Poids ouverts ou open source : les 3 critères qui classent Llama, Gemma et OLMo

Vérification

700 millions d’utilisateurs mensuels : au-delà de ce seuil, la licence de Llama 3.3 oblige à demander une autorisation à Meta avant d’exploiter le modèle. La clause tient en une phrase, et elle suffit à faire sortir le modèle de la première des quatre libertés posées par l’Open Source Initiative : utiliser le système « pour n’importe quel usage et sans avoir à demander la permission ».

Les poids sont une pièce du dossier, pas le label. Publiée le 28 octobre 2024, la définition 1.0 de l’Open Source Initiative exige quatre libertés et trois composants (information sur les données, code d’entraînement complet, paramètres), quand une licence MIT ou Apache 2.0 n’en couvre qu’un seul, les paramètres. L’organisation a publié ce texte après un an de co-conception. Télécharger les poids sans le reste, c’est recevoir le gâteau sans la recette.

Ce que la définition réclame en plus des poids

Le premier composant est l’information sur les données : provenance, procédures d’étiquetage, filtrage, assez détaillées pour qu’une personne qualifiée « puisse construire un système substantiellement équivalent ». Le deuxième est « le code source complet utilisé pour entraîner et faire tourner le système ». Le troisième, les paramètres eux-mêmes, publiés sous des conditions approuvées.

Les données brutes ne sont pas exigées. La foire aux questions de l’OSI précise que les données d’entraînement « n’équivalent pas au code source d’un logiciel », et demande à la place une description documentée, y compris pour les corpus impossibles à partager.

Elle tranche aussi le cas le plus courant : Llama, Falcon, Grok et Mixtral ne relèveraient pas de l’open source « même s’ils utilisaient des licences compatibles OSD », faute de cette information. Le point de bascule n’est pas la licence. C’est la documentation.

Trois étages, licence par licence

Premier étage : les licences maison assorties de restrictions d’usage. Celle de Llama 3.3 incorpore une politique d’usage acceptable, le seuil des 700 millions et l’obligation d’afficher « Built with Llama ». Les conditions d’utilisation de Gemma réservent à Google le droit de restreindre l’usage à distance et imposent de répercuter ces restrictions à tous les destinataires.

Deuxième étage : les licences approuvées, sans documentation. La fiche de DeepSeek-R1 place le dépôt et les poids sous MIT et autorise explicitement la distillation, sans publier ni corpus ni code d’entraînement. Gemma 4 a basculé sous licence Apache 2.0, avec une politique d’usage prohibé adossée à côté.

Troisième étage : le jeu complet. La fiche d’OLMo 2 annonce « tout le code, les points de contrôle, les journaux » et nomme ses deux corpus d’entraînement, OLMo-Mix-1124 et Dolmino-Mix-1124. L’OSI cite ce modèle, avec Pythia, Amber, CrystalCoder et T5, parmi ceux qui passent.

Le tableau reprend ces six licences, composant par composant.

Une marche de plus chez la Free Software Foundation

La Free Software Foundation place la barre ailleurs. Dans sa position du 22 octobre 2024, elle estime qu’une application d’apprentissage automatique n’est pas libre tant que « toutes ses données d’entraînement et les scripts de traitement associés » ne respectent pas les utilisateurs. Une description suffisante ne lui suffit pas : elle veut les données.

Concrètement, avant de télécharger

Trois questions suffisent. Sous quelle licence sont les poids ? Le corpus d’entraînement est-il nommé et accessible ? Le code qui a produit le modèle est-il en ligne ? Une réponse manquante ne rend pas le modèle inutilisable : elle dit seulement qu’« ouvert » y désigne le téléchargement, pas les quatre libertés. Quatre mots circulent d’ailleurs comme des synonymes, gratuit, libre, open source et poids ouverts, alors que chaque étiquette autorise autre chose. Le deuxième étage, lui, se remplit à chaque sortie de modèle, MiMo-V2.6 comprise.

Le fichier de licence se lit en deux minutes. C’est le seul endroit où le mot « ouvert » engage quelqu’un.

Article créé en collaboration avec l’IA.