OpenAI et Anthropic ont pris publiquement position commune contre les risques des modèles open-weight. Deux labs qui se font concurrence sur le marché convergent désormais sur le message selon lequel publier les poids des modèles frontier est dangereux et doit être régulé.

Cette démarche fait suite à deux semaines de pressions croissantes. Le 20 juillet, Nathan Lambert décrivait la pression de la Maison Blanche sur les modèles ouverts comme une capture réglementaire d’Anthropic. Le 22 juillet, Ben Thompson proposait une loi américaine qui reconnaît l’entraînement comme fair use mais rend la distillation toujours autorisée, mettant en lumière l’asymétrie que vivent les labs au quotidien : ils s’entraînent sur les données d’autrui, mais interdisent aux autres d’apprendre de leurs modèles. Désormais les deux plus grands labs ferment les rangs.

Pour ceux qui construisent sur des modèles open-weight, la disponibilité à long terme du modèle choisi devient un critère concret. Si la pression se traduit par des restrictions effectives, une architecture construite sur un modèle ouvert aujourd’hui pourrait ne plus être viable demain.

En détail

Le fait politique nouveau est cette convergence publique. Jusqu’à présent, chaque lab prenait position de son côté. OpenAI a alterné entre ouvertures et fermetures sur les open-weight, Anthropic n’a jamais publié les poids de ses modèles frontier, Google a publié les poids de Gemma mais gardé secrets ses modèles principaux. Deux labs propriétaires qui signent ensemble une position régulatoire commune sur les modèles ouverts constituent un signal que le front se consolide.

Le contexte des dix derniers jours aide à comprendre cette démarche. Le 14 juillet, le PDG de Microsoft Satya Nadella avait critiqué publiquement les labs IA propriétaires : ils s’entraînent sur les données d’autrui sans permission, mais interdisent aux autres d’apprendre de leurs modèles. Une semaine plus tard, la Maison Blanche commençait à examiner un possible bannissement des modèles open-weight, décrit par Nathan Lambert comme une capture réglementaire d’Anthropic. Le même jour, Ben Thompson mettait noir sur blanc une proposition de loi qui formaliserait cette asymétrie : entraînement comme fair use, distillation toujours autorisée.

Le titre d’Axios suggère que l’argument des deux labs mêle sécurité et intérêt économique (« to their bottom line »). Le premier est connu : les modèles open-weight peuvent être affinés par quiconque, y compris des acteurs malveillants. Le second est la logique commerciale : le modèle par abonnement et API des labs propriétaires repose sur le contrôle de l’accès. Si les poids sont publics, n’importe qui peut héberger le modèle et la marge disparaît.

La discussion sur Hacker News (189 points, 199 commentaires) indique que la communauté lit cette démarche principalement comme une stratégie commerciale déguisée en argument de sécurité. C’est une lecture réductrice, mais le soupçon est compréhensible : quand celui qui demande des restrictions en tire aussi un avantage concurrentiel, la distinction entre plaidoyer et capture réglementaire s’amenuise.

Pour ceux qui construisent des produits sur des modèles open-weight, le tableau se complique. Les options ouvertes se multiplient : Qwen 3.8, Kimi K3, Laguna S 2.1 et Inkling démontrent que l’écart qualitatif avec les modèles propriétaires se réduit. Mais si la législation américaine limite la publication des poids, l’écosystème ouvert se rétrécit précisément quand il devient plus compétitif. La question pratique est plutôt si le modèle sera encore légal à utiliser en production dans deux ans, plutôt que s’il fonctionne aujourd’hui.

Les limites de ce que nous savons : la source primaire est un article d’Axios, et nous ne connaissons pas le langage normatif spécifique que les deux labs proposent. Qu’il s’agisse d’un plaidoyer générique ou d’un vrai texte législatif change beaucoup. Les positions détaillées des deux labs ne sont pas publiques dans la documentation disponible.