IA open source en entreprise : licences et vraies économies

Le 3 novembre 2026, Duolingo a expliqué que le coût d'un appel vidéo avec son IA était passé d'environ 0,30 $ à « well under $0.01 », « mainly by moving to open-source models or open-weight models ». Quelques jours plus tôt, Pinterest annonçait un coût par transaction inférieur à 8 % de celui des modèles fermés comparables, et Revolut racontait avoir ramené sa facture de code assisté par IA à environ un dixième de ce que lui coûtaient Claude Code et Codex. Dans les trois cas, c'est un modèle d'IA open source qui a fait baisser la facture.

Les budgets d'IA, eux, dérapent. Selon Menlo Ventures, les entreprises ont dépensé en IA 4,7 fois plus qu'en 2025, alors qu'elles prévoyaient 1,9 fois plus. Chez Tinder, selon son directeur technique, la dépense annualisée en IA est passée de 1 à 10 millions de dollars entre janvier et juillet. Et chaque poste équipé de Microsoft 365 Copilot Business coûte 21 $ par mois. Un modèle ouvert se télécharge, s'héberge où l'on veut et se paie au prix de l'infrastructure. Mais ce qu'on a le droit d'en faire, c'est sa licence qui le dit, pas le mot « open source ».

Pour une DSI, le passage à un modèle ouvert pose donc deux questions : combien va-t-on économiser, et la licence offre-t-elle le niveau de protection attendu, sur le plan juridique comme sur la continuité ? Notre réponse : l'économie est réelle, mais elle repose sur un texte que l'éditeur peut durcir à la version suivante. Plusieurs éditeurs le font déjà sur leurs modèles phares, et la licence d'un modèle doit donc se gérer comme un contrat.

Nous écrivons « IA open source » parce que c'est le terme que tout le monde emploie, mais il est inexact : ces modèles publient leurs poids, pas leurs données ni leur code d'entraînement. « Open weight » (à poids ouverts) est le terme juste, nous l'expliquons dans notre article sur la différence entre open source et open weight.

Combien les entreprises économisent-elles avec l'IA open source ?

Les chiffres publiés en 2026 impressionnent, mais ce sont des déclarations : chaque entreprise parle d'elle-même, sur son périmètre, sans détailler son calcul.

Pinterest est le cas le plus solide : son patron tient le même discours depuis un an, des « orders of magnitude reduction in cost » de novembre 2025 aux 8 % d'octobre 2026. Revolut est le plus discutable : la comparaison oppose une facture d'API à un coût d'inférence sur 56 GPU B200 que la banque exploite elle-même, et le chiffre présenté ne dit rien du prix du matériel ni de l'équipe qui le fait tourner. AT&T, enfin, parle de certaines tâches, pas de toute sa facture.

Chez Vercel, dont la passerelle relaie les appels de nombreux clients, les modèles ouverts représentent 71,5 % des tokens mais 22,6 % de la dépense en septembre 2026. Menlo Ventures mesure 19 % des tokens des entreprises pour 4 % de leur dépense. Autrement dit, le modèle ouvert prend le volume, le modèle fermé garde les cas difficiles. Duolingo le dit en toutes lettres : « There are some small cases where a frontier model's still needed ». L'économie vient du routage, plus que d'un remplacement complet.

Un modèle ouvert coûte-t-il vraiment moins cher qu'une API fermée ?

Pour un modèle sous Apache 2.0, aucun éditeur ne prélève sa part : des hébergeurs en concurrence le servent et facturent le calcul. En octobre 2026, le même Qwen 3.8 27B coûtait 0,40 € par million de tokens en entrée et 2,70 € en sortie chez OVHcloud, et 0,60 € / 3,30 € chez Scaleway, tous deux en France.

À niveau égal, l'écart n'est pas celui qu'on imagine. Dans le classement d'Artificial Analysis du 10 novembre (version 5.0.1 de son indice), Qwen 3.8 27B obtient 20 points. Les modèles fermés de même niveau sont les petits modèles des grands éditeurs, et ils sont facturés moins cher :

Au token et à niveau égal, un petit modèle fermé coûte aujourd'hui plus de cinq fois moins cher en sortie que Qwen 3.8 27B servi en France. L'écart réel est même plus grand, car Qwen 3.8 27B réfléchit longuement : Artificial Analysis lui a vu produire 128 millions de tokens pour passer son indice, contre 77,7 millions en médiane.

Ces prix sont récents. OpenAI a lancé GPT-5.6 Luna le 9 juillet 2026 à 1 $ par million de tokens en entrée et 6 $ en sortie, puis l'a ramené à 0,20 $ / 1,20 $ trois semaines plus tard. Le 22 septembre, GPT-6 Luna est arrivé à 0,10 $ / 0,50 $ : en moins de trois mois, le prix de sortie du petit modèle d'OpenAI a été divisé par douze. Anthropic a suivi le 7 octobre avec Claude Haiku 5.5, facturé 90 % de moins que Haiku 4.5 pour les requêtes de moins de 100 000 tokens, et environ 75 % de moins en moyenne selon l'éditeur, car son nouveau tokenizer découpe un même texte en davantage de tokens. OpenAI attribue sa baisse à des gains d'efficacité. Nous y voyons aussi une réponse aux petits modèles ouverts, qui prenaient le volume des tâches simples au prix de l'hébergement. La concurrence des modèles ouverts a d'abord fait baisser le prix des modèles fermés.

Les économies de Duolingo ou de Pinterest viennent d'ailleurs. Elles comparent un modèle ouvert à des modèles de pointe, bien plus chers, sur des tâches qui n'en avaient pas besoin ; ou, comme chez Revolut, elles reposent sur des GPU exploités en continu. Pour une entreprise qui paie au token, l'économie vient d'abord du bon niveau de modèle pour chaque tâche, qu'il soit ouvert ou fermé.

L'avantage du modèle ouvert tient donc moins au prix catalogue qu'au contrôle. Un modèle ouvert peut être hébergé où l'on veut : chez un opérateur européen, dans son propre datacenter, ou sur des serveurs sans connexion extérieure. On choisit donc qui voit les données et quel droit s'applique, la question centrale de la souveraineté de l'IA. Il s'affine sur son vocabulaire métier, garde le même comportement tant qu'on ne le change pas, et se remplace sans renégocier un contrat. Les façons de le faire tourner, de l'achat de GPU à l'API d'un hébergeur, sont comparées dans notre article sur l'inférence IA en entreprise, et le coût complet d'une installation sur ses propres serveurs dans notre article sur les LLM on premise.

Que permet vraiment chaque licence d'IA open source ?

Une licence de modèle est le contrat qui accompagne les poids publiés : elle dit qui peut les utiliser, pour quoi faire, et à quelles conditions. Elle se lit dans le fichier LICENSE du dépôt, pas dans le résumé de la page : chez Mistral, le plafond de chiffre d'affaires de Timestral figure dans ce fichier, pas dans la présentation du modèle. Les licences des modèles ouverts se rangent en quatre familles, de la plus permissive à la plus restrictive.

Apache 2.0 et MIT : presque tout est permis

Les licences Apache 2.0 et MIT viennent du logiciel libre. Elles autorisent l'usage commercial, la modification, l'affinage et la redistribution, à condition de conserver les mentions de licence. Apache 2.0 ajoute une licence sur les brevets et se dit « perpetual » et « irrevocable » : une version téléchargée sous cette licence le reste.

C'est le régime de Qwen 3.8 27B, de Gemma 4 chez Google, de gpt-oss chez OpenAI, de Mistral Small 4 et de Mistral Large 3. DeepSeek publie ses modèles récents sous MIT. Pour une entreprise, c'est le cas simple : ni seuil à surveiller ni contrat à négocier.

Une variante ajoute une obligation d'affichage. La licence de Kimi K2, une MIT modifiée, impose d'afficher « Kimi K2 » dans le produit au-delà de 100 millions d'utilisateurs actifs mensuels ou de 20 millions de dollars de chiffre d'affaires mensuel. La contrainte porte sur l'image, l'usage reste libre.

Llama : une licence communautaire qui exclut l'Europe

Meta publie Llama sous sa propre licence. La licence de Llama 4 impose d'afficher « Built with Llama », de faire commencer par « Llama » le nom de tout modèle dérivé distribué, et de demander une licence à Meta au-delà de 700 millions d'utilisateurs actifs mensuels. Elle relève du droit californien, et Meta peut y mettre fin en cas de manquement : il faut alors supprimer les modèles.

Pour un lecteur français, le point décisif se trouve dans la politique d'usage à laquelle la licence renvoie. Pour les modèles multimodaux de Llama 4, les droits ne sont pas accordés à une entreprise « with a principal place of business in the European Union ». Or tous les modèles Llama 4 sont multimodaux. Une entreprise dont le siège principal est dans l'UE ne peut pas déployer Llama 4 elle-même ; elle peut seulement utiliser un produit tiers qui l'intègre.

Mistral Large 4, Qwen, Meta Muse : un contrat pour revendre le modèle en service

Une famille plus récente laisse l'usage interne libre mais réserve la revente du modèle comme service d'inférence, le « Model as a Service ». Donner à un tiers un accès direct au modèle, par une API par exemple, exige alors un contrat avec l'éditeur.

• La licence de Mistral Large 4, publié le 29 octobre 2026, exige une licence commerciale séparée de toute entreprise dont le groupe exploite une activité de Model as a Service. L'usage interne est exempté, comme les produits qui embarquent le modèle dans leurs propres fonctions.
• La Qwen Community License de Qwen 3.8 Flash-Next, présenté par Alibaba comme l'aperçu de l'architecture de Qwen 4, va plus loin : la licence séparée vaut aussi pour un « AI Work Assistant », un produit conçu principalement pour le code ou la bureautique assistés par IA.
• La Muse Model License du grand modèle ouvert de Meta, publié le 15 octobre 2026, impose un accord séparé pour un service d'inférence au-delà de 20 millions de dollars de chiffre d'affaires sur douze mois.

Pour une entreprise qui déploie un assistant pour ses salariés, ces licences ne changent rien. Pour un éditeur de logiciel, un hébergeur ou une ESN qui revend de l'accès aux modèles, elles changent le modèle économique.

Mistral Medium 3.5 : un plafond de chiffre d'affaires

La famille la plus restrictive retire tous les droits au-delà d'une taille d'entreprise. La licence de Mistral Medium 3.5, une « MIT modifiée », ne s'applique pas si le chiffre d'affaires mensuel consolidé de votre groupe dépasse 20 millions de dollars, soit environ 240 millions par an. La restriction couvre aussi les modèles dérivés. Au-dessus, il faut demander une licence commerciale à Mistral, qui l'accorde « at its sole discretion ». Devstral 2 et Timestral portent la même clause. Une PME peut s'en servir librement ; un grand groupe français ne peut pas, même en interne.

Le tableau opérationnel

Voici notre lecture des textes, qui ne remplace pas l'avis d'un juriste :

Reste la distillation : entraîner un petit modèle sur les réponses d'un grand est permis par les licences ouvertes, avec leurs conditions de nommage ou de seuil. Les conditions des API fermées, à l'inverse, l'interdisent : celles d'Anthropic proscrivent d'utiliser ses services « to train competing AI models ».

Les licences des modèles ouverts vont-elles se durcir ?

Notre conviction : oui, chez les éditeurs qui en ont les moyens, et par le haut de gamme. Les signaux de 2026 dessinent tous le même schéma : le petit modèle reste en Apache 2.0 pour nourrir l'écosystème, le modèle phare passe sous licence maison.

• Mistral écrivait en janvier 2025 qu'il renouvelait son engagement envers Apache 2.0 pour ses modèles généralistes. Depuis, Devstral 2, Medium 3.5 et Timestral sont sortis avec un plafond de chiffre d'affaires, et Mistral Large 4 sous licence maison, alors que Large 3 était en Apache 2.0.
• Alibaba garde Qwen 3.8 27B en Apache 2.0, mais a publié son grand modèle sous une « Qwen3.8-Max License », et l'aperçu de Qwen 4 sous Qwen Community License. Nous avions relevé ce risque pour Qwen 4 dans notre article sur Qwen 3.8 27B.
• Meta a annoncé dès juillet 2025 qu'il serait « careful about what we choose to open source ». Son modèle Muse Spark est sorti en avril 2026 en accès par API à des partenaires choisis, sa version ouverte en octobre sous licence maison.

Les textes prévoient déjà de quoi durcir les règles. La politique d'usage de Llama renvoie à « the most recent copy of this policy », un document que Meta peut modifier. Celle de Falcon « may be updated from time to time ». La licence ouverte de NVIDIA prévoit que « NVIDIA may update this Agreement … at any time », à charge pour l'utilisateur de s'y conformer ou d'arrêter.

Le logiciel a déjà vécu ce scénario. MongoDB a quitté sa licence libre en 2018 parce qu'il était « too easy for cloud vendors … to capture all of the value », Elastic a quitté Apache 2.0 en 2021, HashiCorp a changé la licence de Terraform en 2023. À chaque fois, la cible était la revente en service par des tiers, exactement ce que visent les nouvelles licences de modèles. La dernière version ouverte, elle, est restée exploitable : OpenTofu est né de la dernière version libre de Terraform.

Les contrepoints sont sérieux. Nous n'avons trouvé aucun cas de licence retirée sur une version déjà publiée : les changements portent sur les versions suivantes. Le mouvement inverse existe aussi : Google est passé à Apache 2.0 avec Gemma 4, DeepSeek et Z.ai sont passés à MIT pour DeepSeek V3 et GLM-4.5, NVIDIA adoptera la licence ouverte OpenMDW pour ses prochains modèles. Le gouvernement américain encourage les modèles ouverts depuis juillet 2025, et le projet chinois de contrôle des exportations exclut ce qui est déjà publié en open source. Tant que des laboratoires concurrents publient en Apache 2.0 des modèles proches de l'état de l'art, un éditeur qui ferme trop perd son public. Le durcissement vise donc les modèles phares et la revente en service ; les modèles de taille moyenne, ceux que la plupart des entreprises déploient, devraient rester ouverts plus longtemps.

Ce qu'une DSI peut en retenir

Sauf manquement de votre part, la version que vous utilisez aujourd'hui restera utilisable. C'est la suivante, celle dont vous aurez besoin dans un an, qui peut arriver sous d'autres conditions. Le cabinet Cooley conseille de prévoir des plans de repli face aux changements de licence et rappelle qu'un modèle auto-hébergé peut ne bénéficier d'aucune garantie de l'éditeur. Concrètement :

1. Lire le fichier de licence et la politique d'usage, pas la carte du modèle, avec le service juridique. Vérifier les seuils au niveau du groupe (chiffre d'affaires consolidé, affiliés) et le modèle d'affaires : une ESN ou un éditeur n'a pas les mêmes contraintes qu'une banque qui équipe ses salariés.
2. Archiver les poids, la licence et la politique d'usage datés, avec l'identifiant exact de la révision téléchargée. Si le dépôt change, vous gardez la preuve de ce qui vous a été accordé.
3. Figer la version en production. Toute nouvelle version repasse par une lecture de licence avant d'être déployée.
4. Garder une alternative en Apache 2.0 ou MIT, déjà testée sur vos propres questions. Si un éditeur durcit ses conditions, vous basculez.
5. Rendre le modèle remplaçable : une API compatible OpenAI, une passerelle entre l'application et les modèles, un jeu de questions de référence. Changer de modèle doit prendre une journée, pas un projet.
6. Choisir l'hébergeur avec le même soin que la licence. Un modèle ouvert servi par un hébergeur dont la maison-mère est hors de l'Espace économique européen reste exposé au droit de ce pays. Pour l'hébergement, OVHcloud ; pour l'inférence européenne, Scaleway.

Dernier rappel : le modèle le moins cher reste celui qu'on n'appelle pas. L'IA ne sert que là où la tâche n'est pas déterministe ; ailleurs, un algorithme est plus fiable et plus sobre, comme nous l'expliquons dans notre article sur l'automatisation sans IA superflue.

Chez ATG, nous utilisons beaucoup de modèles ouverts. Qwen 3.8 27B rédige les réponses aux messages de nos utilisateurs et sert de modèle à notre benchmark FinanceBench, et nous calculons nos embeddings avec Qwen 3 Embedding 8B. Une entreprise qui ne veut pas se préoccuper des licences peut aussi s'appuyer sur nous : notre plateforme choisit et opère les modèles, avec une facturation forfaitaire au message ou par utilisateur.

Questions fréquentes sur les licences d'IA open source

Une entreprise européenne peut-elle utiliser Llama 4 ?

Pas directement. La politique d'usage de Llama 4, intégrée à sa licence, n'accorde pas les droits sur ses modèles multimodaux aux entreprises dont le siège principal est dans l'Union européenne, et tous les modèles Llama 4 sont multimodaux. L'entreprise peut en revanche utiliser un produit tiers qui intègre Llama 4 : la restriction ne vise pas les utilisateurs finaux. Les modèles sous Apache 2.0, comme Qwen 3.8 27B, Gemma 4 ou Mistral Small 4, n'ont pas cette limite.

Un éditeur peut-il retirer la licence Apache 2.0 d'un modèle déjà publié ?

Non. Le texte de l'Apache 2.0 accorde une licence perpétuelle et irrévocable : une version téléchargée sous cette licence reste utilisable, modifiable et redistribuable, même si l'éditeur publie la suivante sous d'autres conditions. La seule exception est la licence de brevets, qui tombe si l'on attaque soi-même l'éditeur en contrefaçon de brevet. D'où l'intérêt d'archiver les poids et le fichier de licence de la version déployée.

Qu'est-ce qu'une clause « Model as a Service » dans une licence de modèle ?

C'est une clause qui exige un contrat avec l'éditeur pour donner à des tiers un accès direct au modèle, par exemple en le revendant par API comme service d'inférence. On la trouve dans les licences de Mistral Large 4, de la Qwen Community License et du grand modèle ouvert de Meta. L'usage interne reste libre, et les produits qui intègrent le modèle dans leurs propres fonctions sont en général exclus de la clause.

Un modèle open source coûte-t-il moins cher que l'API d'OpenAI ?

Pas forcément. Le 10 novembre 2026, Qwen 3.8 27B hébergé en France chez OVHcloud coûtait 0,40 € par million de tokens en entrée et 2,70 € en sortie, quand GPT-6 Luna d'OpenAI, de niveau comparable sur l'indice d'Artificial Analysis, coûtait 0,10 $ et 0,50 $. Les économies annoncées par les entreprises viennent surtout du remplacement de modèles de pointe sur des tâches simples et de l'auto-hébergement à grande échelle. Le modèle ouvert garde l'avantage du contrôle : choix de l'hébergeur, version figée, réversibilité.

---

Les entreprises qui économisent le plus gardent souvent un modèle fermé pour les cas difficiles ; leur force est de pouvoir changer de modèle sans douleur. Cette compétence protège aussi d'un durcissement de licence. Avant de choisir un modèle pour 2027, nous mesurerions donc une seule chose : combien de temps il vous faut pour en changer.