Concept

Modèle local

Un modèle d'IA ouvert que tu obtiens et contrôles toi-même, plutôt qu'un service fermé géré par un fournisseur.

D'où ça vient

Nos sources ne définissent pas le terme « modèle local » comme tel. Il repose sur l'idée de modèle ouvert, dont les paramètres (les « poids ») sont accessibles. L'Open Source Initiative a publié une définition de l'IA ouverte en 2024. L'arrivée des modèles Llama de Meta en 2023, puis des modèles ouverts de DeepSeek en janvier 2025, a beaucoup fait parler de ces approches.

C'est quoi, concrètement

Un modèle local part d'un modèle ouvert: tu accèdes directement à ses paramètres au lieu de passer seulement par le service d'un fournisseur. Ça permet de l'utiliser avec plus de contrôle et de l'affiner avec tes propres données. Dans le travail de tous les jours, on pense à des tâches comme la révision de documents ou le développement de logiciels, que des entreprises ont déjà transférées vers des modèles ouverts.

Exemples

Llama (Meta) : Famille de modèles à poids accessibles qui a beaucoup contribué à l'intérêt pour les modèles ouverts, avec une licence qui limite certains usages.
Mistral et Mixtral (Mistral AI) : Modèles à poids ouverts lancés en 2023, utilisables comme base pour des projets maison.
DeepSeek V3 et R1 : Modèles à poids ouverts publiés sous licence MIT, dont R1 est un modèle de raisonnement.
Stable Diffusion : Modèle ouvert de création d'images à partir de texte, dont les paramètres sont accessibles aux développeurs.
Apertus : Modèle de langage entièrement ouvert (poids, données, code) publié par un consortium suisse.

Ce que ça permet

Tu as plus de contrôle sur l'outil et sur la façon de l'utiliser.
Tu peux affiner le modèle avec tes propres données.
Le coût d'utilisation est souvent plus bas, selon ce que rapportent des entreprises qui les ont adoptés.
Le code et les paramètres peuvent être inspectés, ce qui aide à comprendre comment le modèle arrive à ses réponses.
Tu dépends moins d'un service qui pourrait être retiré du jour au lendemain.

Pièges à éviter

Le mot « ouvert » est parfois exagéré: plusieurs modèles ne publient ni leurs données d'entraînement ni leur code.
Certaines licences restreignent des usages ou peuvent changer, ce qui inquiète des entreprises.
Plusieurs petits modèles n'indiquent aucune licence, donc le risque juridique est flou.
Ces modèles peuvent être difficiles à évaluer, et la sécurité reste un sujet de débat.
Le dossier est aussi politique: des gouvernements discutent de restreindre l'accès à certains modèles.

Pour ta PME

Une PME d'ici peut explorer un modèle local pour des tâches comme la révision de documents, surtout si elle veut garder la main sur l'outil et l'ajuster avec ses propres données. Lis toujours la licence avant de t'engager, et vérifie les conditions d'usage. Pour les renseignements personnels ou confidentiels, valide tes pratiques avec la Loi 25 et fais toujours relire les résultats par une personne avant de les utiliser.

Sources : Wikipédia · mis à jour le 2026-11-06

Infolettre gratuite

« 5 prompts, 1 café »

Reçois 5 prompts prêts à copier chaque matin à 6 h 30.