Modèles ouverts chinois : la bascule économique de l'été 2026

Les modèles ouverts chinois ont occupé tout l'été : six éditeurs ont mis en téléchargement libre des systèmes que l'on croyait réservés aux géants américains. Le récit qui accompagne cette vague, celui d'une IA soudain dix fois moins chère et hébergeable dans un placard, résiste mal à la lecture des tarifs publics. Ce qui change est plus intéressant que ça.

Ce qui est tombé, et qu'on peut vérifier

DeepSeek a mis en ligne le 13 août son DeepSeek-V4-Pro-0813, sous licence MIT, la plus permissive du lot. Alibaba a publié à quelques jours d'intervalle deux objets très différents : un Qwen3.8-2.4T-A95B de 2 400 milliards de paramètres dont 95 milliards s'activent à chaque requête, et un Qwen3.8-27B de 27 milliards, multimodal, capable de lire images et vidéos. Moonshot avait ouvert le bal fin juillet avec Kimi K3, 2 800 milliards de paramètres et une fenêtre de contexte d'un peu plus d'un million de tokens. Z.ai, l'ancien Zhipu, maintient GLM-5.2, 753 milliards de paramètres, également sous MIT. MiniMax propose un M3 de 428 milliards de paramètres dont 23 actifs.

Baidu fait figure d'exception révélatrice. L'éditeur avait ouvert toute la famille ERNIE 4.5 sous Apache 2.0 le 30 juin 2025, jusqu'à 424 milliards de paramètres, avant de refermer la porte : ni ERNIE 5.0 ni ERNIE 5.1 n'ont été accompagnés d'une publication de poids, et plus aucun modèle de langue ERNIE n'a été ouvert depuis novembre 2025. L'ouverture n'est pas une religion, c'est un calcul, et il ne donne pas le même résultat chez tout le monde.

Sur ces fenêtres d'un million de tokens, le sujet a déjà été traité ici : ce que le contexte long change vraiment à votre travail. Une grande fenêtre déplace le curseur du document vers le dossier, elle ne dispense pas de trier en amont.

Poids ouverts n'est pas open source

C'est le point que la presse confond le plus souvent, et celui qui a le plus de conséquences pratiques.

Un modèle de langue, ou LLM, se compose de trois choses : les données sur lesquelles il a été entraîné, le code qui a servi à cet entraînement, et les poids, c'est-à-dire les milliards de nombres qui en sont le résultat. Publier les poids, c'est publier le produit fini. C'est déjà considérable : vous téléchargez, vous exécutez sur vos machines, vous adaptez à votre métier par fine-tuning. Ce n'est pas pour autant de l'open source.

L'Open Source Initiative, qui arbitre depuis vingt-cinq ans ce qui mérite ce nom, a publié en octobre 2024 une définition de l'IA open source exigeant trois composants : des informations sur les données d'entraînement suffisamment détaillées pour qu'un tiers compétent puisse reconstruire un système équivalent, le code d'entraînement et d'inférence, et les paramètres sous licence approuvée. Aucun des modèles cités plus haut ne remplit les trois conditions. Ils publient les poids, gardent les données, documentent le code de façon très inégale.

La nuance n'est pas théorique. Sans les données, vous ne pouvez ni auditer les biais du modèle, ni savoir ce qu'il a ingéré. Vous héritez d'un moteur dont vous ne connaissez pas le carburant.

Deuxième piège : le modèle ouvert n'est pas toujours celui que l'éditeur fait tourner chez lui. La fiche d'Alibaba indique que le Qwen3.8-Max commercialisé est une version enrichie du Qwen3.8-2.4T-A95B publié, ce dernier étant en texte seul, sans vision ni outils intégrés. Tester la version hébergée pour décider d'installer la version ouverte, c'est comparer deux produits différents.

Ce que disent vraiment les licences

Sur les publications chinoises dépassant 20 milliards de paramètres, HuggingFace recense environ 59 % d'Apache 2.0 et 22 % de MIT. L'écrasante majorité est sans contrainte pratique. Restent les exceptions, et elles concernent précisément les modèles dont on parle.

Le régime permissif. DeepSeek V4 et GLM-5.2 sont sous MIT, Qwen3.8-27B sous Apache 2.0. Vous faites ce que vous voulez, y compris commercialement, en conservant la mention de copyright.

Le régime à seuils. C'est la nouveauté de l'été, et elle passe largement inaperçue. Le vaisseau amiral d'Alibaba n'est pas sous Apache 2.0 malgré la réputation de la maison : sa licence impose de négocier un accord séparé si vous revendez l'accès au modèle et que votre chiffre d'affaires dépasse 50 millions de dollars sur douze mois glissants. Kimi K3 applique le même principe avec un seuil abaissé à 20 millions. L'usage interne reste libre dans les deux cas.

Le régime restrictif. MiniMax en fournit l'illustration la plus nette. Son M2.7, publié en avril, porte une licence intitulée « non commerciale » : tout usage marchand exige une autorisation écrite préalable. Son M3 de juin impose l'affichage d'une mention et une autorisation au-delà de 20 millions de dollars de revenu annuel. Un membre de l'équipe a admis publiquement, sur la fiche du modèle, que l'étiquette employée était impropre.

Pour une PME, les seuils du régime intermédiaire sont hors de portée et ces licences se comportent comme des licences permissives. Ce n'est pas une raison pour ne pas les lire : elles mordent dès lors qu'on revend l'inférence comme service, ce qui est le projet de beaucoup d'entreprises de services.

Ce détail a un prolongement réglementaire. L'article 53 du règlement européen sur l'IA exempte de deux obligations documentaires les modèles diffusés sous licence « libre et open source » autorisant accès, usage, modification et distribution. Une licence assortie d'un seuil de revenus entre-t-elle dans cette définition ? La question n'est pas tranchée, et ce que l'AI Act change concrètement en août 2026 mérite d'être lu avant de bâtir une offre sur ces modèles.

La bascule économique, mais pas celle qu'on raconte

Voici les tarifs publics des API, en dollars par million de tokens, entrée puis sortie, relevés le 26 août 2026.

Les tarifs DeepSeek sont ceux des heures creuses, l'éditeur doublant ses prix en heures pleines.

Ce tableau enterre le slogan des « dix fois moins cher ». Le meilleur modèle chinois du moment, Kimi K3, coûte plus cher que Claude Sonnet 5 et se situe au niveau de GPT-5.6 Sol. À l'autre bout, GPT-5.6 Luna, entièrement fermé, est moins cher à l'entrée que le plus économique des DeepSeek. L'écart va d'un rapport de 1,3 à environ 8, et ne dépasse un ordre de grandeur qu'en descendant sur un modèle chinois de seconde ligne, aux heures creuses.

Ce qui a réellement basculé, c'est le prix de tout le monde : la pression des poids ouverts a tiré vers le bas les tarifs des éditeurs fermés, qui ne publient toujours rien. Le gagnant, pour l'instant, c'est l'acheteur. Le nerf de la guerre est détaillé dans notre panorama de l'argent de l'IA en 2026, et la contrepartie américaine dans les modèles américains de l'été 2026.

Une réserve de méthode, rarement mentionnée : tous les éditeurs ne découpent pas le texte de la même façon. Anthropic signale que ses modèles récents produisent environ 30 % de tokens de plus pour un texte identique. Comparer deux tarifs au token, ce n'est pas tout à fait comparer deux factures.

« Hébergeable chez soi » : le tri à faire

C'est l'argument massue des modèles ouverts. Il est vrai, mais pas pour les modèles dont tout le monde parle.

Le poids des poids se lit sur les dépôts : GLM-5.2 pèse environ 1,5 téraoctet, Kimi K3 aussi, DeepSeek V4-Pro un peu moins de 900 gigaoctets. Il faut loger cela en mémoire vive graphique, pas sur un disque dur. Un hébergeur spécialisé documente qu'un serveur à huit cartes H200, soit 1 128 gigaoctets, ne tient GLM-5.2 en précision native qu'au prix d'une fenêtre de contexte réduite de moitié.

Le plancher réaliste pour servir un seul de ces grands modèles est donc un serveur complet de huit cartes de datacenter. Chez un loueur comme RunPod, la carte H200 se facture 4,59 dollars l'heure, ce qui place le nœud à environ 37 dollars l'heure, près de 27 000 dollars par mois en continu, avant toute ingénierie. À l'achat, un configurateur professionnel dépasse 400 000 dollars pour la même machine. Personne ne fait cela pour économiser sur une facture d'API à 300 dollars.

Le second monde est autrement plus accessible. Un Qwen3.8-27B occupe une trentaine de gigaoctets et tient sur une seule carte professionnelle. Une entreprise avec une machine correcte le fait tourner chez elle, sans que rien ne sorte du bâtiment.

Un raccourci annule souvent le débat : ces mêmes modèles ouverts sont revendus par des hébergeurs tiers, occidentaux, à des prix qui égalent ou battent ceux de l'éditeur d'origine. D'où la formule honnête : poids ouverts ne veut pas dire auto-hébergement. L'internalisation se justifie par une contrainte de confidentialité, pas par un gain de prix.

Souveraineté : ce que ça règle, ce que ça ne règle pas

Un modèle exécuté sur vos serveurs ne transmet rien à personne. Pour une profession réglementée ou un cabinet qui manipule des dossiers clients, c'est un changement de nature : aucune clause de confidentialité d'API ne vaut l'absence de connexion sortante.

Trois réserves avant de crier victoire.

• Utiliser l'API chinoise, ce n'est pas de la souveraineté. Envoyer vos documents chez DeepSeek plutôt que chez OpenAI, c'est changer de juridiction, pas reprendre la main. Le bénéfice n'existe que si vous choisissez où les poids s'exécutent.
• Vous ne savez pas ce qu'il y a dedans. Les données d'entraînement ne sont pas publiées, les angles morts ne sont pas documentables de l'extérieur. Sur un usage sensible, cela s'éprouve par des tests, pas par la lecture d'une fiche : c'est précisément l'objet d'un banc d'essai monté sur vos propres cas, seul moyen de comparer deux modèles sur ce que vous leur demandez vraiment.
• Le modèle n'est qu'une pièce. Autour de lui, un serveur à sécuriser, des journaux à conserver, des sauvegardes à tester. Savoir si un modèle est trop puissant pour être publié a occupé le printemps ; savoir qui garde la machine où il tourne se pose maintenant.

Les chiffres d'adoption, à manier avec des pincettes

Un indicateur circule beaucoup : les modèles chinois auraient représenté 41 % des téléchargements sur HuggingFace, principale plateforme de diffusion. Le chiffre vient de la plateforme elle-même et porte sur 2025.

Son bilan de l'été 2026 le relativise durement. Les modèles de moins d'un milliard de paramètres captent 83 % des téléchargements historiques, ceux de plus de cent milliards en captent 1 %. Aucun modèle publié en 2026 ne figure dans les vingt-cinq plus téléchargés, où treize entrées datent de 2022. Et la plateforme précise que ses compteurs enregistrent toute requête, chaînes d'intégration automatisées comprises.

La domination chinoise des téléchargements est donc réelle, mais elle tient à de petits modèles utilisés comme briques, pas aux mastodontes de l'été. Un téléchargement n'est pas un usage.

Un dernier chiffre, à contre-courant du récit du rattrapage : selon l'AI Index de Stanford, en mars 2026 le meilleur modèle fermé devançait le meilleur modèle ouvert de 3,3 points, contre 0,5 point en août 2024. L'écart ne s'est pas refermé, il s'est rouvert.

Ce qu'un dirigeant en fait

Séparer les usages. Le courrier commercial et le contrat sous accord de confidentialité ne demandent pas le même régime. Le premier passe par n'importe quelle API bon marché, le second justifie un modèle local. Faire ce tri évite de payer la sécurité sur tout, ou de ne l'avoir nulle part. Si l'option locale vous intéresse, notre pas-à-pas pour faire tourner un LLM sur votre propre machine donne la méthode de dimensionnement avant l'installation.

Ne pas confondre changement de fournisseur et changement d'architecture. Basculer d'une API vers une autre est affaire de quelques lignes de code, la plupart de ces services parlant le dialecte décrit dans notre guide d'intégration de l'API OpenAI. Passer à l'auto-hébergement est un projet d'infrastructure, avec du matériel, de l'exploitation et une astreinte.

Commencer petit. Un cas d'usage, mesuré, avant d'industrialiser : la méthode détaillée dans notre guide sur par où commencer quand on est une PME n'a pas changé parce que les modèles sont devenus téléchargeables.

La vraie bascule de l'été n'est donc ni le prix ni le classement. C'est qu'un dirigeant dispose d'une porte de sortie crédible : si son fournisseur triple ses tarifs ou ferme une API, les poids sont déjà dans la nature et quelqu'un les hébergera. Cette porte ne s'ouvrira peut-être jamais. Elle change quand même la conversation.