Open-Source vs Open-Weight : quelles différences et quels modèles Ollama dans chaque catégorie ?
L'essor des modèles d'IA accessibles au public a donné naissance à deux tendances majeures : l'open-source et l'open-weight. Bien que souvent utilisés de manière interchangeable, ils recouvrent des réalités bien distinctes. L'open-source favorise une transparence totale — code, poids, données d'entraînement et documentation. L'open-weight offre une ouverture partielle, limitée aux paramètres appris du modèle.
Comme l'Open Source Initiative (OSI) l'a clairement établi, des modèles comme Llama de Meta ne sont pas open-source selon la définition officielle. Ce sont des modèles open-weight — téléchargeables et utilisables, mais sans la transparence complète exigée par la définition open-source de l'OSI.
Cette distinction est plus importante que jamais pour les développeurs, les entreprises et les gouvernements en quête de souveraineté numérique. Lorsque vous exécutez un modèle via Ollama, comprendre sa licence détermine ce que vous pouvez légalement en faire dans des produits commerciaux.
Open-Source : une ouverture totale
Un modèle d'IA véritablement open-source fournit :
- Le code source complet utilisé pour construire et entraîner le modèle
- Les poids du modèle (paramètres)
- Les données d'entraînement (ou des informations détaillées à leur sujet)
- Une documentation complète pour comprendre et modifier le modèle
Les licences approuvées par l'OSI comme Apache 2.0 et MIT accordent une utilisation commerciale, une modification et une redistribution sans restriction.
Open-Weight : une ouverture partielle
Un modèle open-weight met uniquement à disposition ses poids — les paramètres appris durant l'entraînement. Les données d'entraînement, le code de conception et la méthodologie restent propriétaires. Cela signifie que :
- Le modèle peut être utilisé et ajusté, mais pas entièrement inspecté
- Les biais ou faiblesses sont plus difficiles à analyser
- L'adoption est facilitée, mais le contrôle reste chez le développeur original
La plupart des modèles commercialisés comme « open-source » dans l'IA sont en réalité open-weight.
Catégorisation des modèles Ollama
Voici une liste des modèles populaires disponibles sur Ollama, classés par leur type de licence réel.
Modèles vraiment open-source (Apache 2.0 ou MIT)
Ces modèles utilisent des licences approuvées par l'OSI et offrent une liberté commerciale totale :
| Modèle | Développeur | Licence |
|---|---|---|
| Qwen 3, Qwen 3.5, Qwen 2.5 | Alibaba | Apache 2.0 |
| DeepSeek V3, R1, R2, V4 | DeepSeek | MIT |
| Mistral 7B, Mistral Small | Mistral AI | Apache 2.0 |
| Gemma 4 | Apache 2.0 | |
| Phi-3, Phi-4 | Microsoft | MIT |
| GPT-OSS (20B, 120B) | OpenAI | Apache 2.0 |
| OLMo | AI2 (Allen Institute) | Apache 2.0 |
| IBM Granite (3B–32B) | IBM | Apache 2.0 |
| Nomic Embed Text | Nomic | Apache 2.0 |
| FLUX.1 Schnell | Black Forest Labs | Apache 2.0 |
Modèles open-weight (licences restrictives / personnalisées)
Ces modèles fournissent des poids téléchargeables mais comportent des restrictions d'utilisation :
| Modèle | Développeur | Licence | Restriction |
|---|---|---|---|
| Llama 3.1, 3.2, 3.3, 4 | Meta | Licence communautaire Llama | Seuil de 700M MAU |
| Mistral Large, Codestral | Mistral AI | Licence Mistral personnalisée | Recherche / non-commercial |
| Gemma 2, Gemma 3 | Licence Gemma | Restrictions d'utilisation | |
| Command R, Command R+ | Cohere | CC-BY-NC | Non-commercial uniquement |
| Kimi K2.6, K2.7 | Moonshot AI | MIT Modifié | Restrictions supplémentaires |
| MiniMax M3, M2.5 | MiniMax | Personnalisée | Restrictions d'utilisation |
| GLM-4, GLM-5 | Zhipu AI | Personnalisée | Restrictions d'utilisation |
| DeepSeek V2 | DeepSeek | Personnalisée | Ancienne licence restrictive |
Pourquoi c'est important
Pour les développeurs
Choisir un modèle avec une licence permissive (Apache 2.0 ou MIT) signifie que vous pouvez construire, affiner, déployer et vendre votre produit sans incertitude juridique. Les modèles open-weight avec des licences personnalisées peuvent restreindre l'utilisation commerciale, imposer un partage des revenus ou limiter l'échelle de déploiement.
Pour les entreprises
Les équipes juridiques examinent attentivement les licences. Apache 2.0 offre une protection explicite des brevets. MIT est la plus simple à respecter. Les licences personnalisées nécessitent un examen juridique au cas par cas et peuvent bloquer complètement le déploiement.
Pour la souveraineté numérique
Les gouvernements et institutions européennes cherchant l'indépendance vis-à-vis des géants technologiques américains devraient prioriser les modèles véritablement open-source. Seules les licences Apache 2.0 et MIT offrent les libertés durables nécessaires à une infrastructure d'IA souveraine.
Comment vérifier la licence d'un modèle dans Ollama
Vous pouvez vérifier la licence de n'importe quel modèle directement depuis la ligne de commande :
ollama show <modèle> --license
Par exemple, pour vérifier la licence de Llama 4 :
ollama show llama4 --license
En résumé
L'industrie de l'IA est inondée de « open-washing » — le marketing de modèles open-weight présentés comme open-source. Avant de construire votre prochain projet, vérifiez la licence. Si c'est Apache 2.0 ou MIT, vous avez une vraie liberté open-source. Si c'est une licence personnalisée, vous utilisez un modèle open-weight avec des conditions.
La bonne nouvelle : les modèles véritablement open-source comme Qwen 3.5, DeepSeek R2, Gemma 4 et GPT-OSS sont désormais compétitifs avec les alternatives propriétaires et vous pouvez tous les exécuter localement avec Ollama.