Les modèles IA ouverts se rapprochent des modèles fermés

Le fossé entre les meilleurs modèles d’IA ouverts et les modèles fermés des géants américains s’est nettement réduit, selon un rapport de Mozilla publié le 15 septembre. L’organisation estime que l’écart n’est plus que de 4,4 mois, ce qui change déjà la manière dont les entreprises arbitrent entre coût, performance et contrôle. Pour les tâches courantes, les modèles ouverts deviennent la voie par défaut. Les modèles fermés, eux, gardent un intérêt sur des usages plus pointus et plus chers.

Quand le modèle gratuit devient le choix raisonnable

Mozilla défend une idée simple : la majorité des organisations devrait utiliser des modèles ouverts pour la plupart des travaux. Le rapport met en avant Kimi K3, le modèle de Moonshot AI, dont le score composite sur l’Artificial Analysis Intelligence Index ne serait inférieur que de trois points à celui de Fable 5, d’Anthropic, tout en coûtant 30 % du prix. Raffi Krikorian, directeur technique de Mozilla, résume la logique : « Closed earns its premium in a few places: expert professional work, high-intensity retrieval, and long context ». Autrement dit, le surcoût des modèles fermés se justifie surtout sur quelques tâches bien ciblées.

Les modèles ouverts-weights, qui permettent de télécharger les principaux composants du modèle pour les exécuter sur ses propres machines, ne dévoilent pas pour autant tout leur mode de fabrication : les données d’entraînement, le pipeline ou le code peuvent rester partiellement opaques. Face à eux, les modèles fermés d’Anthropic ou d’OpenAI restent propriétaires. Mais leur avantage se réduit dès lors qu’une entreprise accepte de faire tourner un modèle ouvert et de l’intégrer correctement. Ce n’est pas toujours glamour. C’est juste moins cher.

Un marché où la frontière bouge vite

Mozilla s’appuie aussi sur une autre façon de mesurer le rapprochement : le « time horizon » défini par le laboratoire METR. Ce repère correspond à la durée d’une tâche qu’un modèle peut accomplir avec un taux de réussite fiable de 50 %. Selon le rapport, la meilleure IA fermée peut aujourd’hui traiter une tâche 1,7 fois plus longue que la meilleure IA ouverte. Krikorian donne un exemple concret : « If the open frontier can handle a seven-hour job, the closed frontier can handle a 12-hour one ». Dans quatre mois, dit-il, l’écart se resserre encore.

La zone grise reste étroite. Les tâches de huit à douze heures sont encore le terrain de jeu des modèles fermés ; en dessous de huit heures, les deux familles peuvent généralement faire l’affaire, ce qui pousse vers les modèles ouverts moins coûteux. Au-delà de douze heures, aucun modèle ne serait aujourd’hui fiable de manière générale, selon cette lecture. Ces comparaisons restent toutefois délicates, car les modèles fermés bénéficient souvent de leur propre « harness », une couche logicielle qui les aide à interagir avec des outils et une mémoire. Pour rendre les tests plus comparables, Vals AI a utilisé un harness neutre dans l’évaluation Terminal-Bench 2.1, où GLM 5.2, modèle ouvert de Z.ai (Zhipu AI), a obtenu un score proche de Claude Opus 4.7 et 4.8 tout en coûtant environ cinq fois moins par tâche accomplie.

Pourquoi les entreprises n’ont pas toutes déjà basculé

La réponse tient moins à la performance brute qu’au confort opérationnel. Les modèles fermés arrivent prêts à l’emploi et s’accompagnent de « compliance packaging, support, and accountability », selon Mozilla. Beaucoup d’organisations n’ont pas les équipes nécessaires pour exploiter correctement des modèles ouverts-weights, même si ceux-ci reviennent moins cher. DoorDash, cité par le rapport, utilise ainsi Kimi pour les tâches routinières et réserve Fable aux cas les plus difficiles, ceux qui prendraient plus longtemps à un expert humain.

Dans cette logique, le choix n’est plus seulement une question d’entreprise, mais de tâche. Un travail répétitif qui continuera d’exister le trimestre suivant n’a pas forcément vocation à passer sur un modèle premium, surtout si le coût doit ensuite tomber à un cinquième. Pour les usages où le délai compte plus que l’économie, en revanche, le premium reste défendable.

Le poids chinois dans l’IA ouverte inquiète surtout par sa concentration

La montée en puissance des modèles ouverts se voit aussi dans les usages. Sur OpenRouter, la place de marché qui donne accès à des centaines de modèles, huit des dix modèles les plus utilisés en volume de tokens en août 2026 proposent des poids ouverts, selon Mozilla. En parallèle, un papier de Frank Nagle et Daniel Yue pour la Linux Foundation a estimé que les modèles ouverts ne captaient que 4 % des revenus, contre 96 % pour les modèles fermés, sur des données allant de mai à septembre 2025. Le tableau reste donc déséquilibré.

Raffi Krikorian insiste surtout sur la concentration géographique : « most of the open models the world runs on are Chinese », dit-il. Son inquiétude ne vise pas seulement la provenance des modèles, mais le risque qu’un petit nombre d’acteurs fixe les règles de fait. Mozilla plaide pour que des laboratoires américains et européens investissent aussi dans la même voie ouverte, afin qu’aucun pays ne dicte seul les standards du secteur. Le rapport cite même l’exemple d’Apertus, le programme de calcul national suisse, comme piste pour des modèles de référence entièrement ouverts, soutenus par des fondations, des entreprises et de la philanthropie autour des outils d’évaluation et d’audit.

En toile de fond, la bataille ne porte plus seulement sur la performance. Elle se joue aussi sur qui finance l’infrastructure, qui contrôle les standards et qui récolte la rente quand les modèles deviennent des briques de commodité. Dans ce contexte, les modèles ouverts gagnent du terrain parce qu’ils coûtent moins cher et suffisent de plus en plus souvent. Les fermés, eux, conservent leur place là où la précision, le support et le temps gagné valent vraiment la facture.