Comment presque tout le monde peut disposer de sa propre IA
La deuxième Open Source AI Conference s’est tenue à Berne. Les intervenants y ont montré comment l’open source peut contribuer à rendre l’IA plus transparente, plus souveraine et plus accessible, des grands modèles suisses aux serveurs privés capables d’exécuter des LLM.
L’open source et l’intelligence artificielle font-ils bon ménage? Pour l’association CH Open, qui a organisé le 20 mai 2026 à Berne la deuxième Open Source AI Conference avec Red Hat, la réponse est clairement positive. L’affluence, supérieure à celle de la première édition selon les modérateurs, témoignerait d’un intérêt croissant pour les projets d’IA ouverts.
Parmi les projets suisses les plus emblématiques figure Apertus, le grand modèle de langage développé dans le cadre de la Swiss AI Initiative. Imanol Schlag, chercheur à l’ETH AI Center et co-responsable du projet, a souligné l’importance de disposer de modèles réellement ouverts, dans un contexte dominé par les grands groupes de la tech. Il a rappelé que de nombreux modèles présentés comme «ouverts» se limitent en réalité à des modèles «open weights», téléchargeables mais sans transparence complète sur les données, le code ou les processus d’entraînement.
Dans le cas d’Apertus, ses responsables documentent publiquement les données d’entraînement, les processus de développement et le code utilisé. Imanol Schlag a aussi expliqué les principales étapes d’entraînement d’un grand modèle de langage: pré-entraînement, fine-tuning supervisé, entraînement par préférences et apprentissage par renforcement. Pour évaluer le comportement attendu du modèle, l’équipe s’appuie notamment sur la Swiss AI Charter, un document non technique servant de cadre d’appréciation.
La reproductibilité complète d’Apertus serait théoriquement possible à partir de la documentation publiée. En pratique, a toutefois relevé Imanol Schlag lors d’une table ronde, il faut disposer d’un supercalculateur. On sait que le projet s’appuie sur «Alps», exploité par le Centre suisse de calcul scientifique (CSCS).
Une IA plus ancrée dans le contexte helvétique
Le modèle n’est pas encore finalisé. Une version 1.5 d’Apertus est attendue prochainement. Daniel Brunner, responsable informatique du Tribunal fédéral, a indiqué que cette nouvelle mouture devrait intégrer davantage de contenus spécifiques à la Suisse, notamment issus du domaine juridique. Il a souligné que les modèles d’IA peuvent produire des décisions différentes selon leur origine et leurs données d’entraînement. D’où l’importance, selon lui, d’initiatives européennes et suisses dans ce domaine.
Pour la justice, les systèmes d’IA explicables et vérifiables sont essentiels. Daniel Brunner a aussi évoqué l’intérêt de modèles de base communs, qui éviteraient à chaque institution de lancer ses propres processus d’entraînement, coûteux en énergie. Le Tribunal fédéral utilise déjà l’IA dans plusieurs applications, sans que toutes nécessitent un grand modèle de langage. Leur usage est encadré par une charte définie non par l’informatique, mais par les présidents des cours. Les collaborateurs doivent suivre une formation de deux heures avant de pouvoir utiliser ces outils.
L’écart entre l’éthique et la réalité
Chantelle Brandt Larsen, fondatrice et CEO de Systematic-X, a pour sa part évoqué le fossé entre les discussions théoriques sur l’éthique de l’IA et les systèmes effectivement déployés. Elle a illustré les risques de biais à travers plusieurs exemples de discrimination liée à la nationalité ou au genre. Pour elle, l’open source peut constituer un pont entre éthique et gouvernance, en rendant les décisions des systèmes plus transparentes et explicables. Mais l’ouverture ne garantit pas l’absence de biais, les données d’entraînement pouvant elles-mêmes refléter des préjugés sociaux.
La deuxième partie de l’après-midi était plus technique. Aarno Aukia, cofondateur de VSHN, a présenté les composantes d’une pile d’IA souveraine: Kubernetes ou OpenShift pour l’infrastructure, des modèles open weights comme Granite, Llama ou Mistral, des logiciels de pilotage tels que vLLM ou llm-d, ainsi que des outils de données, de RAG, de sécurité et d’audit. Selon lui, de tels environnements peuvent aussi fonctionner chez des hébergeurs suisses.
Camille Nigon, Solutions Architect chez Red Hat, a approfondi le rôle de llm-d, un programme serveur destiné à répartir efficacement les requêtes adressées à des modèles d’IA exploités dans un centre de données. Lena Fuhrimann, Cloud Solution Architect chez Bespinian, a montré qu’il n’est pas forcément nécessaire de recourir à un hyperscaler ou à un grand datacenter pour exécuter son propre modèle de langage. Les ressources nécessaires peuvent rester relativement modestes, notamment grâce à la quantification, qui réduit la précision des poids d’un modèle afin de diminuer fortement la consommation mémoire.
Certaines applications peuvent ainsi fonctionner sur des cartes graphiques gaming dotées d’environ 12 Go de VRAM. Et pour débuter, a indiqué Lena Fuhrimann, un mini-PC d’environ 350 francs peut déjà permettre d’expérimenter, même si les performances restent plus limitées.
La discussion finale a porté sur les coûts de l’IA. Les intervenants ont contesté l’idée selon laquelle les hyperscalers seraient toujours l’option la moins chère. Le choix dépend du type de charge, de son volume et de sa fréquence. Une GPU performante représente un investissement initial important, mais peut être amortie sur plusieurs années. Les offres d’hébergeurs suisses peuvent aussi être compétitives dans certains cas, tout en renforçant la souveraineté numérique.
Contre l’explosion des coûts, vive les paresseux
Les intervenants ont également évoqué l’augmentation attendue des coûts liée à la montée en puissance des agents IA. Ils recommandent de choisir des modèles adaptés aux usages, de privilégier des modèles plus petits lorsque c’est possible et d’optimiser les prompts afin de limiter la consommation de ressources.
Lena Fuhrimann a rappelé que les questions de coûts ne doivent pas faire oublier l’utilisateur final. L’adoption d’un système dépend aussi des personnes qui l’utilisent et de leurs craintes éventuelles face à l’automatisation. Interrogée sur les conditions nécessaires pour explorer des alternatives aux hyperscalers, Lena Fuhrimann a cité deux facteurs: des collaborateurs ouverts à l’apprentissage et au changement, ainsi que des personnes capables d’optimiser les processus. Elle a ajouté avec humour qu’il fallait aussi des « paresseux» («lazy people»), non pas au sens péjoratif du terme, mais parce que ces profils cherchent souvent à éliminer les tâches répétitives et à automatiser ce qui peut l’être. Selon elle, cette recherche permanente d’efficacité, combinée à l’ouverture au changement, favorise l’innovation.
La conférence a finalement confirmé l’idée que l’open source et l’IA peuvent se renforcer mutuellement. Mais les intervenants ont aussi souligné les défis pour les projets open source, notamment face au code généré par l’IA. Pour Aarno Aukia, les composants open source resteront indispensables pour maintenir les applications dans la durée. Lena Fuhrimann a toutefois averti que les responsables de projets devront clarifier le rôle de l’IA dans leurs développements, notamment lorsqu’ils acceptent ou déclarent du code proposé par des systèmes automatisés.
L’actualité IT en Suisse et à l’international, avec un focus sur la Suisse romande, directement dans votre boîte mail > Inscrivez-vous à la newsletter d’ICTjournal, envoyée du lundi au vendredi!
