Modèles d’IA open source pour les entreprises : aperçu des principaux modèles (état octobre 2026)

Qui souhaite exploiter des modèles d’IA dans sa propre entreprise au lieu d’envoyer des données à ChatGPT & Co. dispose aujourd’hui d’un bon choix de modèles ouverts (« Open Source » ou, plus précisément, « Open Weights »). Pour les entreprises en Allemagne, à la date d’octobre 2026, les familles Mistral, Qwen, gpt-oss, DeepSeek et Apertus intéressant. Llama 4 de Meta n’est en revanche pratiquement pas utilisable pour les entreprises dont le siège est dans l’UE en raison d’une clause de licence. Le modèle qui convient dépend de la licence, des compétences en allemand, de la taille et du matériel disponible.

« Open Source » ou « Open Weights » – qu’est-ce que cela signifie exactement ?

Dans la plupart des modèles d’IA « ouverts », les poids du modèle publié – donc le modèle entraîné que vous pouvez télécharger et exploiter sur vos propres serveurs. Les données d’entraînement et le processus d’entraînement complet restent généralement confidentiels. Les spécialistes parlent donc de Open Weights. Pour le quotidien de l’entreprise, l’essentiel est le suivant : vous pouvez exploiter le modèle vous-même, vos données ne quittent pas votre infrastructure, et vous ne dépendez pas de changements de prix ni d’une interruption d’un service cloud.

L’important est la licence: elle détermine si vous pouvez utiliser le modèle à des fins commerciales, le modifier et l’intégrer dans vos propres produits. Des licences comme Apache 2.0 ou MIT sont très généreuses. Les licences propres des fabricants peuvent en revanche contenir des restrictions – pouvant aller jusqu’à l’exclusion de régions entières.

Aperçu des principales familles de modèles

Mistral (France)

L’entreprise française Mistral AI publie de nombreux modèles sous Apache 2.0, dont le grand Mistral Large 3 (décembre 2025) et Mistral Small 4 (mars 2026), qui réunit textes, images et raisonnement en plusieurs étapes dans un seul modèle. Avantages pour les entreprises allemandes : fournisseur européen, bonnes compétences en allemand, licence claire et modèles dans de nombreuses tailles – des petites variantes pour un seul serveur jusqu’aux grands modèles pour les centres de données.

Qwen (Alibaba)

Les modèles Qwen en provenance de Chine comptent parmi les modèles ouverts les plus performants et paraissent à un rythme soutenu (notamment Qwen3.6 en avril et Qwen3.8 en août 2026). Les variantes téléchargeables gratuitement sont généralement proposées sous Apache 2.0 ; en revanche, les plus grands modèles « Max » ne sont pas ouverts. Qwen propose un nombre particulièrement élevé de tailles, y compris des modèles compacts pouvant fonctionner sur une seule carte graphique.

gpt-oss (OpenAI)

Avec gpt-oss-20b et gpt-oss-120b a publié pour la première fois depuis des années des modèles ouverts en 2025 – sous Apache 2.0. La variante plus petite est conçue pour fonctionner sur un matériel relativement modeste, la plus grande pour des serveurs performants. Pour de nombreuses entreprises, c’est une entrée évidente, car le comportement et le style paraissent familiers.

DeepSeek (Chine)

DeepSeek publie ses modèles sous la licence MIT et a été pionnier en 2025 avec ses modèles de « reasoning ». En cas d’exploitation en interne, aucune donnée n’est transmise vers la Chine – contrairement à l’utilisation de l’application ou de l’API DeepSeek. Certaines entreprises examinent néanmoins de près le comportement des modèles sur des sujets politiquement sensibles.

Apertus (Suisse)

Apertus a été publié en septembre 2025 par la Swiss AI Initiative (EPFL, ETH Zürich, CSCS), en tailles de 8 et 70 milliards de paramètres, sous Apache 2.0. Particularité : il est entièrement ouvert – y compris les données d’entraînement et les procédures sont documentées – et a été développé en tenant compte du droit européen. En termes de performances, la première version reste en retrait par rapport aux modèles de pointe ; pour les entreprises ayant des exigences élevées en matière de transparence, il s’agit néanmoins d’une option intéressante.

Gemma (Google)

Google publie avec Gemma des modèles ouverts compacts, conçus en particulier pour les appareils disposant de peu de mémoire. Gemma est soumis à une licence Google propre avec des conditions d’utilisation – et non à Apache 2.0. Avant toute utilisation, veuillez vérifier ces conditions.

Llama 4 (Meta) : attention, exclusion de l’UE

Meta publie Llama sous une « Community License » propre. Pour Llama 4 exclut les entreprises dont la politique d’utilisation associée est dont le siège est dans l’UE des droits sur les modèles multimodaux – et tous les modèles Llama-4 sont multimodaux. Pour les entreprises allemandes qui souhaitent exploiter elles-mêmes un modèle, Llama 4 n’est donc pratiquement pas une option. Les anciens modèles purement textuels comme Llama 3.3 ne sont pas concernés, mais ils ne sont techniquement plus à la pointe.

Ce que les entreprises doivent prendre en compte lors du choix

• Licence : Apache 2.0 ou MIT sont les plus simples pour les entreprises. Lire attentivement les licences propriétaires des éditeurs.
• Allemand : Testez avec de vrais textes de votre quotidien – orthographe, termes techniques, ton.
• Taille et matériel : Les modèles plus grands sont meilleurs, mais nécessitent nettement plus de mémoire graphique. Plus d’informations : De quel matériel une IA propre a-t-elle besoin ?.
• Tâche : Pour les résumés et la recherche dans des documents, des modèles de taille moyenne suffisent souvent ; pour des analyses complexes, il faut des modèles plus grands.
• Origine et confiance : En exploitation locale, aucune donnée n’est transmise au fabricant – le comportement du modèle sur des sujets sensibles doit néanmoins être vérifié.
• Développement continu : Choisissez des familles régulièrement mises à jour et prévoyez le passage à de nouvelles versions.

Comment les entreprises utilisent concrètement des modèles ouverts

Presque aucune entreprise n’utilise un modèle « pur ». La combinaison avec une interface utilisateur comme Open WebUI, un environnement d’exécution comme Ollama et une base de connaissances issue de documents internes via RAG. C’est ainsi qu’un assistant IA interne accède à vos contenus, sans que les données quittent l’entreprise. Pour savoir si cela vaut la peine par rapport à un service cloud, consultez la comparaison IA locale vs. ChatGPT & Co..

bettersorted mise pour ses clientes et clients sur des composants ouverts et consultables – exploités sur des serveurs en Allemagne et regroupés dans le automaisa Hub. Nous conseillons de manière indépendante des fabricants, sommes un conseiller enregistré auprès du BAFA et un coach INQA autorisé. La Le conseil et l’introduction accompagnée peuvent être subventionnés à hauteur de 80 % via le INQA-Coaching ; le contrôle des subventions. Pour un premier entretien sans engagement : Contact.

Exemple : sélection de modèle dans une association sociale

Un scénario illustratif : une association sociale souhaite un assistant interne pour des concepts, des consignes de service et des directives de subvention. Les données de santé et sociales ne doivent pas quitter l’entreprise. Trois modèles ouverts de taille moyenne sont testés avec 40 questions réelles du quotidien. Les critères évalués sont l’exactitude, la clarté en allemand et la rapidité sur le serveur existant. Le résultat : un modèle de taille moyenne sous licence Apache-2.0 fournit, en combinaison avec une bonne recherche documentaire, les meilleures réponses – un modèle plus grand aurait nécessité un matériel plus coûteux, sans être sensiblement meilleur.

Liste de contrôle pour votre décision de modèle

1. Licence lue et utilisation commerciale autorisée dans l’UE ?
2. Testé avec 20–50 tâches réelles en allemand ?
3. Le modèle tient-il dans la mémoire graphique disponible – avec une marge pour plusieurs utilisateurs ?
4. Est-il clair qui est responsable des mises à jour et des changements de modèle ?
5. La protection des données et les règles d’utilisation sont-elles documentées (directive IA) ?
6. Existe-t-il une interface standardisée afin que le modèle reste remplaçable par la suite ?

Coûts et financement

Les coûts d’un modèle d’IA propre se composent de trois parties : Mise en place (planification, installation, connexion, tests), Exploitation courante (serveur ou hébergement, mises à jour, surveillance, sauvegarde des données) et Accompagnement des collaborateurs (formation, règles, interlocuteurs). Nous ne communiquons pas de prix fixes, car l’ampleur et la situation de départ varient fortement. Le logiciel lui-même n’entraîne pas de coûts de licence dans le cas des solutions open source.

Ce n’est pas la technique qui est subventionnée, mais le conseil et l’introduction accompagnée: via le INQA-Coachingla Confédération prend en charge 80 % des coûts de coaching dans toute l’Allemagne (jusqu’à 11.520 €, bons jusqu’au 30.06.2028). Une analyse préalable peut être subventionnée via la promotion du conseil BAFA – avec 80 % dans les nouveaux Länder, à Lüneburg et Trèves, sinon 50 %, pour les demandes déposées jusqu’au 31.12.2026. Pour les investissements, certains Länder proposent leurs propres programmes – voir Possibilités de financement pour les entreprises en Allemagne.

Questions fréquemment posées

Quel modèle d’IA open source est le meilleur pour les entreprises ?

Il n’existe pas de modèle unique qui soit le meilleur pour tous. Pour les entreprises allemandes, Mistral, Qwen et gpt-oss sont souvent le premier choix en raison de leur licence Apache-2.0 et de leurs bonnes compétences en allemand. Testez deux ou trois modèles avec vos propres tâches.

Puis-je utiliser Llama 4 en Allemagne ?

En tant qu’entreprise dont le siège est dans l’UE, vous n’obtenez, selon la politique d’utilisation, aucun droit sur les modèles multimodaux Llama-4, et tous les modèles Llama-4 sont multimodaux. Pour une exploitation en interne en Allemagne, Llama 4 est donc pratiquement exclu.

Les modèles open source sont-ils aussi bons que ChatGPT ?

Les meilleurs modèles ouverts se rapprochent, pour de nombreuses tâches, des meilleurs modèles commerciaux. Pour les tâches courantes en entreprise, comme le résumé, la rédaction et la recherche dans vos propres documents, ils suffisent généralement.

Quelle est la différence entre Open Source et Open Weights ?

Avec Open Weights, les poids du modèle sont librement accessibles, mais les données d’entraînement et les méthodes ne le sont souvent pas. Des modèles entièrement ouverts comme Apertus les publient également. Pour un fonctionnement en interne, des Open Weights avec une licence adaptée suffisent.

État : octobre 2026. Les modèles, versions et licences évoluent rapidement – avant de prendre une décision, vérifiez la licence actuelle auprès du fournisseur.