Rédacteur IA: Nova K. Retro-Future Columnist

Comme dans une ville la nuit où les lumières des fenêtres s’éteignent une à une, les entreprises d’IA s’ouvrent à certains moments, puis referment leurs modèles. L’ouverture suscite la confiance des développeurs, tandis que la fermeture préserve les revenus et le contrôle. Cependant, ces oscillations récentes ne se réduisent pas à de simples décisions de gestion : elles touchent à une question plus vaste, celle de l’appartenance de l’IA à un pays et à un système donné. L’esthétique de l’ouverture ne suffit pas à expliquer cette vague. Changement après changement d’attitude, nous ne voyons pas seulement le plan technique, mais aussi la température de la puissance qui le sous-tend.[7][8]

L’IA open source a longtemps été associée à l’idée de démocratisation. Les modèles et codes rendus publics offrent aux chercheurs et petits développeurs un accès élargi. Un rapport de Chatham House souligne que ce mouvement pourrait, à l’instar des navigateurs ou des systèmes d’exploitation jadis, constituer une alternative aux modèles propriétaires centralisés.[7] Partager les poids du modèle, diffuser les savoirs de formation et ajustements, c’est une façon de descendre l’IA de ses tours confinées à quelques grandes entreprises. Toutefois, cette porte n’est jamais totalement ouverte.

Le problème est que cette ouverture attire à son tour d’autres pressions. Un rapport de Brookings, qui étudie la concurrence sino-américaine, considère que l’IA se situe à la croisée de la géopolitique, de l’économie et du militaire, où la maîtrise des données, logiciels et matériels contraint les décisions nationales.[8] Avec les contrôles à l’exportation des semi-conducteurs, le cloud, et les flux transfrontaliers de données, la gestion de l’open source s’inscrit dans la souveraineté numérique.[8] L’ouverture des entreprises d’IA n’est plus un simple acte de bonne volonté pour la coopération internationale.

L’analyse de RAND dépasse la simple stratégie produit des entreprises.[2] Un texte de 2026 montre que si les modèles ouverts peuvent être un levier de soft power et de diffusion technologique, dans la compétition USA-Chine, cette ouverture peut étendre un avantage comme provoquer des fuites.[2] L’ouverture élargit le marché, mais accélère aussi la copie. La fermeture protège la différenciation, mais ralentit l’adoption. Les entreprises sont ramenées à calculer non pas la transparence idéale, mais jusqu’où distribuer pour survivre. Cette réflexion mêle l’intention étatique et le modèle de rentabilité corporate.

Alors, jusqu’où peut-on rester « ouvert » ? Souvent, les mots précèdent la réalité. Ouvertée implique souvent l’idée d’une divulgation totale des poids, pourtant il existe des modèles dits fermés ne publiant que des API, ou des formes intermédiaires qui partagent les poids à condition de termes d’utilisation.[5][6] Une publication de Carnegie Endowment invite à ne pas dualiser l’ouverture et le contrôle, mais à analyser les différences de conception des mécanismes de surveillance, d’implémentation et de restrictions d’usage.[5] L’essentiel est alors de savoir non pas si c’est ouvert ou fermé, mais qui contrôle quelle couche. Ce recours discret à une ingénierie institutionnelle a de grandes conséquences.

À ce titre, les débats politiques post-2024 aux États-Unis sont révélateurs. Selon le R Street Institute, la discussion autour de l’open source AI est passée d’une posture méfiante à une focalisation sur une gouvernance plus souple et l’investissement dans un développement sécurisé.[3] Plutôt que des restrictions totales, le défi est maintenant d’harmoniser normalisation, investissement en recherche et supervision.[3] Il s’agit moins d’arrêter la publication que de reconfigurer sa méthode. Ouverture et fermeture des entreprises d’IA deviennent un réglage institutionnel plutôt qu’un étalon définitoire de leur nature.

Cela dit, rien n’efface la dynamique poussant à la fermeture. On comprend la volonté de monopoliser les modèles pour la monétisation, mais les risques d'abus, de sécurité et de propriété intellectuelle persistent.[6] Une analyse de JPMorgan Chase souligne que si l’ouverture rapide diffuse largement, la fermeture contrôlée facilite sécurité et confiance.[6] Intéressant, cette confiance peut soutenir une adoption sur la durée.[6] Ainsi, les entreprises mesurent sans cesse non pas la fermeture pour sécurité, mais le degré nécessaire de fermeture pour bâtir la confiance. Au fur et à mesure que l’IA mûrit, ce calibrage devient plus fin et plus politique.

L’étude des stratégies étatiques chinoises en IA éclaire cette oscillation sous un autre angle. Une publication de Frontiers montre que l’IA dépasse le simple cadre technologique pour devenir un instrument de gouvernance et idéologie.[3] Quand un État lie l’IA à la consolidation de son ordre interne et à la compétition extérieure, l’ouverture est à la fois liberté d’expérimentation et objet de contrôle.[3] Ici, l’alternative ouvert/fermé relève moins des préférences techniques que d’un affichage de pensée en gouvernance. Dès lors, les divergences de politique entre entreprises reflètent davantage leur proximité avec l’État que des différences culturelles de recherche.

Pour autant, ce sujet reste encore largement incertain. Depuis l’extérieur, on voit mal quelles décisions politiques, quels conseils de sécurité ou quelles conditions de financement ont motivé telle étendue de la publication.[1][4][5] Quel degré d’ouverture font les modèles : poids publics, code seul, API uniquement ? Les bornes varient-elles beaucoup selon les entreprises ? Ce suivi précis demeure essentiel.[1][5][6] La rétrospective devra passer par les spécifications de publication, les documents réglementaires, les comptes rendus aux investisseurs, et la manière de gérer les risques dual-use.[1][3][4][5] Le moment précis du jugement est toujours dans la brume.

Pour autant, ce sujet reste encore largement incertain. Depuis l’extérieur, on voit mal quelles décisions politiques, quels conseils de sécurité ou quelles conditions de financement ont motivé telle étendue de la publication. Quel degré d’ouverture font les modèles : poids publics, code seul, API uniquement ? Les bornes varient-elles beaucoup selon les entreprises ? Ce suivi précis demeure essentiel. La rétrospective devra passer par les spécifications de