Modèles ouverts ou propriétaires : Mistral, Llama, Qwen pour votre PME

Faut-il confier vos usages d’IA à un modèle propriétaire, accessible uniquement par l’application ou l’API de son éditeur, ou à un modèle « ouvert » que vous pouvez faire tourner chez vous ou chez un hébergeur français ? La réponse dépend de la licence, de l’hébergement, du coût et de la dépendance que vous acceptez. Nous avons vérifié les licences de Mistral, Llama et Qwen au 25 octobre 2026 sur les pages des éditeurs, et nous les comparons ici sans classement de performance.

Ouvert, « poids ouverts », propriétaire : de quoi parle-t-on ?

Un modèle de langage est un fichier de paramètres, les « poids », accompagné d’un logiciel qui l’exécute. Un modèle propriétaire n’est jamais livré : vous l’utilisez à distance, via l’application ou l’API de l’éditeur, et vos données vont jusqu’à lui. Un modèle à poids ouverts est téléchargeable : vous pouvez l’exécuter sur vos serveurs ou chez un hébergeur de votre choix, le modifier et l’adapter à vos données, dans les limites de sa licence. C’est cette licence, et non le seul fait que les poids soient téléchargeables, qui dit ce que vous avez le droit de faire. Certains éditeurs mélangent les deux approches : une partie de leur catalogue est ouverte, une autre n’est accessible que par leur API.

Les licences, vérifiées au 25 octobre 2026

Les trois familles citées dans le titre n’ont pas le même régime, et il évolue d’une version à l’autre. Le tableau résume ce qu’affichent les pages officielles des éditeurs à la date de rédaction.

Deux précisions. D’abord, le site développeurs de Meta, vers lequel renvoie désormais llama.com, met en avant d’autres familles de modèles que Llama ; la licence de chacune se lit séparément. Ensuite, la documentation de Mistral tient à jour une table des modèles dépréciés et retirés, avec leurs dates : même chez un éditeur qui publie des poids ouverts, une version accessible par API finit par disparaître, alors que des poids téléchargés restent utilisables tant que vous les hébergez.

Où les faire tourner : chez vous ou chez un hébergeur français

Un modèle ouvert ne sert à rien sans machine pour l’exécuter, et les besoins varient énormément selon la taille. Mistral indique pour Mistral Small 4, un modèle de 119 milliards de paramètres au total dont environ 6 milliards actifs par jeton, une configuration minimale de quatre cartes NVIDIA H100, deux H200 ou un système DGX B200, et précise qu’il fonctionne avec vLLM, llama.cpp, SGLang et Transformers. Les Ministral 3 de 3, 8 et 14 milliards de paramètres se contentent de matériel plus modeste. Trois options s’offrent à une PME : acheter des serveurs GPU, ce qui suppose investissement, compétences et maintenance ; louer de la capacité chez un hébergeur français qui exploite le modèle pour vous et l’expose par une API ; ou utiliser l’API de l’éditeur. Les deux premières gardent vos données en France sous droit européen ; la troisième dépend de l’éditeur et de son hébergement. Notre article sur l’IA souveraine hébergée en France détaille cette question, et celui sur le cloud souverain face au cloud public pose le cadre général.

Coûts, qualité, mises à jour et dépendance

Sur les coûts, les modèles propriétaires se paient à l’usage, par jeton, ou par utilisateur, sans investissement initial ; les modèles ouverts coûtent en infrastructure ou en abonnement d’hébergement, avec un coût marginal faible une fois la capacité en place. Le point de bascule dépend de votre volume et de vos exigences de confidentialité ; il se calcule sur votre cas, pas sur des moyennes. Sur la qualité, nous ne publions pas de classement : les écarts entre modèles varient selon la tâche et la langue, et seule une comparaison sur vos propres cas d’usage est probante.

Sur les mises à jour, l’éditeur propriétaire change de modèle quand il le décide, ce qui apporte des progrès mais peut modifier le comportement de vos automatisations ; avec des poids ouverts, vous choisissez quand migrer. Sur la dépendance, enfin, un modèle ouvert hébergé en France est réversible par construction : vous pouvez changer d’hébergeur en conservant le même modèle, et la plupart des logiciels de service exposent une API compatible avec le format d’OpenAI, ce qui limite le code à réécrire. Un modèle propriétaire se quitte en renégociant un contrat et en retestant toutes ses requêtes. Le sujet rejoint celui de la souveraineté numérique européenne.

Comment choisir en pratique

Posez quatre questions. Quelles données passeront par le modèle ? Si des données de clients, de salariés, de santé ou des secrets d’affaires sont concernés, un modèle ouvert hébergé en France ou sur site est la voie la plus simple à défendre devant la CNIL et vos clients. Avez-vous besoin d’une capacité très spécifique, vision, voix, code ? Testez-la sur vos cas avant de trancher, ouvert ou non. Avez-vous les compétences pour exploiter des GPU ? Sinon, l’hébergeur français est le compromis réaliste. Quelle réversibilité voulez-vous ? Un modèle ouvert vous laisse la main ; un modèle propriétaire vous demande de faire confiance au contrat. Beaucoup de PME finissent par combiner : un modèle propriétaire pour des usages génériques sans données sensibles, un modèle ouvert hébergé en France pour tout ce qui touche aux clients.

Questions fréquentes

Sources

• Mistral AI — Models Overview, documentation officielle (licences par modèle, consultée le 25 octobre 2026)
• Mistral AI — Mistral Small 4 (16 mars 2026 : licence Apache 2.0, taille, matériel minimal)
• Meta — Llama 4 Community License Agreement (version en vigueur depuis le 5 avril 2025)
• Qwen (Alibaba Cloud) — fiche Qwen3.8-27B sur Hugging Face (licence apache-2.0, août 2026)
• Qwen — dépôt GitHub QwenLM/Qwen3 (« tous nos modèles à poids ouverts sont sous licence Apache 2.0 ») ; Mistral AI — fiches Hugging Face Mistral-Medium-3.5-128B et Mistral-Large-4-1T-A52B, consultées le 25 octobre 2026.