le soufflé est retombé depuis, et la leçon vaut pour n’importe quel choix d’infrastructure. Une capture d’écran spectaculaire ne dit rien de la tenue d’un modèle sur vos charges réelles.
Ce qui sépare Kimi des modèles fermés qu’il concurrence se joue moins sur un score de benchmark que sur la nature du contrat. Le modèle fermé vous vend un service : disponibilité, mises à jour, conformité déléguée, et une dépendance totale à la feuille de route du fournisseur. Le modèle ouvert vous vend une souveraineté d’exécution : vous choisissez le matériel, la région d’hébergement, la version que vous figez, et vous héritez de tout ce que le fournisseur faisait à votre place.
Le premier vous fait payer chaque token. Le second vous fait payer des ingénieurs.
Le coût ne disparaît pas, il change de ligne budgétaire
C’est là que l’argument du gratuit se fissure. Des poids librement téléchargeables ne suppriment pas la dépense, ils la déplacent vers des postes que la direction financière voit rarement venir : GPU (processeurs graphiques) réservés ou loués, ingénierie d’inférence, supervision, mises à jour de sécurité, astreinte. Kimi K3 en donne la mesure : ses 2 800 milliards de paramètres réclament, même compressés sur quatre bits, de l’ordre de 1,4 téraoctet de mémoire rapide avant le moindre contexte chargé. Pour une équipe qui exploite déjà une plateforme d’inférence, la bascule est marginale et le gain immédiat. Pour une équipe qui n’appelle aujourd’hui qu’une API, elle revient à internaliser un métier entier.
Trois questions font le tri plus vite qu’un comparatif de performances :
- Votre volume d’appels justifie-t-il d’immobiliser du matériel, ou paie-t-il seulement des pointes ponctuelles ?
- Vos données imposent-elles un hébergement que le fournisseur fermé ne vous accorde pas ?
- Votre équipe sait-elle diagnostiquer une régression de qualité sans le support d’un éditeur ?
Deux « oui » sur trois et le modèle ouvert devient une option sérieuse. Un seul, et la facture par token reste la meilleure affaire du marché.
La distillation, là où le juridique rattrape la technique
Avant tout déploiement, un point de droit mérite d’être regardé en face. La Maison-Blanche soupçonne Moonshot AI d’avoir entraîné Kimi K3 par distillation du modèle Claude Fable d’Anthropic, une méthode où un modèle apprend à partir des sorties d’un modèle plus capable. La lettre du 24 juillet range cette pratique du côté des techniques de développement admises : elle y voit la tradition d’ingénierie qui consiste à apprendre d’une technologie existante et à l’améliorer, celle-là même qui a porté le logiciel libre.
Le texte demande donc aux régulateurs de ne pas confondre une méthode d’ingénierie et une appropriation illicite. Le débat n’est pas tranché, et une équipe qui met un modèle en production sur une base de code client a intérêt à documenter son choix : version figée, provenance, date de téléchargement. Cette traçabilité coûte peu et vous permettra de répondre calmement si l’arbitrage américain tombe du mauvais côté.
Une équipe européenne n’a pas à attendre le verdict américain
Cet arbitrage n’a rien de neutre. Des restrictions lourdes sur les modèles chinois protégeraient la compétitivité du pays, mais elles avantageraient d’abord une poignée de laboratoires de pointe, ceux-là mêmes qui ont fait pression pour les obtenir. D’après le New York Times, OpenAI et Anthropic ont plaidé auprès des régulateurs fédéraux pour un encadrement des modèles ouverts. Ce sont aussi les deux entreprises que ces modèles concurrencent le plus directement sur le prix. Anthropic reste le seul grand laboratoire américain à ne pas avoir signé la lettre.
Pour une équipe européenne, la bonne nouvelle tient en une ligne : rien de tout cela ne la concerne directement. Une décision américaine encadrerait ce que les entreprises américaines peuvent utiliser, pas ce qui tourne dans un centre de données de Francfort ou de Roubaix. Votre contrainte réelle reste le RGPD, votre hébergeur et vos engagements clients.
Le choix ne se réduit d’ailleurs pas à Kimi contre une API fermée : OpenAI publie ses propres poids sous licence Apache 2.0 avec gpt-oss, et Mistral Large 3 met 675 milliards de paramètres à disposition sous la même licence, avec un éditeur soumis au droit européen. Le raisonnement de coût et de compétences reste identique, seule la provenance change.
Le geste utile, cette semaine, tient en peu de choses : prendre vos dix requêtes les plus coûteuses, les rejouer sur un modèle ouvert hébergé chez vous, et mesurer l’écart de qualité en face de l’écart de facture. Le débat politique se réglera sans vous. Le comparatif, personne ne le fera à votre place.
