Mozilla évalue à 4,4 mois l’écart des modèles IA ouverts chinois

Le rapport State of Open Source AI v1.1, publié par Mozilla le 15 septembre 2026, estime à environ 4,4 mois l’écart entre les meilleurs modèles à poids ouverts et les systèmes fermés dans une analyse fondée sur l’horizon des tâches de METR. Les modèles chinois ne rattrapent donc pas uniformément les meilleurs systèmes américains, mais ils se rapprochent suffisamment pour rendre le choix beaucoup plus concret : faut-il payer l’accès à un modèle fermé ou assumer le matériel et l’exploitation d’un modèle téléchargeable ?

Ce que signifie réellement l’écart de 4,4 mois

Le chiffre ne correspond pas à un classement universel ni à une avance identique dans tous les usages. Il vient d’un ajustement statistique appliqué à des mesures de l’horizon des tâches : la durée pendant laquelle un système peut mener à bien un travail comparable à celui d’un expert humain.

Dans l’analyse publiée par Mozilla, l’avantage des modèles fermés apparaît surtout pour des tâches professionnelles demandant environ huit à douze heures de travail humain. Les tâches de moins de huit heures sont généralement accessibles aux deux catégories, tandis qu’aucune des deux ne se montre généralement fiable au-delà de douze heures dans cette comparaison.

Cette mesure doit donc être lue comme un indicateur de capacité sur un type de tâche donné, pas comme la promesse qu’un modèle chinois égalera un système fermé dans chaque domaine.

Les poids ouverts ne sont pas l’open source complet

Un modèle à poids ouverts rend ses paramètres entraînés téléchargeables. Vous pouvez ainsi l’exécuter, le modifier ou le déployer selon sa licence, sans dépendre entièrement d’une API contrôlée par son fournisseur.

Cela ne suffit pas à en faire un logiciel véritablement open source. Les données d’entraînement, le pipeline de préparation, le code d’entraînement et les instructions nécessaires à une reproduction complète peuvent rester inaccessibles. La différence est loin d’être cosmétique : elle touche la reproductibilité, l’audit et la compréhension des biais du modèle.

Les modèles chinois comme Kimi K3, GLM, DeepSeek, Qwen ou MiniMax illustrent cette frontière entre liberté de déploiement et transparence complète de fabrication.

Des scores proches, mais pas identiques

Dans le classement Artificial Analysis v4.1.1 cité au 1er septembre 2026, Kimi K3 et GLM-5.3 ont chacun obtenu 60 points. Les quatre premières places étaient occupées par des modèles fermés, suivis de quatre modèles à poids ouverts.

Une autre comparaison, réalisée sur le même type d’évaluation Terminal-Bench 2.1, donne une mesure plus concrète des écarts entre modèles précis :

GLM-5.2 reste donc derrière les deux modèles Claude dans cette évaluation, mais son coût indiqué par tâche est nettement inférieur. Ce type de résultat explique l’intérêt des modèles chinois pour les usages où une performance proche suffit et où chaque requête compte dans le budget.

Le prix d’une API ne résume toutefois pas le coût réel. Une installation autonome ajoute les accélérateurs, l’ingénierie, la maintenance, l’intégration, la sécurité et l’assistance opérationnelle.

Le vrai critère : la nature du travail

Pour une tâche répétitive, un service interne ou un projet qui doit rester portable entre plusieurs fournisseurs, les poids ouverts offrent un contrôle appréciable. L’organisation peut choisir son hébergeur, adapter le modèle et limiter sa dépendance à une seule API.

Les modèles fermés restent plus séduisants lorsque le travail exige une grande fidélité sur un contexte long, des connaissances professionnelles spécialisées ou une récupération d’informations très intensive. Ils fournissent aussi un accès prêt à l’emploi, ainsi que des services de support, de conformité et de responsabilité opérationnelle qu’une équipe doit autrement construire elle-même.

La décision n’est donc pas forcément « ouvert contre fermé » pour toute une entreprise. Elle peut varier selon le projet, le niveau de risque et la durée de la tâche.

Kimi K3 : ouvert ne veut pas dire facile à héberger

Kimi K3, développé par Moonshot AI, compte 2,8 billions de paramètres, dont environ 104 milliards actifs. Son point de contrôle natif au format MXFP4 occupe environ 1,56 To répartis sur 96 fragments. La configuration de service citée par Mozilla demande au moins 64 accélérateurs.

Ces chiffres changent complètement la question pour un particulier. Télécharger les poids ne signifie pas pouvoir lancer le modèle sur un ordinateur équipé d’une seule carte graphique. Dans la même analyse, le meilleur score obtenu avec un modèle ouvert sur un serveur de huit GPU atteignait 52,6, tandis qu’un exemple sur un seul GPU B300 atteignait 40. Les performances observées dans ces configurations contraintes sont inférieures à celles obtenues avec une infrastructure de petit centre de données.

L’ouverture facilite donc l’accès au modèle, mais elle ne supprime pas la facture matérielle. C’est le paradoxe très concret du secteur : le logiciel peut être téléchargeable, tandis que la machine capable de le servir reste hors de portée de la plupart des utilisateurs.

L’usage progresse plus vite que les revenus

Les données d’OpenRouter pour août 2026 plaçaient huit modèles à poids ouverts parmi les dix modèles ayant généré le plus de tokens ; sept de ces huit modèles avaient été développés en Chine. DeepSeek avait aussi pris la tête des requêtes textuelles hebdomadaires citées pour le 3 août 2026, avec 1,01 milliard de requêtes.

Cette popularité ne permet pas de conclure que les modèles ouverts génèrent la majorité des revenus. Les données plus anciennes de la Linux Foundation, couvrant mai à septembre 2025, attribuaient 96 % des revenus de la couche modèle aux fournisseurs fermés. Les deux indicateurs ne portent ni sur la même période ni sur la même mesure : l’un suit le volume de tokens, l’autre les revenus.

Une dépendance peut en remplacer une autre

La progression des modèles chinois à poids ouverts apporte davantage de choix aux développeurs, mais elle concentre aussi une partie croissante de l’écosystème ouvert entre les mains de laboratoires chinois. En parallèle, les systèmes fermés les plus avancés restent principalement fournis par des entreprises américaines.

Cette concentration concerne plusieurs niveaux : les modèles eux-mêmes, les services d’hébergement, les outils de déploiement et l’infrastructure matérielle. Pour une organisation, le choix ne porte donc pas seulement sur le score d’un benchmark. Il concerne aussi la capacité à maintenir le service, à auditer le modèle et à éviter qu’une dépendance technique ne se transforme en dépendance stratégique.