Stratégie d’expansion

Le point d’inflexion a été la publication, début 2025, du modèle DeepSeek R1, modèle de raisonnement de très grande taille rapidement décliné en versions plus légères. Performances élevées en mathématiques, en code, en tâches complexes ; coûts d’inférence contenus ; documentation exploitable. L’effet d’entraînement a été immédiat. Des acteurs comme Alibaba avec sa famille Qwen, Baichuan, Zhipu AI ou encore Moonshot AI ont accéléré, itéré, optimisé à partir de ce canevas. Les benchmarks open source ont vu monter ces nouveaux entrants au sommet des classements. Ce basculement repose sur une logique d’ouverture visant à favoriser l’adoption mondiale, tout en conservant une capacité d’industrialisation rapide. Les modèles sont intégrés dans des outils tiers, adaptés, distillés, embarqués dans des environnements professionnels. L’open source n’est plus un contre-modèle expérimental face aux plateformes fermées ; il soutient une stratégie d’expansion.

Pourquoi la formation est directement concernée

Pour les directions formation-RH, le sujet n’est pas périphérique. Les modèles open source performants permettent d’intégrer des briques d’IA directement dans les environnements d’apprentissage : génération automatisée de contenus, production de quiz contextualisés, adaptation dynamique de parcours, assistants pédagogiques internes, analyse des besoins en compétences. Les administrations et les services publics en France et plus largement en Europe, et dans une moindre mesure certaines grandes entreprises, ont une longue expérience des architectures modulaires, souvent construites autour de LMS open source ou fortement personnalisables. Les bénéfices en sont patents, du contrôle de l’hébergement et de la maîtrise des données à l’intégration sur mesure, fondés sur la mobilisation d’un écosystème d’intégrateurs locaux. L’IA open source pourrait bien prolonger cette trajectoire en réduisant la dépendance à des API fermées et en permettant une réinternalisation partielle des compétences. Pour autant, tous les open source ne se valent pas.

Open technique vs. open gouvernance

Dans l’univers historique des LMS open source, l’ouverture ne s’est jamais limitée au code. Elle s’est appuyée sur des fondations identifiées, des communautés structurées, des processus de contribution formalisés, une pluralité d’acteurs capables d’influencer la feuille de route. L’ouverture était aussi organisationnelle et décisionnelle. Les modèles d’IA open source issus de Chine sont, pour la plupart, publiés avec leurs poids et des licences permissives. Les forks (logiciels créés à partir du code source d'un logiciel existant) sont possibles ; l’usage est libre. En revanche, la gouvernance reste largement centralisée. Les feuilles de route sont pilotées par les équipes d’origine. La transparence sur les données d’entraînement demeure partielle. L’intégration des contributions externes n’obéit pas toujours à des mécanismes comparables aux grandes fondations open source que l’on connaît dans le monde de la formation. Il existe donc une différence entre open access stratégique et open gouvernance internationale. Pour les organisations européennes, cette nuance est décisive.

Les points de vigilance pour les décideurs

Intégrer un modèle open source performant dans une architecture formation semble une évidence économique. La décision doit pourtant être éclairée par plusieurs critères : pérennité de l’accès, conformité aux cadres européens, auditabilité des modèles, compréhension des biais, capacité à maintenir le système en cas d’évolution géopolitique. L’expérience des LMS open source a montré qu’un outil n’est stratégique que si l’écosystème qui l’entoure est maîtrisable : compétences internes, partenaires locaux, communauté active, documentation solide. Sans cet environnement, l’open source peut créer une dépendance technique invisible. Dans le cas de l’IA open source chinoise, la question n’est pas de disqualifier l’innovation ; elle est de mesurer l’écart entre ouverture technique et autonomie stratégique.

Alternative

Il existe une alternative européenne, mais elle reste fragmentée. Des acteurs comme Mistral AI en France, Aleph Alpha en Allemagne ou encore des initiatives collaboratives telles qu’OpenEuroLLM travaillent sur des modèles ouverts ou partiellement ouverts. Certaines communautés s’appuient également sur Hugging Face, plateforme d’origine française diffusant des modèles open source. Toutefois, peu de modèles européens combinent à ce stade puissance de calcul, ouverture des poids et dynamique industrielle comparable à celle observée en Chine. L’écosystème existe, mais il demeure en phase de consolidation.

L’Europe a longtemps associé open source et souveraineté numérique. L’émergence d’acteurs asiatiques dominants dans l’open source IA oblige à réviser cette équation. L’ouverture ne garantit plus, à elle seule, l’indépendance. Elle peut aussi devenir un instrument d’influence technologique. Pour les directions formation-RH, le sujet est double : exploiter la puissance des modèles ouverts pour industrialiser la production pédagogique et améliorer l’expérience apprenant ; en parallèle, structurer une gouvernance interne capable d’évaluer, d’encadrer et de sécuriser ces choix. Le déplacement du centre de gravité de l’open source IA n’est ni une menace automatique ni une opportunité évidente. Il constitue un test de maturité stratégique. Les organisations qui sauront distinguer ouverture, contrôle et autonomie tireront parti de cette nouvelle phase. Les autres risquent de découvrir que l’open source, mal compris, n’était qu’une dépendance d’un nouveau type.

Par Aude Dellacherie