Meta et l'open-weight : décryptage de l'ouverture comme arme concurrentielle

Quand une entreprise de la taille de Meta décide de publier les poids de ses modèles d'intelligence artificielle plutôt que de les garder sous clé, le geste intrigue autant qu'il divise. Certains y lisent une conviction technologique, la croyance que l'ouverture accélère le progrès. D'autres y devinent un calcul industriel, celui d'un acteur qui, arrivé après les pionniers de l'IA générative, choisit de rebattre les cartes en diffusant largement ce que ses concurrents facturent au compteur. Avec sa famille de modèles Llama, lancée début 2023 et enrichie régulièrement depuis, Meta a fait de cette diffusion un axe stratégique revendiqué. Le résultat est tangible : plus d'un milliard de téléchargements, un écosystème de développeurs qui construisent sur ces modèles, et une empreinte qui s'étend bien au-delà des produits de l'entreprise. Cet article examine ce pari : ce que Meta a réellement ouvert — et ce qu'elle n'a pas ouvert —, la logique concurrentielle qui sous-tend cette démarche, et ce que ce choix révèle des rapports de force dans l'IA générative. L'objectif n'est pas de célébrer ni de contester la stratégie de Meta, mais d'en comprendre le mécanisme, en gardant une distance égale vis-à-vis de tous les acteurs concernés.

Une précaution s'impose d'entrée. Ce texte sépare avec soin ce qui relève du fait vérifiable — une date de sortie, une taille de modèle, un terme de licence, un chiffre communiqué officiellement — de ce qui relève de la lecture stratégique. Les faits sont sourcés en fin d'article. L'interprétation, elle, est présentée comme une grille parmi d'autres, au conditionnel : « on peut lire », « cela suggère », « une lecture possible ». Le vocabulaire de l'IA ouverte est saturé de formules ambiguës, à commencer par celle d'« open source » elle-même, dont nous verrons qu'elle prête largement à confusion. Poser d'abord les définitions est la seule façon d'écrire quelque chose d'utile.

Poids ouverts n'est pas code ouvert : une distinction qui change tout

Avant même de parler de stratégie, il faut lever une ambiguïté centrale, car elle conditionne toute la suite. Meta parle volontiers d'« open source AI » à propos de Llama. Cette formulation est contestée, et pour de bonnes raisons techniques.

Ce que recouvre un modèle « à poids ouverts »

Un modèle de langage se compose de plusieurs éléments : une architecture, un jeu de données d'entraînement, un code d'entraînement et d'inférence, et surtout des poids — les milliards de paramètres numériques ajustés pendant l'apprentissage, qui constituent la connaissance opérationnelle du modèle. Publier un modèle « à poids ouverts » (open weights), c'est mettre à disposition ces paramètres, de sorte que quiconque puisse télécharger le modèle, l'exécuter localement, l'ajuster à ses besoins et le déployer sans passer par une interface de programmation payante. C'est précisément ce que fait Meta avec Llama : les poids sont téléchargeables sur ses propres plateformes et sur des dépôts comme Hugging Face.

Mais poids ouverts ne signifie pas code ouvert. Le logiciel libre, au sens où l'entend l'Open Source Initiative — l'organisation qui maintient depuis plus de vingt ans la définition de référence —, suppose la liberté d'utiliser le programme pour n'importe quel usage, de l'étudier, de le modifier et de le redistribuer sans restriction discriminatoire. Or les poids d'un modèle ne sont ni le code source ni les données qui ont permis de le produire. Télécharger des poids, ce n'est pas disposer de la recette complète : c'est recevoir le plat déjà cuisiné, avec l'autorisation de le réchauffer et de l'assaisonner, mais sans la liste exacte des ingrédients ni le droit de le servir à n'importe quelle table.

La nuance semble technique, elle est en réalité décisive. « Poids ouverts » décrit ce qu'on peut faire avec le modèle une fois téléchargé. « Open source » décrit un régime de libertés juridiques précis. Confondre les deux, c'est confondre l'accès et la liberté.

La position de l'Open Source Initiative

L'Open Source Initiative a tranché sans ambiguïté : la licence communautaire de Llama ne satisfait pas la définition de l'open source. L'organisation avait déjà contesté la revendication de Meta dès juillet 2023, à la sortie de Llama 2, et elle a réitéré sa position dans les années suivantes. Ses griefs sont précis. La licence contreviendrait à la « liberté zéro », celle d'utiliser le modèle pour n'importe quel usage ; elle introduirait une forme de discrimination entre catégories d'utilisateurs ; et elle restreindrait certains champs d'application. L'organisation a même employé le terme d'« openwashing » pour qualifier l'écart entre l'étiquette et la réalité juridique.

Il faut restituer cette critique sans en faire un procès. Meta n'est pas le seul acteur à naviguer dans cette zone grise, et la question de savoir ce qu'« ouvrir » un modèle veut dire reste débattue, y compris parmi les juristes et les chercheurs. Le point important, pour la suite de l'analyse, est simplement de tenir la distinction : dans cet article, on parlera de modèles « à poids ouverts » pour décrire Llama, et l'on réservera « open source » à son sens strict. Cette rigueur de vocabulaire n'est pas un détail pédant ; elle éclaire, comme on va le voir, la mécanique concurrentielle elle-même.

Une trajectoire d'ouverture progressive, de 2023 à 2025

Pour saisir la stratégie, il faut d'abord établir les faits dans l'ordre. La démarche de Meta ne s'est pas imposée d'un coup ; elle s'est construite par paliers, chacun élargissant un peu plus le périmètre de ce qui était rendu disponible.

Llama 1 : un accès d'abord réservé à la recherche

La première version, publiée le 24 février 2023, s'adressait aux chercheurs. Meta proposait quatre tailles — d'environ 7 à 65 milliards de paramètres — sous une licence non commerciale, accordée au cas par cas. L'accès restait donc encadré, réservé au monde académique et à des usages de recherche. Le modèle circula toutefois plus largement que prévu, des copies non autorisées ayant été partagées, ce qui donna un aperçu de l'appétit de la communauté pour des modèles téléchargeables.

Llama 2 : le basculement vers l'usage commercial

Le tournant intervient le 18 juillet 2023 avec Llama 2, décliné en trois tailles : 7, 13 et 70 milliards de paramètres. Cette fois, les poids sont diffusés sous une licence communautaire qui autorise de nombreux usages commerciaux, sous réserve d'une politique d'usage acceptable. C'est ce passage qui change la donne : un modèle performant, téléchargeable et exploitable en production par des entreprises, sans redevance d'accès. C'est aussi la version qui déclenche la contestation publique de l'Open Source Initiative sur l'emploi du terme « open source ».

Llama 3 et 3.1 : la montée en gamme

Meta accélère en 2024. Llama 3 paraît le 18 avril, en versions 8 et 70 milliards de paramètres, entraînées sur un très large volume de données publiques. Puis, le 23 juillet 2024, Llama 3.1 ajoute un modèle de 405 milliards de paramètres, que Meta présente alors comme le premier modèle « de niveau frontière » à poids ouverts. C'est à cette occasion que Mark Zuckerberg publie un texte au titre programmatique, « Open Source AI Is the Path Forward » (« l'IA open source est la voie à suivre »), qui formalise publiquement la doctrine d'ouverture de l'entreprise. Le dirigeant y assume que ce choix n'est pas seulement altruiste : il sert aussi les intérêts de Meta.

Llama 4 : l'architecture par experts

La famille Llama 4 arrive le 5 avril 2025, avec deux modèles principaux à poids ouverts : Scout et Maverick. Tous deux reposent sur une architecture dite « à mélange d'experts » (mixture of experts), qui n'active qu'une fraction des paramètres à chaque requête. Scout compte environ 109 milliards de paramètres au total pour 17 milliards actifs ; Maverick, environ 400 milliards au total pour 17 milliards actifs répartis sur de nombreux experts. Ces modèles sont téléchargeables sur les plateformes de Meta et sur Hugging Face, et Meta annonce en parallèle une interface de programmation dédiée pour en faciliter l'usage. La trajectoire d'ensemble est claire : d'un accès réservé à la recherche en 2023 à une gamme complète, ouverte et multimodale en 2025.

Version	Date	Tailles / caractéristique	Régime d'accès
Llama 1	24 février 2023	~7 à 65 milliards de paramètres	Non commercial, réservé à la recherche
Llama 2	18 juillet 2023	7, 13, 70 milliards	Licence communautaire, usage commercial autorisé
Llama 3	18 avril 2024	8, 70 milliards	Licence communautaire
Llama 3.1	23 juillet 2024	8, 70, 405 milliards	Licence communautaire
Llama 4 (Scout, Maverick)	5 avril 2025	Mélange d'experts, 17 milliards actifs	Licence communautaire

Ce tableau appelle une lecture d'ensemble. En un peu plus de deux ans, Meta est passée d'un modèle réservé au monde académique à une gamme complète, multimodale et téléchargeable, dont chaque itération a repoussé le périmètre de ce qui était rendu disponible. On peut lire dans cette progression une escalade délibérée plutôt qu'une succession d'opportunités saisies au fil de l'eau : à chaque étape, l'entreprise a élargi l'accès au moment où la maturité de ses modèles lui permettait d'en faire un argument crédible face aux offres concurrentes. Le passage d'une licence purement académique à une licence autorisant l'usage commercial, dès la deuxième version, marque le vrai changement de nature — celui qui a fait de Llama non plus un objet de recherche mais un composant industriel.

L'ampleur de la diffusion : ce que disent les chiffres

Une stratégie d'ouverture ne se mesure pas à ses intentions, mais à sa portée réelle. Sur ce terrain, les données publiées par Meta dessinent une adoption considérable, qui mérite d'être rapportée avec autant de précision que de prudence.

Du demi-milliard au milliard de téléchargements

Le chiffre le plus parlant concerne les téléchargements cumulés des modèles Llama. Meta a communiqué un jalon d'environ 650 millions de téléchargements début décembre 2024. En mars 2025, Mark Zuckerberg annonçait que la barre du milliard de téléchargements avait été franchie. La progression — de l'ordre de 50 % sur environ trois mois — donne la mesure du rythme d'adoption. Ces chiffres émanent de communications de l'entreprise ; il convient de les lire comme des indicateurs de dynamique plutôt que comme des mesures d'usage effectif, un téléchargement ne valant pas un déploiement en production. Ce qui est solidement établi, c'est l'ordre de grandeur et la direction : une diffusion de masse, en forte croissance.

Un milliard de téléchargements ne dit pas combien d'applications tournent réellement sur Llama. Mais un tel volume signale sans ambiguïté que ces modèles sont devenus un point de passage courant pour qui construit avec l'IA générative.

Un écosystème qui se construit autour des poids

Au-delà du seul comptage, l'effet le plus structurant est la constitution d'un écosystème. Parce que les poids sont disponibles, une communauté de développeurs, de chercheurs et d'entreprises a produit une profusion de variantes : modèles affinés pour des langues, des domaines ou des tâches spécifiques, versions allégées pour tourner sur des machines modestes, outils d'intégration. Cette activité dérivée a plusieurs vertus pour Meta, que nous détaillerons plus loin. Retenons pour l'instant le fait brut : un modèle à poids ouverts largement diffusé devient un standard de fait autour duquel gravitent d'innombrables projets, ce qu'un modèle accessible uniquement par interface propriétaire ne permet pas au même degré.

• Des variantes spécialisées par langue, secteur ou tâche, produites par la communauté sans coût de développement pour Meta.
• Des versions optimisées pour du matériel contraint, élargissant les usages possibles bien au-delà des serveurs de pointe.
• Un vivier de compétences : des développeurs qui apprennent à travailler avec Llama et le placent naturellement dans leurs projets suivants.

La logique concurrentielle : pourquoi ouvrir peut être un levier

Voici le cœur du sujet. Diffuser sans redevance le fruit d'un investissement colossal peut sembler contre-intuitif. La lecture stratégique, revendiquée en partie par Meta elle-même, éclaire pourtant la cohérence de ce choix. Elle tient en plusieurs mécanismes distincts, qu'il faut prendre séparément.

Éroder l'avantage tarifaire des concurrents

Le premier mécanisme est le plus direct. Plusieurs laboratoires concurrents ont bâti leur modèle économique sur la vente d'accès à leurs modèles fermés, facturés à l'usage. En diffusant des modèles à poids ouverts de qualité comparable pour de nombreux usages, Meta déplace la valeur : ce que d'autres monétisent devient largement disponible sans redevance d'accès. Une lecture possible : quand un bien que vos concurrents vendent devient accessible sans coût de licence chez vous, vous ne gagnez pas directement d'argent, mais vous rendez plus difficile la constitution d'une rente autour de ce bien. Zuckerberg l'a d'ailleurs formulé sans détour en assumant que l'ouverture sert les intérêts de Meta, notamment en empêchant qu'un concurrent verrouille la couche fondamentale de l'IA.

Faire de Llama un standard et diffuser ses choix techniques

Le deuxième mécanisme est plus subtil et sans doute plus puissant sur la durée. Lorsqu'un modèle se répand massivement, il impose ses conventions : son architecture, ses formats, ses outils, ses habitudes d'intégration deviennent des repères communs. Les développeurs qui se forment sur Llama, les entreprises qui bâtissent leurs produits dessus, les chercheurs qui l'utilisent comme base de comparaison contribuent tous, sans y penser, à faire des choix techniques de Meta une norme du secteur. On peut lire là un avantage difficile à chiffrer mais réel : celui qui définit le standard influence la trajectoire de tout un écosystème, oriente les compétences disponibles sur le marché du travail et pèse sur les décisions d'architecture prises ailleurs.

Diffuser largement un modèle, ce n'est pas seulement distribuer un outil : c'est répandre une manière de faire. Le standard que l'on impose devient le terrain sur lequel les autres doivent jouer.

Bénéficier du travail de la communauté

Le troisième mécanisme relève de l'économie de la contribution. Un modèle à poids ouverts est examiné, testé, corrigé et amélioré par une communauté bien plus vaste que n'importe quelle équipe interne. Les vulnérabilités remontent plus vite, les optimisations circulent, les cas d'usage se multiplient. Zuckerberg a explicitement mis en avant cet argument : l'ouverture permet à Meta de profiter des améliorations apportées par l'extérieur, tout en réduisant sa dépendance à l'égard des plateformes fermées de ses rivaux. Une interprétation raisonnable : Meta échange une part de contrôle contre une capacité d'innovation distribuée qu'aucune entreprise ne pourrait mobiliser seule.

Attirer et retenir les talents

Un quatrième mécanisme, plus discret, mérite d'être noté. Les meilleurs chercheurs en IA préfèrent souvent travailler là où leurs travaux seront publiés et utilisés, plutôt que verrouillés. Une politique d'ouverture peut donc constituer un argument de recrutement dans un secteur où la rareté des talents pèse lourd. Ce point relève davantage de l'observation que du fait chiffrable, et il faut le présenter comme tel ; il complète néanmoins le tableau d'ensemble d'une stratégie où l'ouverture sert plusieurs objectifs à la fois.

La logique de la commoditisation d'un complément

Ces quatre mécanismes se rejoignent dans une logique économique plus générale, souvent résumée par les stratèges sous une formule simple : on a intérêt à rendre abondant ce qui accompagne son propre produit. Pour Meta, dont le revenu provient essentiellement de la publicité sur ses plateformes, les modèles d'IA ne sont pas le produit vendu mais un complément qui enrichit ces plateformes et l'écosystème alentour. Rendre ce complément largement disponible, plutôt que le vendre, accroît la valeur de l'ensemble tout en privant les concurrents de la possibilité d'en faire une source de rente. Une interprétation possible : Meta ne cherche pas à gagner de l'argent avec Llama directement, mais à s'assurer que personne ne puisse contrôler seul la couche fondamentale sur laquelle se construira une part de l'informatique à venir. C'est une position défensive autant qu'offensive — défensive parce qu'elle protège Meta d'une dépendance, offensive parce qu'elle place l'entreprise au centre d'un réseau de contributions.

Cette lecture aide à comprendre pourquoi la démarche, contre-intuitive de prime abord, est en réalité cohérente avec la position particulière de Meta. Un acteur dont le modèle économique reposerait sur la vente d'accès aux modèles n'aurait pas le même intérêt à ouvrir ; il scierait la branche sur laquelle il est assis. Meta, elle, est assise ailleurs. C'est cette asymétrie de position, plus qu'une différence de philosophie, qui explique la divergence des choix entre les grands acteurs du secteur.

Les limites de l'ouverture : là où la stratégie se dévoile

Rester équilibré impose de regarder l'autre versant. L'ouverture de Meta n'est pas totale, et ses bornes en disent long sur la nature réelle de la démarche. C'est là, précisément, que le vocabulaire employé plus haut reprend toute son importance.

La clause des très grandes plateformes

La licence communautaire de Llama contient une disposition sans équivalent dans les licences libres classiques. Si un produit ou service exploitant Llama dépasse un certain seuil d'utilisateurs actifs mensuels — de l'ordre de 700 millions —, l'exploitant doit demander une licence spécifique à Meta, que celle-ci accorde à sa seule discrétion. Autrement dit, les acteurs les plus massifs, précisément les grands concurrents de Meta dans les réseaux sociaux et les plateformes, ne peuvent pas librement s'appuyer sur Llama. Une lecture possible : l'ouverture est calibrée pour bénéficier au plus grand nombre — développeurs, entreprises de taille moyenne, chercheurs — tout en tenant à distance la poignée de rivaux qui pourraient en tirer un avantage direct contre Meta elle-même.

D'autres restrictions d'usage

La licence comporte également une politique d'usage acceptable et, selon les analyses de l'Open Source Initiative, des restrictions qui touchent certains territoires ou certains champs d'application. Ce sont ces clauses, entre autres, qui justifient le refus de qualifier Llama d'open source au sens strict. Le point n'est pas de juger ces restrictions bonnes ou mauvaises — une entreprise a le droit de fixer les conditions de diffusion de son travail — mais de constater qu'elles existent, et qu'elles révèlent le caractère maîtrisé de l'ouverture. On n'ouvre pas au hasard ; on ouvre selon des lignes qui préservent des intérêts précis.

Les bornes d'une ouverture en disent souvent plus que son étendue. Ce que Meta a choisi de ne pas ouvrir dessine, en creux, la carte de ses intérêts.

L'opacité relative des données d'entraînement

Enfin, publier les poids ne revient pas à publier la recette complète. Le détail des jeux de données d'entraînement, la manière dont ils ont été assemblés et filtrés, restent largement du domaine de l'entreprise. Cette réserve est commune à la plupart des acteurs, et elle a ses raisons — juridiques, concurrentielles, techniques. Elle rappelle simplement que « ouvert » n'est pas un état binaire mais un curseur : Llama est très ouvert du côté de l'accès aux poids, plus fermé du côté de la reproductibilité intégrale. Tenir compte de ce curseur, c'est éviter aussi bien l'idéalisation que le procès en hypocrisie.

Mise en perspective : Meta parmi les autres approches

Aucune stratégie ne se lit isolément. Pour saisir la portée du choix de Meta, il faut le replacer dans le paysage des grands acteurs de l'IA générative, qui ont fait des paris d'accent très différents.

Trois grandes familles de choix

On peut, de façon schématique, distinguer trois orientations. La première mise sur les modèles fermés, accessibles par interface de programmation payante, avec un contrôle serré sur l'usage et une monétisation directe. La deuxième, celle de Meta pour Llama, mise sur des poids largement diffusés sous licence communautaire, en cherchant la portée et l'effet de standard plutôt que la vente d'accès. La troisième, portée par divers acteurs et projets, vise une ouverture plus complète, se rapprochant davantage de la définition stricte du logiciel libre, parfois avec des données et un code plus largement partagés. Ces orientations ne forment pas des camps hermétiques : plusieurs entreprises combinent des offres fermées et des modèles ouverts selon les segments.

Ce que chaque approche optimise

Chacune de ces voies répond à une logique cohérente, et aucune n'est intrinsèquement supérieure. Les modèles fermés optimisent le contrôle et le revenu direct ; ils conviennent à qui veut maîtriser finement l'usage et facturer la valeur. Les modèles à poids ouverts de type Llama optimisent la portée et l'influence ; ils conviennent à un acteur qui gagne son argent ailleurs — dans la publicité et les plateformes, pour Meta — et qui a donc intérêt à commoditiser la couche des modèles plutôt qu'à la vendre. Les approches pleinement ouvertes optimisent la confiance et la reproductibilité ; elles séduisent la recherche et les usages où la transparence est un impératif. On peut lire dans la coexistence de ces trois voies non pas une lutte à somme nulle, mais une répartition où chacun joue la carte qui sert son modèle économique.

• Modèles fermés : contrôle et monétisation directe de l'accès.
• Poids ouverts sous licence communautaire : portée maximale, effet de standard, valeur captée en aval.
• Ouverture complète : transparence, reproductibilité, confiance de la communauté scientifique.

Ce que le cas Meta révèle du marché

Au-delà de Meta, cette trajectoire éclaire une dynamique plus large. La diffusion massive de modèles performants à poids ouverts a rebattu les cartes pour l'ensemble du secteur. Elle a exercé une pression à la baisse sur ce que l'on peut demander pour l'accès à un modèle de qualité courante, elle a élargi le nombre d'acteurs capables de construire des produits d'IA sans dépendre entièrement d'un fournisseur unique, et elle a fait de la question « ouvert ou fermé ? » un axe structurant des débats sur la gouvernance de l'IA. Meta n'est pas seule sur ce terrain — d'autres acteurs, y compris hors des États-Unis, publient des modèles à poids ouverts remarqués —, mais elle en est l'exemple le plus visible parce qu'elle y a mis le poids de sa marque et de ses moyens.

Les tensions inhérentes à ce modèle

Une stratégie cohérente n'est pas une stratégie sans frictions. Celle de Meta porte en elle des tensions qu'il serait malhonnête de passer sous silence, et qui dessineront une partie de son avenir.

Ouverture et responsabilité

Diffuser largement des modèles puissants soulève des questions de responsabilité. Un modèle à poids ouverts peut être utilisé pour des usages que son concepteur n'approuve pas, et les garde-fous intégrés peuvent être contournés par qui dispose des poids. Meta répond par une politique d'usage acceptable et par des dispositifs de sûreté, mais la maîtrise reste par nature moins forte que sur un modèle fermé, où l'accès passe par un point de contrôle unique. C'est un arbitrage assumé : plus d'ouverture contre moins de contrôle en aval. Les partisans de l'ouverture répondent que la transparence permet aussi un examen collectif des risques ; le débat reste ouvert, et il traverse tout le secteur, pas seulement Meta.

La soutenabilité d'un investissement sans revenu direct

Entraîner des modèles de pointe coûte cher, très cher, et Llama ne génère pas de revenu d'accès direct. La soutenabilité de la démarche repose donc sur des bénéfices indirects : influence, écosystème, amélioration des produits maison de Meta, moindre dépendance aux plateformes rivales. Tant que l'entreprise dispose de ressources abondantes issues de ses activités principales, elle peut porter cet effort. Une lecture prudente consiste à noter que ce modèle tient aussi longtemps que Meta juge le retour indirect supérieur au coût — un calcul qui pourrait évoluer si les rapports de force ou les priorités changeaient.

La vraie question n'est pas de savoir si l'ouverture de Meta est « généreuse » ou « intéressée ». C'est de savoir combien de temps l'intérêt et l'ouverture continueront de pointer dans la même direction.

La bataille sémantique autour d'« open source »

La dernière tension est celle par laquelle nous avons commencé. En qualifiant Llama d'« open source » alors que sa licence ne satisfait pas la définition de référence, Meta entretient une confusion que l'Open Source Initiative combat activement. Cette bataille sémantique n'est pas anecdotique : le terme « open source » porte une réputation de transparence et de liberté bâtie sur des décennies, et l'associer à un régime plus restrictif revient à en capter le prestige sans en accepter toutes les contraintes. On peut lire là un enjeu qui dépasse Meta : celui de la clarté du vocabulaire dans un secteur où les mots orientent les perceptions, les politiques publiques et les décisions d'adoption.

Ce qu'on peut en retenir

Reste à faire la part des choses, sans forcer le trait dans un sens ni dans l'autre. Le cas Meta se prête bien à cet exercice, précisément parce qu'il résiste aux conclusions simples.

Premier constat, factuel : Meta a réellement ouvert quelque chose de substantiel. Les poids de modèles performants sont téléchargeables, exploitables et modifiables, ce qui a permis à des centaines de millions de téléchargements et à un écosystème foisonnant de se constituer. Le milliard de téléchargements atteint début 2025 n'est pas un artifice de communication : il traduit une adoption bien réelle, dont les développeurs et les entreprises tirent un bénéfice tangible en n'ayant plus à dépendre exclusivement de modèles facturés à l'accès.

Deuxième constat, interprétatif : cette ouverture est un levier concurrentiel autant qu'un choix technologique. En diffusant Llama, Meta érode l'avantage tarifaire de ses rivaux, impose ses conventions techniques comme un standard, capte le travail d'amélioration de la communauté et renforce son écosystème — le tout en captant la valeur ailleurs que dans la vente d'accès aux modèles. Zuckerberg lui-même assume que la démarche sert les intérêts de l'entreprise. Il n'y a là ni scandale ni pureté : une convergence entre une conviction affichée sur les vertus de l'ouverture et un intérêt bien compris, les deux se renforçant mutuellement.

Troisième constat, critique : cette ouverture est maîtrisée, et son étiquette est contestée. La clause visant les très grandes plateformes, les restrictions d'usage et l'opacité relative des données d'entraînement montrent que « ouvert » décrit ici un curseur, pas un absolu. Et le refus de l'Open Source Initiative de reconnaître Llama comme open source rappelle qu'un mot juste vaut mieux qu'un mot flatteur. Poids ouverts, oui ; open source au sens strict, non. Cette distinction n'enlève rien à la portée de ce que Meta a accompli ; elle en précise seulement la nature.

La formule qui sert de fil à cet article — l'ouverture comme levier concurrentiel — décrit donc une réalité, à condition de l'entendre correctement. Elle ne dit pas que l'ouverture de Meta serait feinte ou sans valeur pour ceux qui en profitent. Elle dit qu'une entreprise peut faire de la diffusion large un instrument stratégique, et que ces deux dimensions — le bénéfice partagé et l'intérêt propre — se nourrissent l'une l'autre. Le plus intéressant, dans le cas de Llama, n'est pas de démasquer un calcul caché, mais d'observer comment un acteur a transformé un geste d'ouverture en position d'influence, et à quelles conditions cet équilibre continuera de tenir quand les rapports de force évolueront. C'est cette dynamique, plus que le jugement moral, qui mérite d'être suivie dans les années à venir.

Sources

• Wikipédia — Llama (language model) : chronologie des versions, dates et tailles de modèles
• Meta — « Open Source AI Is the Path Forward » (tribune de Mark Zuckerberg, juillet 2024)
• Meta AI — Introducing Llama 3.1 (dont le modèle 405B)
• Meta AI — The Llama 4 herd (Scout et Maverick, avril 2025)
• TechCrunch — Llama franchit le milliard de téléchargements (mars 2025)
• Open Source Initiative — Pourquoi la licence de Llama n'est pas open source
• Meta — Llama 4 Community License Agreement (dont la clause des 700 millions d'utilisateurs actifs mensuels)
• Hugging Face — Dépôt officiel des modèles Llama à poids ouverts