Open source, open weights et fair-code

Définition simple

Fait vérifié. Selon l'Open Source Initiative, un système d'IA open source doit permettre de l'utiliser, l'étudier, le modifier et le partager, avec la forme nécessaire à ces modifications. Open weights signifie généralement que les paramètres appris sont disponibles, sans garantir l'accès complet aux données et au code d'entraînement. Fair-code est un positionnement de licence source-visible qui peut restreindre certains usages commerciaux.

Fonctionnement

Il faut examiner séparément les poids, l'architecture, le code d'entraînement, les informations sur les données, le code d'inférence et leurs licences. Le mot « ouvert » seul ne suffit pas.

Confusion fréquente

Télécharger un modèle n'en fait pas automatiquement un logiciel open source. À l'inverse, du code consultable peut rester incompatible avec la définition classique de l'open source si sa licence interdit certains usages.

Limites

Même avec des poids ouverts, réentraîner un grand modèle peut rester inaccessible à cause du coût et des données manquantes. Les définitions et licences évoluent : il faut lire le texte applicable à chaque version.

Application dans Alfred

Expérimentation Alfred. Je distingue toujours le runtime, le code et les données. Une brique locale peut être remplaçable ou auditable sans que l'ensemble de la chaîne soit open source.

Ma lecture

Interprétation personnelle. Ces termes décrivent des droits concrets, pas une vertu générale. La bonne question est : « qu'est-ce que je peux réellement inspecter, modifier, héberger et redistribuer ? »

Sources

• Open Source AI Definition 1.0 — OSI
• Sustainable Use License — n8n