Un modèle, c’est surtout un très gros fichier de nombres : ses poids. Quand un développeur publie ce fichier, n’importe qui peut faire tourner le modèle sur son propre matériel.
Comment ça marche
L’entraînement produit les poids : les paramètres qu’un réseau de neurones a appris. L’Open Source Initiative décrit les poids ouverts comme « the final weights and biases of a trained neural network » (traduction : « les poids et biais finaux d’un réseau de neurones entraîné »). Avec eux, vous pouvez lancer l’inférence, faire du fine-tuning ou quantifier le modèle.
Ce que les poids ouverts n’incluent généralement pas, selon l’OSI :
- le code d’entraînement ;
- des informations détaillées sur les données d’entraînement.
La définition de l’IA open source de l’OSI exige les deux, en plus des poids, pour que d’autres puissent étudier et reproduire le modèle. Beaucoup de modèles populaires sont open-weight sans être open source en ce sens. Les rapports du gouvernement américain emploient une expression voisine : des modèles aux « widely available model weights » (traduction : « poids de modèle largement disponibles »). Google, par exemple, qualifie sa famille Gemma d’« open models » (traduction : « modèles ouverts »).
Chaque publication open-weight s’accompagne d’une licence. Parmi les plus courantes figurent Apache-2.0 et MIT, tandis que d’autres restreignent l’usage commercial. La licence détermine si vous pouvez servir le modèle à des tiers via une API.
Pourquoi c’est important
- Le choix de l’endroit où il tourne. Auto-hébergez pour un contrôle total, ou appelez l’un des fournisseurs qui servent le même modèle.
- Confidentialité. Vous pouvez garder les données sur votre propre matériel, ou choisir un hébergeur pratiquant la conservation zéro des données.
- Pas de dépendance. Si un fournisseur change ses conditions, les mêmes poids tournent ailleurs. Une API compatible OpenAI réduit le changement à une modification de configuration.
- Même nom, service différent. Deux fournisseurs peuvent servir un même modèle avec une quantification, des limites de contexte ou des réglages différents. Testez sur vos propres prompts.
Sur BroadNet Inference
Le catalogue de modèles de BroadNet indique « ~270 models run on our GPUs » (traduction : « environ 270 modèles exécutés sur nos GPU » ; chiffre du labo, septembre 2026). Ce chiffre compte tous les modèles que BroadNet dit avoir exécutés, évalués, quantifiés ou affinés, y compris ceux qu’il a écartés, et pas seulement les modèles de son API. Sa déclaration de confidentialité décrit un hébergement sur du matériel détenu ou loué par BroadNet aux États-Unis, avec de la capacité de partenaires en secours. Son catalogue de modèles affiche les licences car, selon ses termes, elles « decide what can be served through an API » (traduction : « déterminent ce qui peut être servi via une API »). BroadNet Gemma 4 VL 26B est la version de Gemma 4 de Google préparée par BroadNet. BroadNet Transcribe Arabic repose sur Cohere Transcribe, et BroadNet le déclare au rang #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026) sur l’Open Universal Arabic ASR Leaderboard, et premier parmi les modèles dont la licence autorise le service via une API.
Pour choisir un modèle pour du texte en arabe, voir choisir un LLM pour l’arabe.