Llama 2 : l'IA ouverte devient utilisable en entreprise

Le 18 juillet 2023, Meta et Microsoft ont annoncé conjointement Llama 2, une nouvelle génération de grands modèles de langage. Derrière ce nom se cache une bascule dont les entreprises attendaient depuis longtemps le signal : les poids du modèle sont publiés, documentés, et surtout assortis d'une licence autorisant l'usage commercial. Pour la première fois, une organisation dispose d'un modèle de langage de haut niveau qu'elle peut télécharger, faire tourner sur son infrastructure, ajuster à ses données et intégrer dans un produit destiné à ses clients. Ce que les laboratoires réservaient jusque-là à la recherche devient un matériau de construction pour l'industrie. Cet article raconte ce qu'est Llama 2, le chemin qui y a conduit, ce que sa publication débloque concrètement, et l'héritage qu'elle pourrait laisser dans un paysage en train de se structurer autour des modèles à poids ouverts.

À chaud, l'événement se lit déjà avec un relief particulier. Une part potentiellement considérable des systèmes d'IA que les entreprises déploieront, notamment celles qui tiennent à héberger leurs modèles chez elles, pourrait découler de cette décision de Meta. Comprendre ce moment, c'est saisir comment l'écosystème des modèles ouverts est en train de se constituer, comment il pourrait coexister avec les modèles propriétaires accessibles par interface de programmation, et pourquoi la question de la licence devient aussi déterminante que celle de la performance brute.

Un mot de méthode avant d'entrer dans le récit. Les dates, versions, chiffres et citations présentés ici proviennent de l'annonce officielle de Meta, de l'article de recherche publié sur le dépôt arXiv, de la documentation de la licence et de la presse technologique spécialisée. Lorsqu'un détail n'est pas établi par une source solide, il est présenté comme tel ou tenu à distance. C'est la ligne de ce média : privilégier ce qui se vérifie, et nommer les acteurs pour ce qu'ils font, sans en faire l'apologie.

Ce que c'était : un modèle ouvert, en trois tailles, sous licence commerciale

Le 18 juillet 2023, Meta publie sur son site un billet intitulé « Meta and Microsoft Introduce the Next Generation of Llama ». Le message tient en une phrase que l'entreprise met en avant sans détour : Llama 2 est libre d'usage pour la recherche comme pour un déploiement commercial. Cette précision, en apparence anodine, constitue le cœur de l'événement. Elle distingue nettement Llama 2 de la plupart des modèles de pointe de l'époque, qui étaient soit propriétaires et accessibles uniquement par un service en ligne, soit ouverts mais restreints à un usage non commercial.

Llama 2 est libre d'usage pour la recherche et pour un usage commercial.
— Meta, « Meta and Microsoft Introduce the Next Generation of Llama », 18 juillet 2023

Trois tailles pour trois besoins

Llama 2 n'est pas un modèle unique, mais une collection. Meta publie trois tailles, mesurées en nombre de paramètres — les valeurs numériques internes qu'un réseau de neurones ajuste pendant son entraînement, et dont le total donne une idée de sa capacité. Les trois variantes comptent respectivement 7 milliards, 13 milliards et 70 milliards de paramètres, désignées par les abréviations 7B, 13B et 70B. L'article de recherche mentionne également une variante de 34 milliards de paramètres, entraînée et évaluée, mais non publiée à ce stade : les auteurs indiquent avoir voulu prendre davantage de temps pour éprouver sa sûreté avant une éventuelle mise à disposition.

Cette gamme répond à une réalité concrète du terrain. Un modèle de 7 milliards de paramètres tient sur une seule carte graphique de bonne facture et convient aux tâches courantes, aux prototypes et aux déploiements où la vitesse et le coût priment. À l'autre extrémité, le modèle de 70 milliards de paramètres réclame une infrastructure plus conséquente, mais offre une qualité de raisonnement et de rédaction nettement supérieure. Entre les deux, la variante de 13 milliards de paramètres cherche un équilibre. En proposant d'emblée ces trois échelons, Meta laissait à chaque organisation le soin d'arbitrer entre puissance, coût matériel et rapidité, selon la nature réelle de son usage.

À retenir. Llama 2 se décline en trois tailles — 7B, 13B et 70B de paramètres — pensées comme trois compromis. La 7B privilégie la vitesse et le faible coût, la 70B la qualité de raisonnement, la 13B l'équilibre. À chaque organisation d'arbitrer selon son matériel, sa latence cible et la complexité de ses tâches.

Deux familles : le modèle de base et le modèle de dialogue

Pour chaque taille, Meta publie en réalité deux versions. La première est le modèle dit de base, ou pré-entraîné : un système entraîné à prédire le mot suivant sur d'immenses volumes de texte, qui possède une connaissance statistique étendue de la langue et du monde, mais qui n'est pas réglé pour dialoguer. La seconde est le modèle affiné pour la conversation, baptisé Llama 2-Chat, optimisé pour répondre à des instructions et tenir un échange utile. Cette distinction est essentielle pour qui déploie : le modèle de base sert de socle à ajuster sur un domaine précis, tandis que le modèle de dialogue s'utilise plus directement comme assistant.

Le titre même de l'article de recherche résume cette dualité : « Llama 2: Open Foundation and Fine-Tuned Chat Models », soit « Llama 2 : modèles de fondation ouverts et modèles de dialogue affinés ». Le document, signé par une soixantaine d'auteurs de Meta avec Hugo Touvron et Louis Martin en tête, décrit dans le détail la manière dont ces modèles ont été construits. C'est cette transparence documentaire, rare pour un modèle de cette envergure, qui a permis à la communauté de s'en emparer avec autant de rapidité.

Comment Llama 2 a été construit

L'article de recherche fournit des repères techniques précieux. Les modèles ont été pré-entraînés sur environ deux mille milliards de segments de texte — l'unité de base que ces systèmes manipulent, chaque segment correspondant grosso modo à un fragment de mot. Ce volume, en hausse notable par rapport à la génération précédente, traduit un principe simple mais coûteux : la qualité d'un modèle dépend étroitement de la quantité et de la propreté des données sur lesquelles il apprend.

Un progrès concret concernait la fenêtre de contexte, c'est-à-dire la quantité de texte que le modèle peut prendre en compte d'un seul tenant. Llama 2 la portait à 4 096 segments, soit le double de la génération précédente. Cette capacité détermine ce qu'un modèle peut lire et retenir à l'intérieur d'un même échange : plus elle est large, plus il traite de longs documents sans perdre le fil. Pour les deux plus grandes tailles, 34 milliards et 70 milliards de paramètres, Meta a par ailleurs adopté une technique nommée attention par groupes de requêtes, qui allège la mémoire nécessaire au fonctionnement du modèle et accélère la génération sur les grands formats — un raffinement d'ingénierie qui compte beaucoup lorsqu'on vise un déploiement à grande échelle.

L'affinage : rendre le modèle serviable et sûr

Un modèle de base, aussi savant soit-il, ne se comporte pas spontanément en assistant fiable. Pour obtenir Llama 2-Chat, Meta a mené un travail d'affinage en deux temps, décrit dans l'article. La première étape, dite d'ajustement supervisé, consiste à entraîner le modèle sur des exemples de bonnes réponses à des instructions, afin de lui apprendre le format et le ton attendus d'un dialogue. La seconde étape mobilise l'apprentissage par renforcement à partir de retours humains, une méthode devenue centrale dans la mise au point des assistants.

Le principe de cette seconde étape mérite d'être explicité. On présente au modèle une même question, on lui fait produire plusieurs réponses, puis des personnes indiquent laquelle elles préfèrent. Ces préférences servent à guider l'apprentissage vers les comportements jugés utiles et sûrs. Meta indique avoir collecté plus d'un million de comparaisons de ce type, réalisées par des évaluateurs suivant des consignes précises. Ce volume donne la mesure de l'effort : façonner le comportement d'un modèle relève d'un travail patient, largement humain, autant que d'une prouesse de calcul.

Les deux familles publiées naissent d'un même socle : le modèle de base poursuit son entraînement par ajustement supervisé, puis par renforcement à partir de retours humains, pour devenir Llama 2-Chat.

L'article accorde une place importante à la sûreté du modèle de dialogue. Les auteurs décrivent des procédures d'évaluation dédiées, des campagnes de test adverse — où l'on cherche délibérément à provoquer des réponses problématiques pour les corriger — et un travail spécifique sur la propension du modèle à refuser poliment les requêtes déplacées. Cette attention portée au comportement était pour Meta une condition de la publication ouverte : mettre un modèle entre toutes les mains suppose de l'avoir éprouvé avec sérieux.

Nos modèles surpassent les modèles de dialogue en accès ouvert sur la plupart des tests que nous avons menés, et, d'après nos évaluations humaines de serviabilité et de sûreté, ils peuvent constituer une solution de remplacement adaptée aux modèles fermés.
— Touvron, Martin et al., « Llama 2: Open Foundation and Fine-Tuned Chat Models », arXiv 2307.09288, juillet 2023

La licence : ouverte, mais avec un cadre

Le point qui a le plus retenu l'attention, au-delà de la performance, fut la licence. Baptisée « Llama 2 Community License Agreement », elle autorisait un usage commercial large, ce qui représentait une avancée majeure par rapport à la génération précédente, cantonnée à la recherche. Deux clauses en délimitaient toutefois le périmètre, et il est honnête de les nommer. La première prévoyait que toute société dépassant sept cents millions d'utilisateurs actifs mensuels à la date de sortie devait solliciter une autorisation spécifique auprès de Meta. La seconde interdisait d'employer Llama 2 pour améliorer un autre grand modèle de langage qui ne serait pas issu de Llama.

À retenir. La licence autorise l'usage commercial, mais avec deux garde-fous : une société dépassant 700 millions d'utilisateurs actifs mensuels doit demander une autorisation à Meta, et il est interdit d'employer Llama 2 pour entraîner un modèle concurrent. Pour l'écrasante majorité des entreprises, ces clauses n'entravent pas l'usage : elles ciblent quelques acteurs de très grande taille.

Ces restrictions visaient à écarter une poignée d'acteurs de très grande taille et à protéger l'écosystème de Meta, sans gêner l'immense majorité des entreprises, pour qui la licence ouvrait un champ d'usage inédit. Elles ont néanmoins nourri un débat de vocabulaire sur lequel nous reviendrons : peut-on qualifier d'« open source » un modèle dont la licence, si permissive soit-elle, pose des conditions que les définitions établies du logiciel libre n'admettent pas ?

Élément	Détail	Repère
Annonce publique	18 juillet 2023	Meta et Microsoft, communication conjointe
Tailles publiées	7B, 13B, 70B	Variante 34B entraînée mais non publiée à ce stade
Données de pré-entraînement	≈ 2 000 milliards de segments de texte	Volume en hausse notable sur la génération précédente
Fenêtre de contexte	4 096 segments	Le double de Llama 1
Modèle de dialogue	Llama 2-Chat	Ajustement supervisé, puis renforcement (> 1 million de comparaisons)
Licence	Community License, usage commercial	Seuil de 700 millions d'utilisateurs actifs mensuels

Sources : Meta, « Meta and Microsoft Introduce the Next Generation of Llama » (18 juillet 2023) ; Touvron, Martin et al., arXiv 2307.09288 ; Llama 2 Community License Agreement.

Le contexte : de la recherche fermée à la demande d'ouverture

Pour saisir la portée de Llama 2, il faut remonter quelques mois en arrière et retracer le fil qui y mène. La bascule de juillet 2023 ne sort pas de nulle part : elle répond à une séquence précise, où se mêlent une première publication restreinte, un incident marquant et une demande croissante du monde professionnel.

LLaMA, première du nom

Le 24 février 2023, Meta avait déjà publié une première famille de modèles, écrite alors LLaMA. Cette génération inaugurale était réservée à la recherche : Meta la mettait à disposition des laboratoires académiques, des institutions et de certaines organisations, sur demande et sous une licence non commerciale. Le pari initial reposait sur une idée forte, portée notamment par la division de recherche de l'entreprise : donner à la communauté scientifique un modèle performant et documenté ferait progresser plus vite la compréhension de ces systèmes.

LLaMA première version avait immédiatement marqué les esprits par une observation devenue célèbre : à qualité comparable, ses modèles étaient plus compacts que ceux de la concurrence directe, ce qui les rendait plus faciles à faire tourner. Cette efficacité ouvrait une perspective concrète : il n'était pas indispensable de disposer de moyens de calcul démesurés pour exécuter un modèle de bon niveau. Pour une communauté de chercheurs et d'ingénieurs habitués à composer avec des ressources limitées, le signal était fort.

Un incident qui accélère le mouvement

Quelques jours après cette première publication, un fait inattendu a précipité les choses. Le 3 mars 2023, les poids de LLaMA, initialement partagés sous condition avec des chercheurs, se sont retrouvés diffusés publiquement sur des forums, via un fichier de partage. En quelques jours, le modèle était accessible à quiconque savait le télécharger, bien au-delà du cercle prévu par la licence. Meta a réagi en adressant des demandes de retrait, mais des copies circulaient déjà largement.

Cet épisode, souvent décrit comme une fuite, a eu un effet paradoxal et instructif. Loin de freiner l'élan, il a révélé l'ampleur de l'appétit pour un modèle ouvert et manipulable. Des développeurs du monde entier se sont mis à expérimenter, à affiner le modèle sur leurs propres données, à produire des variantes spécialisées à un rythme soutenu. En quelques semaines, une constellation de projets dérivés a germé, démontrant qu'un modèle ouvert, une fois entre les mains de la communauté, engendrait une créativité collective d'une vigueur remarquable. Cette effervescence a nourri, chez Meta comme ailleurs, la conviction qu'une publication ouverte assumée valait mieux qu'un accès restreint contourné.

La demande du monde professionnel

En parallèle, les derniers mois de 2022 et le début de 2023 avaient transformé le rapport du grand public et des entreprises à l'IA conversationnelle. L'ouverture au public d'un assistant très médiatisé, fin novembre 2022, avait déclenché une prise de conscience mondiale et une adoption d'une rapidité inédite. Du jour au lendemain, chaque organisation s'interrogeait sur la manière d'intégrer ces capacités dans ses produits et ses processus.

Or les modèles de pointe alors disponibles présentaient, pour un usage professionnel, deux limites récurrentes. La première tenait à la dépendance : recourir à un modèle propriétaire par une interface de programmation signifiait confier ses données à un tiers, dépendre de sa tarification et de sa disponibilité, et renoncer à toute maîtrise sur le fonctionnement interne. La seconde tenait au contrôle : certains secteurs, pour des raisons de confidentialité, de conformité ou de souveraineté, ne pouvaient tout simplement pas envoyer leurs informations sensibles vers un service externe. Ces organisations attendaient une option qui leur permette de faire tourner un modèle capable sur leur propre infrastructure. C'est précisément à cette attente que Llama 2 est venu répondre.

Ce que ça a changé : l'IA de pointe entre dans les murs de l'entreprise

La publication de Llama 2 a modifié en profondeur le champ des possibles pour les organisations. Son apport ne se mesure pas à une performance record isolée, mais à une chose plus structurante : elle a rendu un modèle de haut niveau réellement déployable et appropriable par des entreprises qui, jusque-là, n'avaient pas de voie d'accès satisfaisante.

Héberger son modèle : la fin d'une dépendance

Le changement le plus tangible concerne l'auto-hébergement. Avec Llama 2, une organisation pouvait télécharger les poids et exécuter le modèle sur ses serveurs, voire sur ses propres postes pour les tailles les plus modestes. Cette possibilité levait d'un coup plusieurs contraintes. Les données ne quittaient plus le périmètre de l'entreprise, ce qui répondait aux exigences de confidentialité et de conformité. Le coût devenait prévisible, adossé à une infrastructure maîtrisée plutôt qu'à une facturation à l'usage. Et la disponibilité ne dépendait plus d'un service tiers.

Pour les équipes chargées de faire vivre ces systèmes en conditions réelles, ce point était décisif. Mettre un modèle en production, ce n'est pas seulement obtenir de bonnes réponses lors d'une démonstration : c'est garantir une latence stable, une capacité à absorber la charge, une continuité de service et un budget tenable dans la durée. Un modèle que l'on héberge soi-même offre sur tous ces plans une prise directe. Llama 2 a ainsi fait entrer les modèles de langage de haut niveau dans le domaine de l'ingénierie d'exploitation classique, avec ses leviers connus : dimensionnement, mise en cache, répartition de charge, supervision.

Estimer la mémoire vidéo (VRAM) nécessaire à Llama 2

Choisissez une taille de modèle et une précision. L'outil calcule la mémoire dominante — celle des poids — par la formule exacte nombre de paramètres × octets par paramètre, puis ajoute une marge pour le cache de contexte. Ordre de grandeur à but pédagogique ; les optimisations (offloading, quantification dynamique) peuvent réduire l'empreinte réelle.

Taille de modèle

Précision des poids

L'ajustement fin, à la portée des organisations

Le deuxième apport majeur tient à la personnalisation. Disposer des poids d'un modèle ouvre la voie à l'ajustement fin, cette technique qui consiste à poursuivre l'entraînement d'un modèle existant sur un jeu de données propre à un domaine, afin de l'adapter à un vocabulaire, à un style ou à une tâche particulière. Un cabinet juridique peut ainsi orienter un modèle vers son domaine de droit, une entreprise industrielle vers sa documentation technique, un service client vers son historique de conversations.

Cet ajustement, longtemps réservé aux organisations disposant de vastes moyens, est devenu accessible grâce à un ensemble de méthodes dites d'ajustement économe en paramètres. Le principe consiste à ne modifier qu'une petite fraction du modèle plutôt que l'intégralité, ce qui réduit fortement le calcul et la mémoire requis. Adossées à Llama 2, ces techniques ont permis à des équipes de taille modeste d'obtenir des modèles spécialisés de bonne qualité avec des ressources raisonnables. La combinaison d'un modèle ouvert et de ces méthodes d'ajustement a constitué l'un des moteurs les plus puissants de l'adoption.

Confidentialité — les données sensibles restent dans le périmètre de l'organisation, sans transiter par un service externe.
Coût maîtrisé — la dépense est adossée à une infrastructure connue, sans facturation proportionnelle au volume d'usage.
Spécialisation — l'ajustement fin adapte le modèle au vocabulaire et aux tâches propres à un métier.
Autonomie — le fonctionnement ne dépend ni de la disponibilité ni des évolutions tarifaires d'un fournisseur unique.
Transparence — l'accès aux poids et à la documentation autorise l'audit et une compréhension plus fine du comportement.

Le partenariat avec Microsoft et la distribution

La publication s'accompagnait d'un volet distribution qui a compté dans l'adoption. Meta annonçait Microsoft comme son partenaire privilégié pour Llama 2, avec une mise à disposition du modèle dans le catalogue de modèles d'Azure. Concrètement, les organisations déjà installées sur cette plateforme pouvaient s'appuyer sur Llama 2 sans avoir à bâtir elles-mêmes toute l'infrastructure d'exécution.

Llama 2 est disponible dans le catalogue de modèles d'Azure, permettant aux développeurs qui utilisent Microsoft Azure de construire avec lui. […] Llama 2 est également accessible via Amazon Web Services, Hugging Face et d'autres fournisseurs.
— Meta, annonce officielle de Llama 2, 18 juillet 2023

Cette présence sur les grandes plateformes d'hébergement en nuage a élargi la porte d'entrée. Une organisation pouvait choisir la voie de l'auto-hébergement intégral pour un contrôle maximal, ou celle d'un service géré chez un fournisseur pour se décharger de l'exploitation, tout en conservant la faculté de basculer d'une option à l'autre. Cette souplesse dans les modes de déploiement, rare pour un modèle de ce niveau, a renforcé l'intérêt des directions techniques.

Une organisation arbitre entre héberger Llama 2 sur ses propres serveurs, recourir à un service géré, ou combiner les deux. Le modèle à poids ouverts rend ces bascules possibles.

L'écosystème Hugging Face comme point de ralliement

Un acteur a joué un rôle de catalyseur : la plateforme Hugging Face, devenue le lieu de référence où la communauté partage modèles, jeux de données et outils. Llama 2 y a été rapidement disponible, accompagné de bibliothèques permettant de le charger, de l'ajuster et de l'exécuter en quelques lignes de code. Cette accessibilité outillée a considérablement abaissé la barrière technique.

Dans les semaines qui ont suivi, la plateforme s'est peuplée de centaines de variantes de Llama 2, affinées par la communauté pour des langues, des domaines et des tâches spécifiques. Des formats optimisés sont apparus pour faire tourner le modèle sur du matériel modeste, y compris des ordinateurs personnels. Cette prolifération n'était pas du désordre, mais le signe d'un écosystème vivant : chaque contribution s'appuyait sur les précédentes, chaque variante ouvrait un usage. Llama 2 est ainsi devenu une plaque tournante autour de laquelle s'est organisée une part importante du travail communautaire sur les modèles ouverts.

Une émulation vertueuse entre les approches

L'arrivée d'un modèle ouvert et commercialement utilisable a aussi enrichi le débat d'ensemble. Elle offrait une alternative crédible aux modèles propriétaires, et cette coexistence a bénéficié à tout le monde. Les fournisseurs de modèles fermés y ont trouvé un aiguillon pour affiner leur offre et leur tarification, tandis que les partisans de l'ouverture disposaient enfin d'un cas d'usage industriel de premier plan à faire valoir. Loin d'opposer stérilement deux camps, cette diversité a installé un choix réel : à chaque organisation d'arbitrer entre commodité d'un service clé en main et maîtrise d'un modèle hébergé chez soi, selon ses priorités.

Les perspectives : ce que Llama 2 pourrait enclencher

Au lendemain de sa publication, le 18 juillet 2023 a tout d'un point de bascule potentiel. Ce qui n'est encore qu'une publication remarquée pourrait bien devenir le socle d'une lignée durable et le point de départ d'une norme de fait : celle des modèles à poids ouverts, téléchargeables et déployables, qu'un nombre croissant d'acteurs pourrait en venir à proposer aux côtés de leurs offres fermées. Rien ne l'assure à ce stade, mais plusieurs signaux invitent à le penser, et il vaut la peine d'esquisser les directions que cet héritage pourrait prendre.

Une trajectoire qui semble s'amorcer

Au moment où Llama 2 paraît, rien n'est encore écrit de sa descendance, mais le geste porte en lui les germes d'une continuité. Meta a bâti, avec cette publication et celle qui l'a précédée en février, une méthode reconnaissable : entraîner des modèles à grande échelle, en documenter la construction, puis les publier sous une licence propre à l'entreprise. Si cette ligne devait se confirmer, on pourrait s'attendre à voir l'éditeur reconduire l'exercice à un rythme régulier, chaque nouvelle génération cherchant à corriger les limites de la précédente. Les axes de progrès envisageables se laissent d'ailleurs deviner sans peine à la lecture de l'article de recherche, qui nomme lui-même les points perfectibles.

La fenêtre de contexte, fixée ici à 4 096 segments, constitue un premier candidat naturel à l'élargissement : la capacité à ingérer de longs documents d'un seul tenant est une demande constante des usages professionnels, et il serait logique que les versions à venir cherchent à la repousser. Le raisonnement et la génération de code, où les modèles ouverts accusaient encore un retard sur les meilleurs services propriétaires, formeraient un deuxième chantier attendu. On pourrait également imaginer que Meta explore des architectures plus économes, capables de mobiliser davantage de paramètres sans alourdir d'autant le coût d'exécution, tant la question de l'efficacité pèse sur la faisabilité d'un déploiement à grande échelle. Rien de tout cela n'est acquis à la date de cette publication ; ce ne sont que des directions plausibles, que la suite confirmera ou non. Ce qui paraît en revanche solidement engagé, c'est le principe même : la logique de publication ouverte, assortie d'une licence communautaire, semble devenue la marque de la maison, et l'on voit mal l'entreprise y renoncer après en avoir fait un argument aussi central.

Version	Date d'annonce	Apport principal
LLaMA (1re version)	24 février 2023	Modèles compacts, réservés à la recherche
Llama 2	18 juillet 2023	Licence commerciale, 7B/13B/70B, Llama 2-Chat

Sources : Meta, « Meta and Microsoft Introduce the Next Generation of Llama » (18 juillet 2023) ; Touvron, Martin et al., arXiv 2307.09288.

Un vocabulaire qui s'affine : « open weights » plutôt qu'« open source »

L'héritage de Llama 2 comprend aussi une clarification de vocabulaire, et il est honnête d'en rendre compte. Meta a d'abord présenté Llama 2 comme « open source ». Or plusieurs voix, à commencer par l'Open Source Initiative — l'organisation qui maintient la définition de référence du logiciel libre —, ont fait observer que la licence de Llama 2 ne satisfaisait pas cette définition. Les restrictions liées au seuil d'utilisateurs et à l'interdiction d'entraîner des modèles concurrents suffisaient à l'écarter de la catégorie stricte du logiciel libre.

De ce débat est née une expression plus juste, aujourd'hui largement adoptée : celle de modèles à « poids ouverts », ou open weights. Elle décrit exactement la situation : les poids du modèle sont publiés et utilisables librement, y compris commercialement, mais sous une licence propre à l'éditeur, distincte des licences libres homologuées. Cette distinction n'est pas une querelle de spécialistes. Elle importe pour les entreprises, car les clauses d'une licence déterminent ce qu'il est permis de faire, et une direction juridique avisée lit ces conditions avant tout déploiement. Le mérite de l'épisode Llama 2 aura été de forcer l'écosystème à nommer les choses avec précision.

À retenir. Llama 2 n'est pas « open source » au sens strict, comme le rappelle l'Open Source Initiative. Le terme juste, devenu standard, est « poids ouverts » (open weights) : les poids sont publiés et libres d'usage commercial, mais sous une licence propre à Meta — une nuance que toute direction juridique lit avant tout déploiement.

En rendant les modèles d'IA accessibles ouvertement, ils peuvent bénéficier à tout le monde.
— Meta, annonce officielle de Llama 2, 18 juillet 2023

Un mouvement plus large que Llama

La portée de juillet 2023 pourrait déborder le seul cas de Meta. En posant qu'un modèle de haut niveau peut être publié ouvertement et exploité commercialement, Llama 2 contribue à légitimer une voie que d'autres acteurs pourraient emprunter à leur tour. On imagine sans peine que des organisations, en Europe comme ailleurs, soient tentées de publier à leur tour leurs propres modèles à poids ouverts, en misant par exemple sur l'efficacité ou sur l'ouverture linguistique pour se distinguer. Si ce mouvement devait s'amplifier, un écosystème pluriel se constituerait, où les modèles ouverts et les modèles propriétaires cohabiteraient et se stimuleraient mutuellement.

Une telle pluralité serait une bonne nouvelle pour les usages. Une organisation qui construit un produit disposerait alors d'un véritable éventail : un service propriétaire clé en main pour aller vite, un modèle à poids ouverts hébergé chez elle pour la maîtrise et la confidentialité, ou une combinaison des deux selon les besoins. Cette liberté de choix, encore embryonnaire à l'été 2023, pourrait devenir un trait structurant du paysage. Llama 2 n'en serait pas le seul artisan, mais il aura été, dès sa parution, l'un des déclencheurs les plus visibles de cette possibilité.

Ce que Llama 2 a démontré aux équipes de production

Pour celles et ceux qui font tourner l'IA au quotidien, l'enseignement de Llama 2 est net. Il a établi qu'un modèle de haut niveau pouvait quitter le laboratoire pour devenir une brique d'infrastructure ordinaire, dimensionnée, supervisée et maintenue comme n'importe quel autre composant. Il a montré qu'entre le prototype séduisant et le service fiable en conditions réelles, la maîtrise de l'hébergement, du coût et de la personnalisation faisait souvent la différence. Et il a rappelé qu'un modèle ouvert, documenté et appropriable, engendre autour de lui un écosystème d'outils et de savoir-faire qui en démultiplie la valeur.

Cette leçon dépasse sans doute Llama 2 lui-même. Elle vaudrait pour toute génération de modèles ouverts qui viendrait à sa suite, et elle a vocation à orienter les décisions d'architecture au sein des entreprises. Choisir entre un modèle hébergé et un service géré, arbitrer entre une petite taille économe et un grand modèle plus capable, décider d'ajuster finement ou de s'en tenir au modèle de dialogue livré : autant de questions concrètes que Llama 2 rend courantes dès sa parution, et que les équipes techniques devront désormais se poser comme une routine.

Un modèle qui a rapproché l'IA de pointe et le terrain

Au moment de cette annonce de juillet 2023, la portée de Llama 2 se laisse déjà pressentir : de nombreuses organisations pourraient désormais faire tourner, chez elles, des modèles de langage capables, ajustés à leurs données, au service de leurs produits. Cette autonomie, cette maîtrise sur un outil que l'on croyait réservé à quelques laboratoires, découlerait en droite ligne de la décision de Meta et de Microsoft de publier un modèle de haut niveau sous une licence autorisant l'usage commercial.

Llama 2 n'a pas cherché à éblouir par une seule prouesse spectaculaire. Il a fait quelque chose de plus durable : il a mis un matériau solide entre les mains de qui voulait construire, et il a laissé la communauté s'en emparer. La nuance sur le vocabulaire — poids ouverts plutôt qu'open source au sens strict — rappelle qu'une ouverture assortie de conditions reste une ouverture qui se lit et se comprend, non un mot d'ordre. Ce discernement fait partie de l'héritage.

Reste que l'histoire commence tout juste à s'écrire. On peut s'attendre à ce que les modèles ouverts gagnent en capacité au fil des générations, à ce que les méthodes d'ajustement se perfectionnent, à ce que les questions de licence, de coût et de sobriété se posent avec une acuité renouvelée. Le 18 juillet 2023 ne clôt pas un chapitre : il en ouvre un, celui d'une IA de pointe rapprochée du terrain, appropriable et déployable par celles et ceux qui en ont l'usage. La suite dépendra, comme toujours, de la manière dont ces outils seront conçus, documentés et employés.