Le 24 juillet 2026, Nvidia, Microsoft et Meta ont signé une lettre ouverte traitant des poids ouverts et du leadership américain en matière d’IA pour s’opposer aux restrictions américaines sur les modèles d’IA à poids ouverts. Cette coalition plaide pour un écosystème ouvert afin de maintenir la domination technologique des États-Unis face à la concurrence chinoise.
Le front se dessine désormais selon les modèles économiques. D’un côté, une alliance menée par Nvidia, Microsoft et Meta défend la diffusion des poids d’entraînement. De l’autre, OpenAI, Google et Anthropic privilégient des systèmes fermés, invoquant des impératifs de sécurité. Ce bras de fer ne porte pas tant sur l’idéologie que sur la rentabilité et le contrôle du marché.
L’offensive du 24 juillet : la coalition pour les “Open Weights”
L’initiative a été lancée par le PDG de Nvidia, Jensen Huang, via son premier message sur X. Le document a été initialement signé par 25 entités, dont IBM, Dell, Palantir, Mistral, Hugging Face, la Linux Foundation, ainsi que les fonds Andreessen Horowitz et Y Combinator. Le nombre de signataires a doublé en 24 heures pour atteindre environ 50, avec l’adhésion ultérieure d’AMD, Cisco, Cohere, GitHub, Cloudflare et Block.
L’argument central est stratégique : la suprématie américaine ne dépendrait pas d’un seul modèle dominant, mais de la capacité d’un écosystème ouvert à diffuser l’innovation dans tous les secteurs économiques. Les signataires soutiennent que l’ouverture peut renforcer la cybersécurité en permettant à une large communauté de vérifier les comportements des modèles et de détecter les failles, contrairement aux systèmes fermés qui concentrent des erreurs invisibles pour les tiers.
Nos capacités de leadership en IA ne se mesurent pas à un seul modèle de frontière, mais à la capacité des États-Unis à construire un écosystème ouvert et solide. Lettre collective, via The Decoder
L’ombre de Moonshot AI et la pression chinoise
Le timing de cette lettre n’est pas fortuit. L’entreprise Moonshot AI a publié Kimi K3, avec 2,8 billions de paramètres et une fenêtre de contexte d’un million de tokens. Ce système, basé sur une architecture Mixture-of-Experts (MoE), a atteint des performances proches de GPT-5.6 Sol dans plusieurs benchmarks.
Cette percée a provoqué une réaction politique à Washington. La distillation, technique consistant à entraîner un petit modèle sur les sorties d’un modèle plus performant, est défendue par Microsoft comme une longue tradition d’apprentissage et d’amélioration technologique.
Les paradoxes économiques de Microsoft et Nvidia
L’analyse des intérêts financiers révèle des contradictions flagrantes. Nvidia profite directement de la prolifération des modèles ouverts : plus il y a de modèles hébergés localement, plus la demande en GPU augmente. Jensen Huang a d’ailleurs indiqué lors de la CES 2026 qu’un quart des tokens générés provenaient désormais d’un modèle ouvert.
Pour Microsoft, l’enjeu est celui d’Azure. En encourageant la fragmentation des modèles, Microsoft réduit la dépendance des clients envers un seul fournisseur et optimise ses marges.
Cette volte-face a suscité des critiques.
Risques de sécurité et spécialisation des SLM
Le camp des modèles fermés, porté par Anthropic, soutient que les poids publiés sont irrévocables. Une fois diffusés, on ne peut plus retirer l’accès, mettre à jour les garde-fous ou empêcher les abus.
Parallèlement, une tendance vers la spécialisation émerge.
| Modèle / Approche | Type | Atout principal | Risque cité |
|---|---|---|---|
| Kimi K3 | Open-Weight | Performance, coût réduit | Utilisation de puces sanctionnées |
| Antares | Open-Weight SLM | Localisation CVE, confidentialité | Capacité limitée aux tâches spécifiques |
| Claude / GPT-5.6 | Closed-Source | Contrôle total, sécurité centralisée | Dépendance aux API, coûts élevés |
L’avenir de la régulation dépendra de la capacité des États-Unis à arbitrer entre la sécurité des systèmes fermés et la dynamique d’innovation des systèmes ouverts.
Pour aller plus loin