# ai-opensource.com > Un guide en langage clair des derniers modèles d’IA open source et à poids ouverts : ce que chacun est, sa taille, ce que sa licence autorise et quel matériel peut le faire tourner. Les faits sont vérifiés à partir de sources primaires : fiches de modèles, fichiers de licence et annonces officielles. Sauf mention contraire, les résultats de référence sont ceux communiqués par les développeurs. Texte et données publiés sous CC BY 4.0. Dernière mise à jour du catalogue : 11 novembre 2026. English: https://ai-opensource.com/llms.txt ## Modèles - [Clef](https://ai-opensource.com/fr/models/clef/): Les modèles de décision de Cloudflare : donnez-leur une situation et des questions, ils renvoient une probabilité par option d'un coup. Paramètres: 9.41B–27.4B; Fenêtre de contexte: 64K; Licence: Apache 2.0; Date de sortie: 2026-10-01. - [Confucius4-R2T2](https://ai-opensource.com/fr/models/confucius4-r2t2/): Le reconnaissant vocal en streaming de NetEase Youdao qui ne révise jamais les mots déjà validés, adapté de Qwen3-ASR-1.7B. Paramètres: 2.04B; Licence: NetEase Youdao Model Use; Date de sortie: 2026-09. - [A.X K2](https://ai-opensource.com/fr/models/a-x-k2/): MoE de SK Telecom : 688B paramètres, 33B actifs, FP8 natif et contexte de 256K. Apache 2.0, fort en maths et en coréen. Paramètres: 688B (33B actifs); Fenêtre de contexte: 256K; Licence: Apache 2.0; Date de sortie: 2026-07-29. - [Chatterbox](https://ai-opensource.com/fr/models/chatterbox/): TTS de clonage de voix 0.5B sous licence MIT de Resemble AI : Multilingual V3, 6 langues. Retiré en août 2026 : archive sans mises à jour. Paramètres: 500M; Licence: MIT; Date de sortie: 2026-06-10. - [Cosmos 3](https://ai-opensource.com/fr/models/cosmos-3/): Les world models de NVIDIA pour la robotique et la conduite, en 4B, 16B et 64B, qui lisent et écrivent texte, images, vidéo et actions. Paramètres: 3.86B–64.6B; Licence: OpenMDW-1.1; Date de sortie: 2026-05-31. - [Command A+](https://ai-opensource.com/fr/models/command-a-plus/): Le modèle d'entreprise ouvert 218B de Cohere : 25B actifs, 48 langues, images et outils, Apache 2.0, tourne sur deux H100 en 4 bits. Paramètres: 218B (25B actifs); Fenêtre de contexte: 128K; Licence: Apache 2.0; Date de sortie: 2026-05-20. - [Anima](https://ai-opensource.com/fr/models/anima/): Modèle anime et illustration de 2B par CircleStone Labs et Comfy Org. Turbo en 8–12 étapes. Poids non commerciaux. Paramètres: 2.09B; Licence: CircleStone Non-Commercial; Date de sortie: 2026-05-14. - [Cohere Transcribe](https://ai-opensource.com/fr/models/cohere-transcribe/): Le premier modèle vocal ouvert de Cohere : un spécialiste de la transcription 2B pour 14 langues, publié sous Apache 2.0. Paramètres: 2.07B; Licence: Apache 2.0; Date de sortie: 2026-03-26. - [DeepSeek-OCR 2](https://ai-opensource.com/fr/models/deepseek-ocr-2/): OCR documentaire 3.4B sous Apache 2.0 de DeepSeek : le nouvel encodeur réordonne les tokens visuels par sens, pas dans l'ordre de balayage. Paramètres: 3.39B; Licence: Apache 2.0; Date de sortie: 2026-01-27. - [ACE-Step 1.5](https://ai-opensource.com/fr/models/ace-step-1-5/): Modèle musical MIT : chansons en quelques secondes, dès 4 GB de VRAM, avec reprises, retouche partielle et plus de 50 langues. Paramètres: 2B–4B; Licence: MIT; Date de sortie: 2026-01-23. - [DeepSeek-OCR](https://ai-opensource.com/fr/models/deepseek-ocr/): L'OCR 3B sous licence MIT de DeepSeek tient une page en peu de tokens visuels : ~97% de précision de décodage à moins de 10x de compression. Paramètres: 3.34B (570M actifs); Licence: MIT; Date de sortie: 2025-10-20. ## Sélections - [Les meilleurs modèles open source d'OCR et de documents en 2026](https://ai-opensource.com/fr/best/ocr-and-document-models/): Les modèles ouverts d'OCR et de parse de documents de novembre 2026, des modèles 0.8B embarqués aux parseurs multilingues de 5B, avec leur licence et leur raison d'être. - [Les meilleurs modèles multimodaux open source en 2026 (images, vidéo et audio)](https://ai-opensource.com/fr/best/multimodal-models/): Des modèles ouverts qui lisent images, vidéo et audio en plus du texte, d'un modèle 1B embarqué aux systèmes de mille milliards de paramètres, avec licence et contexte pour chacun. - [Les modèles d'IA à poids ouverts fabriqués en Europe](https://ai-opensource.com/fr/best/open-models-made-in-europe/): Des modèles à poids ouverts de développeurs français, allemands, suisses et néerlandais, couvrant langage, image, voix, OCR et embeddings, avec la licence de chacun. - [Les modèles d'IA à poids ouverts fabriqués en Corée du Sud](https://ai-opensource.com/fr/best/open-models-made-in-korea/): Des modèles à poids ouverts de développeurs sud-coréens : les quatre modèles de langage créés pour le projet étatique d'IA souveraine, les deux modèles Raon de KRAFTON et un modèle vocal embarqué. - [Les meilleurs modèles rerankers open source en 2026](https://ai-opensource.com/fr/best/reranker-models/): Les rerankers ouverts de novembre 2026 pour la recherche et le RAG : texte seul et multimodaux, de 0.6B à 8B paramètres, avec langues, contexte, licence et taille. - [Les meilleurs modèles open source de musique et de son en 2026](https://ai-opensource.com/fr/best/music-and-sound-generation/): Les modèles ouverts de musique et de son de novembre 2026 : chansons avec voix, instrument en direct et effets sonores, avec les limites matérielles et de licence explicitées. ## Comparer les modèles - [ACE-Step 1.5 vs MiniMax Music 3 : quel modèle de chansons ouvert choisir ?](https://ai-opensource.com/fr/compare/ace-step-1-5-vs-minimax-music-3/): ACE-Step 1.5 est un modèle de chansons sous licence MIT qui fonctionne à partir d'environ 4 Go de VRAM. MiniMax Music 3, 11.1B, écrit des chansons allant jusqu'à cinq minutes et exige une GPU de 24 Go. - [Apertus 1.5 vs OLMo 3.1 : quel modèle totalement ouvert utiliser ?](https://ai-opensource.com/fr/compare/apertus-1-5-vs-olmo-3-1/): Apertus 1.5 lit du texte, des images et de l'audio avec un contexte de 262K ; OLMo 3.1 est texte seul, avec 64K et un modèle 32B. Les deux sont totalement ouverts sous Apache 2.0. - [BGE-M3 vs Granite Embedding R2 : quel modèle d'embeddings utiliser ?](https://ai-opensource.com/fr/compare/bge-m3-vs-granite-embedding-r2/): BGE-M3 est un unique modèle multilingue de 568M avec recherche dense, éparse et multi-vecteurs ; Granite Embedding R2 se compose de quatre petits modèles allant jusqu'à 32K de contexte. Comparez taille et adéquation. - [Cosmos 3 vs Wan 2.2 : quel modèle vidéo ouvert choisir ?](https://ai-opensource.com/fr/compare/cosmos-3-vs-wan-2-2/): Cosmos 3 est le modèle de monde de NVIDIA pour les robots et la conduite, avec une taille Edge de 4B ; Wan 2.2 est la famille d'Alibaba texte et image vers vidéo sous Apache 2.0, avec un modèle 5B pour GPU de 24 Go. - [DeepSeek V4 vs Hy3 : quel grand modèle ouvert utiliser ?](https://ai-opensource.com/fr/compare/deepseek-v4-vs-hy3/): DeepSeek V4 est sous licence MIT avec un contexte de 1M de tokens, en tailles 1.6T et 284B ; Hy3 est un unique modèle Apache 2.0 de 295B avec 256K. Comparez taille, contexte et licence. - [FLUX 3 Klein vs Krea 2 : quel modèle d'image choisir ?](https://ai-opensource.com/fr/compare/flux-3-image-klein-vs-krea-2/): FLUX 3 Image Klein retouche des images et tient en 8 Go avec INT8, tandis que Krea 2 dessine des images variées à partir du texte seul. Les deux sont gated, avec des plafonds de revenus de 5 et 1 millions de dollars US. - [FLUX 3 Image Klein vs Qwen-Image-2.1 : licences, mémoire et fonctionnalités](https://ai-opensource.com/fr/compare/flux-3-image-klein-vs-qwen-image-2-1/): FLUX 3 Image Klein et Qwen-Image-2.1 génèrent et retouchent des images à partir de références. Comparez leurs licences, leurs besoins en mémoire et ce que chacun fait de mieux. - [FLUX.3 Image Klein vs Z-Image : quel modèle d'image ouvert utiliser ?](https://ai-opensource.com/fr/compare/flux-3-image-klein-vs-z-image/): FLUX.3 Image Klein retouche des images à partir de jusqu'à 10 références sous une licence avec plafond de revenus ; Z-Image est du texte vers image sous Apache 2.0. Comparez édition, licence et mémoire. - [Gemma 4 vs Qwen3.8-27B : quel modèle ouvert faire tourner sur une GPU ?](https://ai-opensource.com/fr/compare/gemma-4-vs-qwen-3-8-27b/): Gemma 4 de Google et Qwen3.8-27B d'Alibaba sont des modèles Apache 2.0 qui tiennent sur une GPU. Comparez tailles, types d'entrée, besoins en mémoire et usage de chacun. - [GLM-5.3 Flash vs MiniMax M3 : quel modèle multimodal choisir ?](https://ai-opensource.com/fr/compare/glm-5-3-flash-vs-minimax-m3/): GLM-5.3 Flash : 320 milliards de paramètres, licence MIT, contexte long à bas coût ; MiniMax M3 : 428 milliards, modes de raisonnement et licence communautaire. Comparez taille et licence. - [GLM-5.3 vs DeepSeek V4.1 Flash : comparatif de deux modèles ouverts pour agents de codage](https://ai-opensource.com/fr/compare/glm-5-3-vs-deepseek-v4-1-flash/): GLM-5.3 de Z.ai et DeepSeek V4.1 Flash sont des modèles à poids ouverts pour le codage et les agents, avec un contexte d'un million de tokens. Comparez taille, mémoire requise et licences. - [GLM-OCR vs PaddleOCR-VL : quel petit analyseur de documents choisir ?](https://ai-opensource.com/fr/compare/glm-ocr-vs-paddleocr-vl/): Deux analyseurs de documents de 0.9B : GLM-OCR (MIT, SDK, extraction de formulaires) et PaddleOCR-VL (Apache 2.0, graphiques et cachets). Comparez outils, licence et scores. - [Index-Translate vs TranslateGemma : lequel choisir ?](https://ai-opensource.com/fr/compare/index-translate-vs-translategemma/): Index-Translate : 150 langues sous Apache 2.0, suit les consignes de glossaire et de ton. TranslateGemma : 55 langues sous les Conditions Gemma, bien plus téléchargé. Aucune comparaison indépendante. - [K-EXAONE 2.0 vs A.X K2 : quel modèle d'IA souveraine coréenne devriez-vous exécuter ?](https://ai-opensource.com/fr/compare/k-exaone-2-0-vs-a-x-k2/): K-EXAONE 2.0 (750 milliards, dix langues, contexte de 262K) ou A.X K2 (688 milliards, cinq langues, le plus fort en maths et en coréen) ? Les deux sont sous Apache 2.0. Comparez taille, matériel et adéquation. - [Kimi K3.1 Pro vs Qwen3.8-Max : quel modèle ouvert géant vous convient ?](https://ai-opensource.com/fr/compare/kimi-k3-1-pro-vs-qwen-3-8-max/): Kimi K3.1 Pro et Qwen3.8-Max sont les plus grands modèles à poids ouverts téléchargeables. Comparez taille, types d'entrée, mémoire requise et licences côte à côte. - [Kokoro vs Pocket TTS : quel tout petit modèle TTS ouvert utiliser ?](https://ai-opensource.com/fr/compare/kokoro-vs-pocket-tts/): Kokoro offre 54 voix fixes en 8 langues sous Apache 2.0 ; Pocket TTS clone une voix à partir de 5 secondes d'audio en 6 langues sous CC BY 4.0. Les deux tournent sur CPU. - [LTX-2.5 vs Wan 2.2 : comparatif de génération de vidéo open source](https://ai-opensource.com/fr/compare/ltx-2-5-vs-wan-2-2/): LTX-2.5 génère des vidéos avec son synchronisé, tandis que Wan 2.2 est sous Apache 2.0 et tourne sur une GPU de 24 GB. Comparez mémoire requise, licences et fonctionnalités. - [MiniCPM-OCR ou LightOnOCR-3 : quel modèle OCR Apache 2.0 choisir ?](https://ai-opensource.com/fr/compare/minicpm-ocr-vs-lightonocr-3/): MiniCPM-OCR est un modèle unique de 1.3B pour les pages en chinois et en anglais ; LightOnOCR-3 propose des tailles 4B, 1B et 0.8B avec boîtes et données de graphiques. Comparez outils et usage. - [Mistral Large 4 ou Muse Spark Open : deux modèles géants à poids ouverts](https://ai-opensource.com/fr/compare/mistral-large-4-vs-muse-spark-open/): Mistral Large 4 et Muse Spark Open sont sortis tous les deux en octobre 2026. Comparez taille, types d'entrée, besoins en mémoire et conditions de licence de chacun. - [MOSS-Image ou Z-Image : quel modèle d'image sous Apache 2.0 ?](https://ai-opensource.com/fr/compare/moss-image-vs-z-image/): MOSS-Image dessine de longs textes en chinois et en anglais et suit des mises en page JSON ; Z-Image Turbo produit des images photoréalistes en 8 étapes sur une GPU de 16 Go. Tous deux sont Apache 2.0. - [Nemotron 3.5 Lightning ou Qwen3.6 : quel modèle à 3B actifs choisir ?](https://ai-opensource.com/fr/compare/nemotron-3-5-lightning-vs-qwen-3-6/): Nemotron 3.5 Lightning est un hybride 30B-A3B pour une H100 avec un contexte de 1M ; Qwen3.6 est un duo 35B-A3B plus 27B dense avec entrée d'images. Comparez usage et résultats. - [Nemotron 3 Nano Omni ou MiniCPM-o 4.5 : quel modèle omni ouvert ?](https://ai-opensource.com/fr/compare/nemotron-3-nano-omni-vs-minicpm-o-4-5/): Le modèle omni de 31B de NVIDIA lit vidéo, audio et images et répond en texte. Le MiniCPM-o 4.5 de 9B d'OpenBMB sait aussi parler. Comparez mémoire, langues et licence. - [OmniVoice ou VoxCPM2 : quel modèle de synthèse vocale ouvert choisir ?](https://ai-opensource.com/fr/compare/omnivoice-vs-voxcpm2/): OmniVoice couvre plus de 600 langues mais ses poids sont non commerciaux ; VoxCPM2 couvre 30 langues sous Apache 2.0. Comparez langues, design de voix et licence. - [Ornith 1.5 ou Qwen3.6 : quel modèle de code agentique choisir ?](https://ai-opensource.com/fr/compare/ornith-1-5-vs-qwen-3-6/): Ornith 1.5 est un dérivé de Qwen3.5 sous licence MIT en quatre tailles ; Qwen3.6 est le duo Apache 2.0 d'Alibaba avec entrée d'images. Comparez tailles, licences et preuves. - [Parakeet TDT 0.6B v3 ou Cohere Transcribe : lequel choisir ?](https://ai-opensource.com/fr/compare/parakeet-tdt-0-6b-v3-vs-cohere-transcribe/): Parakeet v3 couvre 25 langues européennes avec horodatages sous CC BY 4.0 ; Cohere Transcribe couvre 14 langues, dont le chinois, le japonais et le coréen, sous Apache 2.0. - [PLaMo 3 Translate vs Hy-MT2 : quel modèle de traduction ouvert choisir ?](https://ai-opensource.com/fr/compare/plamo-3-translate-vs-hy-mt2/): PLaMo 3 Translate couvre 53 langues sous une licence avec plafond de chiffre d'affaires ; Hy-MT2 en couvre 33 sous Apache 2.0 pur et sa communauté est bien plus vaste. Les graphiques de PFN elle-même avantagent PLaMo. - [Qwen3-ASR vs Voxtral Realtime : quel modèle de transcription en streaming utiliser ?](https://ai-opensource.com/fr/compare/qwen3-asr-vs-voxtral-realtime/): Qwen3-ASR couvre 30 langues plus 22 dialectes chinois avec horodatage ; Voxtral Realtime est un seul modèle 4B avec un délai de 80 ms à 2,4 s. Comparez langues et latence. - [Qwen3-Embedding vs EmbeddingGemma 2 : lequel utiliser ?](https://ai-opensource.com/fr/compare/qwen3-embedding-vs-embeddinggemma-2/): Qwen3-Embedding traite texte et code en trois tailles ; EmbeddingGemma 2 réunit texte, images, audio et vidéo dans un même espace. Comparez contexte, taille et licences. - [Ripple-65B vs Nanbeige4.3-33B : quel nouveau modèle d'agent ?](https://ai-opensource.com/fr/compare/ripple-65b-vs-nanbeige-4-3-33b/): Ripple-65B Preview est un modèle dense de 65B avec un contexte de 1M sous Apache 2.0 ; Nanbeige4.3-33B est un modèle de 33B avec un contexte de 512K et une build INT4 de 23 GB. - [S2 Pro vs Higgs TTS 3 : quel modèle TTS non commercial ?](https://ai-opensource.com/fr/compare/s2-pro-vs-higgs-tts-3/): Le S2 Pro de Fish Audio et le Higgs TTS 3 de Boson sont tous deux des modèles texte-à-parole de 4.6B avec balises en ligne et clonage, et tous deux non commerciaux. Comparez licences et matériel. - [Solar Open 2 vs Motif 3 : quel modèle d'agent coréen exécuter ?](https://ai-opensource.com/fr/compare/solar-open-2-vs-motif-3/): Solar Open 2 a 250B de paramètres, un contexte de 1M et une règle de nommage ; Motif 3 a 314B, un contexte de 256K et la licence MIT pure. Comparez matériel, langues et licences. - [Stable Audio 3 vs MOSS-SoundEffect v2.0 : quel modèle d'effets sonores ouvert ?](https://ai-opensource.com/fr/compare/stable-audio-3-vs-moss-soundeffect-v2/): Stable Audio 3 produit musique et effets jusqu'à 6 min 20 s en huit étapes, gratuit sous 1 M US$ de revenus. MOSS-SoundEffect v2.0 produit des effets de 30 secondes sous Apache 2.0. - [Whisper large-v3-turbo vs Nemotron 3.5 Transcribe : lequel utiliser ?](https://ai-opensource.com/fr/compare/whisper-large-v3-turbo-vs-nemotron-3-5-transcribe/): Whisper large-v3-turbo est petit et très répandu ; Nemotron 3.5 Transcribe ajoute des étiquettes de locuteur et un style piloté par prompt. Comparez mémoire, langues et licences. - [ZONOS3-Mini vs Drama 3 : quel nouveau modèle TTS ouvert ?](https://ai-opensource.com/fr/compare/zonos3-mini-vs-drama-3/): ZONOS3-Mini est un modèle Apache 2.0 de 800M pour 43 langues qui tourne dans un navigateur. Drama 3 est un modèle de 36B pour 83 langues, gratuit seulement sous 500 k US$ de revenus. ## Licences - [Apache License 2.0](https://ai-opensource.com/fr/licenses/apache-2-0/): L'une des licences permissives les plus utilisées. Vous pouvez utiliser et modifier le modèle et vendre des produits construits à partir de lui avec seulement quelques conditions légères. - [bilibili Model Use License Agreement](https://ai-opensource.com/fr/licenses/bilibili-model-use/): La licence de Bilibili pour IndexTTS, vers laquelle pointent à la fois la fiche du modèle IndexTTS-2.5 et le dépôt GitHub. Elle permet d'utiliser, de modifier, d'entraîner avec, de distribuer le modèle et d'en créer des dérivés, dans le monde entier et sans redevances. Le texte n'interdit pas de manière générale l'usage commercial, mais un utilisateur ou un affilié dépassant 100 millions d'utilisateurs actifs mensuels ou 1 milliard de RMB de revenus annuels doit obtenir une licence écrite distincte. - [Boson Higgs TTS 3 Research and Non-Commercial License](https://ai-opensource.com/fr/licenses/boson-higgs-non-commercial/): La licence de Boson AI pour les poids de Higgs TTS 3, mise à jour pour la dernière fois le 8 juillet 2026. Elle se présente comme une licence à code visible (source-available) et non comme une licence open source. L'usage en recherche et non commercial est gratuit, et toute finalité commerciale nécessite une licence écrite distincte de Boson. La seule exception est une autorisation d'usage pour créateurs (Creator Use Grant), qui permet aux créateurs numériques de réaliser et de monétiser des podcasts, vidéos, livres audio et publications sociales avec l'audio du modèle s'ils créditent « Boson AI's Higgs Audio ». - [BreezeBlue Research and Non-Commercial License Agreement v1.1](https://ai-opensource.com/fr/licenses/breezeblue-non-commercial/): La licence des poids de Breeze TTS 2, version 1.1 du 1er septembre 2026, émise par Resonia, Inc., qui exploite l'activité sous le nom BreezeBlue. Elle est gratuite pour la recherche et l'usage non commercial et ne concède aucun droit commercial, sans seuil de revenus ni exception pour créateurs. L'audio que vous produisez avec les poids ouverts est soumis aux mêmes limites. - [Creative Commons Attribution 4.0 (CC BY 4.0)](https://ai-opensource.com/fr/licenses/cc-by-4-0/): Une licence Creative Commons qui permet à quiconque de copier, partager et adapter l'œuvre à n'importe quelle fin, y compris commerciale, à condition de créditer l'auteur. Elle a été rédigée pour des œuvres créatives et des données plutôt que pour des logiciels, mais certaines publications de voix et de données l'utilisent pour les poids du modèle. - [Creative Commons Attribution-NonCommercial (CC BY-NC)](https://ai-opensource.com/fr/licenses/cc-by-nc/): Une licence Creative Commons qui permet à quiconque de copier, partager et adapter l'œuvre avec crédit, mais uniquement à des fins non commerciales. Certaines fiches de modèles la citent sans numéro de version, et la version actuelle est la 4.0. - [CircleStone Labs Non-Commercial License v1.2](https://ai-opensource.com/fr/licenses/circlestone-non-commercial/): La licence des modèles d'images Anima de CircleStone Labs. Les poids sont gratuits uniquement pour un usage non commercial, mais les images que vous générez peuvent être utilisées commercialement. Héberger le modèle contre paiement, ou l'intégrer à un produit monétisé, nécessite une licence commerciale distincte de CircleStone Labs. - [AI Pubs Open RAIL-M License (Modified, Datalab)](https://ai-opensource.com/fr/licenses/datalab-openrail-m/): Une licence Open RAIL-M modifiée. Gratuite pour la recherche et l'usage personnel, et pour l'usage commercial uniquement pour des organisations réalisant moins de 2 millions de dollars US de revenus l'année précédente et ayant levé moins de 2 millions de dollars US au total. Elle interdit aussi d'utiliser le modèle pour concurrencer Datalab et exige que les dérivés et les sorties portent la même licence. - [AI Pubs Open RAIL-M License (Modified, Datalab Surya)](https://ai-opensource.com/fr/licenses/datalab-surya-openrail-m/): La même licence Open RAIL-M modifiée que celle des modèles Chandra de Datalab, avec des limites plus élevées. Gratuite pour la recherche et l'usage personnel, et pour l'usage commercial uniquement pour des organisations réalisant moins de 5 millions de dollars US de revenus l'année précédente et ayant levé moins de 5 millions de dollars US au total. Elle interdit aussi d'utiliser le modèle pour concurrencer Datalab et exige que les dérivés et les sorties portent la même licence. - [ERNIE 5.5 Flash Base Model License Agreement v1.0](https://ai-opensource.com/fr/licenses/ernie-5-5-flash-base/): Gratuit pour un usage non commercial, et gratuit pour un usage commercial jusqu'à 50 millions de dollars US de revenus annuels liés si vous affichez « Powered by ERNIE » et envoyez à Baidu une notification unique, mais uniquement hors UE, Royaume-Uni et Corée du Sud. Au-delà de 50 millions de dollars US, vous avez besoin de l'autorisation écrite de Baidu. - [Fish Audio Community License Agreement 1.0](https://ai-opensource.com/fr/licenses/fish-audio-community/): Gratuit pour la recherche et l'usage non commercial, et gratuit pour un usage commercial tant que vous et vos affiliés gagnez moins de 500 000 dollars US par an. Au-delà, ou pour proposer le modèle à d'autres comme service de synthèse vocale, de clonage de voix ou d'inférence, quelle que soit la taille, vous avez besoin d'une licence écrite distincte de Fish Audio. Vous devez afficher « Built with Fish Audio », vous ne pouvez pas cloner la voix d'une personne réelle sans consentement, ni utiliser le modèle ou son audio pour entraîner d'autres modèles de parole ou modèles fondateurs. - [Fish Audio Research License Agreement](https://ai-opensource.com/fr/licenses/fish-audio-research/): La licence de Fish Audio pour les poids de S2 Pro, mise à jour pour la dernière fois le 7 mars 2026. L'usage en recherche et non commercial est gratuit, y compris les projets de loisir, l'évaluation et les tests. Toute finalité commerciale, y compris les opérations internes de votre propre organisation, nécessite une licence écrite distincte de Fish Audio. Si vous partagez les poids ou un dérivé, vous transmettez l'accord, conservez une mention de crédit à 39 AI, Inc. et affichez « Built with Fish Audio ». - [FLUX Kommunity License v1.0](https://ai-opensource.com/fr/licenses/flux-kommunity/): La licence de Black Forest Labs pour ses poids ouverts de FLUX 3. Elle est gratuite pour l'usage personnel et non commercial, et gratuite pour l'usage commercial uniquement pour les « Qualifying Users », c'est-à-dire si vous et vos filiales réalisez moins de 5 millions de dollars US de chiffre d'affaires annuel. Les entreprises plus grandes ont besoin d'une licence commerciale ou de l'API payante. - [Gemma Terms of Use](https://ai-opensource.com/fr/licenses/gemma-terms/): La licence sur mesure de Google pour les modèles Gemma publiés avant Gemma 4, TranslateGemma inclus. Elle autorise l'usage commercial, les modifications et la redistribution sans plafond de revenus, mais chaque copie et chaque dérivé doit reprendre les mêmes restrictions d'usage, et Google peut restreindre un usage qu'il estime contraire aux termes. - [GLM-5.3 License](https://ai-opensource.com/fr/licenses/glm-5-3/): Proche de la licence MIT. La seule condition supplémentaire concerne les très grandes activités d'hébergement. Un opérateur de modèle-en-tant-que-service dépassant 10 milliards de dollars US de chiffre d'affaires doit passer une revue de sécurité de Z.AI. Tous les autres peuvent la traiter comme du MIT. - [Ideogram Non-Commercial Model Agreement](https://ai-opensource.com/fr/licenses/ideogram-non-commercial/): La licence d'Ideogram pour les poids d'Ideogram 4, mise à jour pour la dernière fois le 3 juin 2026. Les poids sont gratuits uniquement à des fins non commerciales, définies de manière stricte par le texte. Une entreprise peut tester et prototyper, mais pas déployer, et générer des images pour des produits qui rapportent de l'argent est exclu. L'usage commercial exige un accord distinct qu'Ideogram peut accorder ou refuser à sa guise. - [Kimi K3 License](https://ai-opensource.com/fr/licenses/kimi-k3/): Une licence de type MIT avec deux conditions d'échelle. La plupart des entreprises peuvent l'utiliser commercialement sans rien demander, mais les grandes activités d'hébergement ont besoin d'un accord et les très gros produits doivent citer le modèle. Kimi K3.1 Pro applique les mêmes termes sous son propre nom. - [Krea 2 Community License Agreement v1](https://ai-opensource.com/fr/licenses/krea-2-community/): La licence de Krea pour les poids de Krea 2 Raw et Turbo, datée du 22 juin 2026. Vous pouvez utiliser, modifier et partager les modèles et créer des dérivés, et l'usage commercial n'est permis que tant que vous et vos filiales gagnez moins d'un million de dollars US par an. Les organisations plus grandes ont besoin d'une licence entreprise de Krea. - [LFM Open License v1.0](https://ai-opensource.com/fr/licenses/lfm-open-1-0/): Une licence de type Apache 2.0 de Liquid AI avec un piège de taille. L'usage commercial n'est couvert que tant que votre entreprise, filiales comprises, gagne moins de 10 millions de dollars US par an. Au-delà de cette limite, vous n'êtes pas licencié et avez besoin de votre propre accord. - [LTX-2 Community License Agreement](https://ai-opensource.com/fr/licenses/ltx-2-community/): La licence sur mesure pour LTX-2 et LTX-2.3, datée du 5 janvier 2026. Les organisations dont les revenus annuels sont inférieurs à 10 millions de dollars US peuvent utiliser, modifier et héberger les modèles pour tout usage, sous réserve d'une liste d'usages interdits. Les organisations à ce niveau ou au-delà ont besoin d'un accord commercial payant. LTX-2.5 relève plutôt de la licence plus récente LTX-2.x. - [LTX-2.x Community License Agreement](https://ai-opensource.com/fr/licenses/ltx-2x-community/): Une licence sur mesure pour les modèles vidéo LTX. Les organisations dont les revenus annuels sont inférieurs à 10 millions de dollars US peuvent utiliser, modifier et héberger le modèle pour tout usage ; les organisations à ce niveau ou au-delà ont besoin d'une licence commerciale payante, mais peuvent toujours l'évaluer hors production. - [MiniMax Community License](https://ai-opensource.com/fr/licenses/minimax-community/): Une licence qui accorde des droits pour des usages non commerciaux puis détaille les étapes de l'usage commercial. Affichez une mention de crédit, envoyez une notification et obtenez une autorisation écrite si votre produit gagne plus de 20 millions de dollars US par an. L'usage militaire est interdit. Faites une lecture juridique avant de lancer un produit dessus. - [MiniMax H3 Community License Agreement](https://ai-opensource.com/fr/licenses/minimax-h3-community/): Une licence communautaire qui vous permet d'utiliser, modifier et distribuer MiniMax H3, mais uniquement dans le « Territoire applicable », c'est-à-dire le monde entier hors Union européenne, Royaume-Uni, Corée du Sud et États-Unis. Les produits commerciaux gagnant plus de 20 millions de dollars US par an ont besoin de l'autorisation écrite de MiniMax, tout produit commercial doit afficher « MiniMax H3 » dans son interface, et vous ne pouvez pas utiliser le modèle ni ses résultats pour entraîner d'autres modèles d'IA. Demandez un avis juridique, surtout si vous ou vos utilisateurs êtes dans une région exclue. - [MiniMax-H3-Image Community License Agreement](https://ai-opensource.com/fr/licenses/minimax-h3-image-community/): Construite sur la licence de MiniMax H3, avec un seuil commercial bien plus bas. Vous ne pouvez utiliser, modifier et distribuer MiniMax-H3-Image que dans le « Territoire applicable » (le monde hors Union européenne, Royaume-Uni, Corée du Sud et États-Unis). Vous avez besoin de l'autorisation écrite de MiniMax si vous et vos filiales gagnez plus d'un million de dollars US par an, ou si vous offrez le modèle en tant que service hébergé à d'autres. Demandez un avis juridique avant de bâtir une activité dessus. - [MiniMax M2.7 Non-Commercial License](https://ai-opensource.com/fr/licenses/minimax-m2-7-non-commercial/): Une licence de type MIT qui ne couvre que l'usage non commercial. L'usage personnel, y compris l'auto-hébergement pour coder et créer vos propres outils, ainsi que l'usage à but non lucratif, académique et de recherche sont gratuits. Tout usage commercial exige une autorisation écrite préalable distincte de MiniMax, et là où il est autorisé vous devez afficher « Built with MiniMax M2.7 ». - [MiniMax Model License (M2.5)](https://ai-opensource.com/fr/licenses/minimax-model-license/): Une licence limitée de type permissif de MiniMax, avec une date de version au 13 février 2026. Elle accorde un droit mondial, sans redevances, d'utiliser, copier, distribuer, modifier et faire des œuvres dérivées du modèle, sans plafond de revenus dans le texte. Vous devez transmettre l'accord, marquer les fichiers modifiés, conserver la mention d'attribution de MiniMax et suivre une politique d'usages prohibés. La fiche du modèle et les métadonnées Hugging Face l'appellent Modified-MIT, mais le fichier de licence du dépôt s'intitule MiniMax Model License. - [MiniMax-Music3 Community License](https://ai-opensource.com/fr/licenses/minimax-music3-community/): Une licence de type MIT avec des conditions commerciales. Vous pouvez utiliser, modifier et distribuer MiniMax Music 3, mais un produit commercial doit afficher « MiniMax-Music3 » dans son interface, et une entreprise qui tire plus de 20 millions de dollars US par an de produits qui l'utilisent doit obtenir une autorisation écrite. Quiconque propose le modèle à d'autres doit aussi maintenir des mesures de protection contre les sorties portant atteinte à des droits. Une longue politique d'usage acceptable s'applique. - [Mistral Ecosystem Open-Weight License](https://ai-opensource.com/fr/licenses/mistral-open-weight/): Une licence MIT modifiée. Vous pouvez utiliser le modèle et construire dessus librement, mais toute activité qui vend un accès hébergé au modèle doit obtenir une licence commerciale distincte de Mistral, sans seuil de revenus. - [MIT License](https://ai-opensource.com/fr/licenses/mit/): La licence permissive la plus courte et la plus simple. Vous pouvez faire presque tout ce que vous voulez avec le modèle tant que vous conservez la mention de copyright et la licence. - [Modified MIT License (Moonshot AI)](https://ai-opensource.com/fr/licenses/moonshot-modified-mit/): La licence MIT standard avec une phrase ajoutée. N'importe qui peut utiliser, modifier et vendre le modèle, et seuls les très grands produits (plus de 100 millions d'utilisateurs actifs mensuels ou plus de 20 millions de dollars US de revenus mensuels) doivent afficher le nom du modèle dans leur interface. - [Muse Model License](https://ai-opensource.com/fr/licenses/muse-model-license/): La licence de Meta pour Muse Spark Open. La plupart des entreprises peuvent l'utiliser commercialement, mais une activité qui vend un accès hébergé au-delà de 20 millions de dollars US de revenus doit signer un accord distinct, et tout le monde doit afficher « Built with Muse Spark Open ». Le téléchargement est soumis à approbation. - [NetEase Youdao Model Use License Agreement](https://ai-opensource.com/fr/licenses/netease-youdao-model-use/): La licence du système de reconnaissance vocale Confucius4-R2T2 de NetEase Youdao. L'usage commercial est autorisé, sauf si vous ou une filiale avez eu plus de 100 millions d'utilisateurs actifs mensuels ou plus de 1 milliard de RMB de revenus annuels, auquel cas il faut une licence distincte. Elle interdit aussi d'utiliser le modèle pour améliorer d'autres modèles d'IA, hors modèles non commerciaux, et proscrit les usages à haut risque. - [NVIDIA License (non-commercial)](https://ai-opensource.com/fr/licenses/nvidia-license-non-commercial/): La courte licence de NVIDIA réservée à la recherche, telle que livrée avec LocateAnything-3B. Vous pouvez utiliser, copier, modifier et partager l'œuvre, mais seulement de manière non commerciale, ce que le texte définit comme exclusivement des fins de recherche ou d'évaluation. NVIDIA et ses filiales conservent le droit de l'utiliser commercialement. - [NVIDIA Nemotron Open Model License](https://ai-opensource.com/fr/licenses/nvidia-nemotron-open-model/): Une licence permissive de style Apache de NVIDIA. L'usage commercial, les œuvres dérivées et la redistribution sont autorisés, NVIDIA ne revendique aucune propriété des sorties, et les principales obligations sont de transmettre la licence et de conserver les mentions. - [NVIDIA Open Model Agreement](https://ai-opensource.com/fr/licenses/nvidia-open-model/): Un accord permissif de style Apache de NVIDIA, publié le 2 avril 2026. NVIDIA confirme que ses œuvres sont utilisables commercialement, que vous pouvez créer et distribuer des œuvres dérivées et qu'il ne revendique aucune propriété des sorties. Les principales obligations sont de transmettre l'accord et de conserver les mentions. - [OpenMDW License Agreement 1.1](https://ai-opensource.com/fr/licenses/openmdw-1-1/): Une licence permissive et courte rédigée pour les modèles de machine learning par la Linux Foundation et la PyTorch Foundation. Elle couvre ensemble le modèle, ses données, sa documentation et son logiciel, et n'impose aucune restriction à ce que vous faites des sorties du modèle. - [BigScience Open RAIL-M License](https://ai-opensource.com/fr/licenses/openrail-m/): La licence Open RAIL-M standard rédigée par BigScience en août 2022. Elle accorde gratuitement des droits de copyright et de brevet valables dans le monde entier, y compris l'hébergement du modèle en tant que service, mais lie chaque copie et chaque dérivé à une liste d'usages interdits, comme enfreindre la loi, se faire passer pour quelqu'un sans son consentement, donner des conseils médicaux ou prendre des décisions entièrement automatisées sur les droits légaux des personnes. - [PLaMo Community License Agreement](https://ai-opensource.com/fr/licenses/plamo-community/): Une licence communautaire japonaise pour les modèles PLaMo. L'usage personnel et académique est gratuit. L'usage commercial n'est gratuit qu'après enregistrement auprès de Preferred Networks et tant que vous et vos sociétés affiliées ne dépassez pas 1 milliard de yens de revenus ou de ventes annuels ; au-delà, un accord séparé est nécessaire. Si vous remettez le modèle ou un modèle dérivé à d'autres, vous devez afficher « Built with PLaMo » et conserver « PLaMo » dans les noms des modèles que vous créez. - [Qwen3.8-Max License](https://ai-opensource.com/fr/licenses/qwen-3-8-max/): Une licence de type MIT de l'équipe Qwen d'Alibaba pour son modèle phare. Gratuite pour presque tout le monde, avec une règle de mention du nom pour les très grands produits et un accord séparé pour les grandes activités d'hébergement et d'assistants de travail IA. - [Qwen Community License 1.0](https://ai-opensource.com/fr/licenses/qwen-community-1-0/): Une licence de type MIT avec une règle d'hébergement plus stricte que la Qwen3.8-Max License. Vous pouvez créer librement des produits avec le modèle, mais quiconque exploite une activité de « modèle en tant que service » ou d'« assistant de travail IA » a besoin d'une licence séparée, quel que soit son revenu. - [Qwen Research License Agreement](https://ai-opensource.com/fr/licenses/qwen-research/): La licence d'Alibaba réservée à la recherche. Vous pouvez utiliser, modifier et partager le modèle pour la recherche ou l'évaluation, mais tout usage commercial exige une licence séparée de Qwen. L'API hébergée d'Alibaba est la voie commerciale habituelle. - [Stability AI Community License](https://ai-opensource.com/fr/licenses/stability-ai-community/): La licence de Stability AI pour ses modèles ouverts. La recherche et l'usage non commercial sont gratuits, et l'usage commercial l'est aussi tant que vous et vos sociétés affiliées gagnez moins de 1 million de dollars US par an, mais les utilisateurs commerciaux doivent s'enregistrer auprès de Stability AI et afficher « Powered by Stability AI ». Au-delà de 1 million de dollars US, la licence prend fin et vous devez demander une licence entreprise. Les sorties vous appartiennent, dans la mesure où le droit le permet. - [Stellon Labs Community License Agreement](https://ai-opensource.com/fr/licenses/stellon-labs-community/): La licence des poids de KittenTTS 2 de KittenML, dont le texte est daté du 5 juillet 2024. La recherche, l'usage non commercial et l'usage commercial limité sont gratuits. Les utilisateurs commerciaux doivent s'enregistrer auprès de Stellon Labs, et l'octroi commercial prend fin dès que vous ou vos sociétés affiliées dépassez 1 million de dollars US de revenus annuels ou de financement total. - [StepFun Model License 1.0](https://ai-opensource.com/fr/licenses/stepfun-model-1-0/): Une licence spécifique qui vous permet d'utiliser, modifier, distribuer et sous-licencier Step 5 Preview gratuitement, y compris commercialement. Les fabricants de matériel qui intègrent le modèle dans des téléphones, véhicules, lunettes, wearables, robots ou appareils de maison connectée ont besoin d'une licence commerciale séparée, de même que toute activité offrant un modèle en tant que service avec plus de 20 millions de dollars US de revenus annuels. Un produit comptant plus de 100 millions d'utilisateurs actifs, ou plus de 20 millions de dollars US de revenus sur un mois, doit afficher « Powered by StepFun AI ». Les modèles entraînés dans une mesure notable sur les sorties du modèle comptent comme œuvres dérivées. - [Tencent Hunyuan Community License](https://ai-opensource.com/fr/licenses/tencent-hunyuan-community/): Une licence libre de redevances avec de vraies limites. Elle n'est valable qu'en dehors de l'Union européenne, du Royaume-Uni et de la Corée du Sud, les grands services comptant plus de 100 millions d'utilisateurs mensuels doivent d'abord demander à Tencent, et vous ne pouvez pas utiliser le modèle ni ses sorties pour améliorer d'autres modèles d'IA. - [Upstage Solar License](https://ai-opensource.com/fr/licenses/upstage-solar/): Apache 2.0 avec une règle en plus. Vous pouvez utiliser le modèle commercialement et construire librement par-dessus, mais un modèle d'IA que vous créez à partir de lui et distribuez doit porter un nom commençant par « Solar » et doit afficher les mots « Built with Solar ». - [webAI Non-Commercial License ver. 1.0](https://ai-opensource.com/fr/licenses/webai-non-commercial/): Une courte licence que webAI, Inc. applique à ses modèles TwIL. Elle accorde une licence de copyright perpétuelle, mondiale et libre de redevances pour utiliser, modifier et partager les poids, mais uniquement à des fins de recherche et d'éducation non commerciales. La même limite accompagne chaque œuvre dérivée. ## Glossaire - [Mémoire d'agent (Agent memory)](https://ai-opensource.com/fr/glossary/agent-memory/): La mémoire d'agent permet à un agent d'IA de conserver des faits, des préférences et des expériences passées d'une session à l'autre, au lieu de repartir d'un contexte vide. - [Codage agentique (Agentic coding)](https://ai-opensource.com/fr/glossary/agentic-coding/): Le codage agentique désigne un modèle qui travaille sur un logiciel comme un développeur : il lit le code, modifie des fichiers, exécute des commandes et des tests, et continue jusqu'à ce que la tâche soit terminée. - [Agent d'IA](https://ai-opensource.com/fr/glossary/ai-agent/): Un agent d'IA est un système dans lequel un modèle planifie et exécute des tâches en plusieurs étapes en appelant des outils, comme exécuter du code, chercher sur le web ou modifier des fichiers. - [Modèle de base (Base model)](https://ai-opensource.com/fr/glossary/base-model/): Un modèle de base est le résultat brut du pré-entraînement, avant qu'on ne lui ait appris à suivre des instructions ou à dialoguer ; c'est le point de départ habituel du fine-tuning. - [Benchmark (test de référence)](https://ai-opensource.com/fr/glossary/benchmark/): Un benchmark est un test standardisé servant à comparer des modèles, comme une série de questions de mathématiques, de code ou de connaissances ; les scores sont utiles mais faciles à surestimer. - [Guidage sans classifieur (CFG)](https://ai-opensource.com/fr/glossary/classifier-free-guidance/): Le guidage sans classifieur, généralement appelé CFG, est un réglage des modèles de diffusion qui contrôle à quel point le résultat suit strictement votre prompt, au prix d'un calcul supplémentaire. - [Agent d'utilisation de l'ordinateur (Computer-use agent)](https://ai-opensource.com/fr/glossary/computer-use-agent/): Un agent d'utilisation de l'ordinateur regarde des captures d'écran et manipule l'ordinateur comme le ferait une personne : en cliquant, tapant et défilant, et parfois en exécutant des commandes shell ou du code. - [Fenêtre de contexte](https://ai-opensource.com/fr/glossary/context-window/): La fenêtre de contexte est la quantité maximale de texte, mesurée en tokens, qu'un modèle peut prendre en compte à la fois, y compris votre prompt et sa propre réponse. - [Modèle de décision](https://ai-opensource.com/fr/glossary/decision-model/): Un modèle de décision lit une situation et une liste de questions, puis renvoie une probabilité pour chaque réponse autorisée au lieu de rédiger du texte. - [Modèle dense](https://ai-opensource.com/fr/glossary/dense-model/): Un modèle dense utilise tous ses paramètres pour traiter chaque token, contrairement à un modèle de mélange d'experts, qui n'en active qu'une partie. - [Modèle de diffusion](https://ai-opensource.com/fr/glossary/diffusion-model/): Un modèle de diffusion génère des images ou des vidéos en partant d'un bruit aléatoire et en retirant le bruit étape par étape jusqu'à ce qu'une image apparaisse. - [Distillation](https://ai-opensource.com/fr/glossary/distillation/): La distillation entraîne un modèle élève plus petit à imiter un modèle professeur plus grand, en conservant une grande partie de ses capacités pour une fraction de sa taille. - [Attention efficace (sparse, linéaire et hybride)](https://ai-opensource.com/fr/glossary/efficient-attention/): Les conceptions d'attention efficace permettent à un modèle de lire des entrées très longues avec bien moins de mémoire et de calcul que l'attention standard, en regardant moins de tokens ou en compressant le passé. - [Modèle d'embeddings](https://ai-opensource.com/fr/glossary/embedding-model/): Un modèle d'embeddings transforme du texte, des images ou d'autres données en une liste de nombres qui capture leur sens, si bien que les éléments semblables se retrouvent proches les uns des autres. - [Fine-tuning (ajustement fin)](https://ai-opensource.com/fr/glossary/fine-tuning/): Le fine-tuning poursuit l'entraînement d'un modèle pré-entraîné sur vos propres exemples pour qu'il se comporte mieux sur une tâche, un style ou un domaine précis. - [Modèle à accès restreint (gated model)](https://ai-opensource.com/fr/glossary/gated-model/): Un modèle à accès restreint (gated model) est un modèle ouvert dont le téléchargement sur Hugging Face exige d'abord de se connecter et d'accepter ses conditions, ou de demander l'accès. - [GGUF](https://ai-opensource.com/fr/glossary/gguf/): GGUF est un format de modèle en fichier unique utilisé par llama.cpp et les outils construits dessus, qui regroupe les poids quantisés avec les informations nécessaires à leur exécution. - [Hallucination](https://ai-opensource.com/fr/glossary/hallucination/): Une hallucination est une affirmation fausse ou inventée qu'un modèle d'IA avance avec assurance. - [Hugging Face](https://ai-opensource.com/fr/glossary/hugging-face/): Hugging Face est le site où sont publiés la plupart des modèles ouverts : chaque modèle y a une page avec ses fichiers, sa licence, sa model card et son nombre de téléchargements. - [Inférence](https://ai-opensource.com/fr/glossary/inference/): L'inférence consiste à exécuter un modèle entraîné pour obtenir une sortie, par exemple répondre à un prompt, par opposition à son entraînement. - [Cache KV](https://ai-opensource.com/fr/glossary/kv-cache/): Le cache KV est la mémoire qu'utilise un modèle pour se souvenir des tokens précédents d'une conversation, et il grandit avec la longueur du contexte. - [Transformer bouclé (looped transformer)](https://ai-opensource.com/fr/glossary/looped-transformer/): Un transformer bouclé réexécute certaines de ses propres couches plusieurs fois pour chaque token, gagnant ainsi du calcul sans stocker davantage de paramètres. - [LoRA (adaptation de bas rang)](https://ai-opensource.com/fr/glossary/lora/): LoRA, sigle de low-rank adaptation, ajuste un modèle en entraînant un petit ensemble de poids ajoutés au lieu de modifier tous ses paramètres. - [Traduction automatique](https://ai-opensource.com/fr/glossary/machine-translation/): La traduction automatique est un logiciel qui traduit du texte, de la parole ou du texte présent dans des images d'une langue vers une autre. Les modèles ouverts d'aujourd'hui partent généralement d'un modèle général, ensuite entraîné uniquement à traduire. - [Embeddings matriochka](https://ai-opensource.com/fr/glossary/matryoshka-embeddings/): Les embeddings matriochka sont entraînés pour que la première partie du vecteur fonctionne seule, ce qui permet de raccourcir le vecteur pour économiser stockage et temps de recherche. - [Mélange d'experts (MoE)](https://ai-opensource.com/fr/glossary/mixture-of-experts/): Un modèle à mélange d'experts contient de nombreux sous-réseaux spécialisés et n'en utilise que quelques-uns pour chaque token, si bien qu'il peut être très grand tout en restant rapide. - [MTEB (benchmark d'embeddings)](https://ai-opensource.com/fr/glossary/mteb/): MTEB, le Massive Text Embedding Benchmark, note les modèles d'embeddings sur de nombreuses tâches comme la recherche, la classification et le clustering, et son classement public est un moyen courant de les comparer. - [Modèle multimodal](https://ai-opensource.com/fr/glossary/multimodal-model/): Un modèle multimodal peut traiter plus d'un type de données, comme du texte, des images, de l'audio ou de la vidéo, en entrée, en sortie ou les deux. - [Génération de musique](https://ai-opensource.com/fr/glossary/music-generation/): Les modèles de génération de musique transforment une description en texte, souvent avec des paroles, en audio : chansons complètes avec voix, pistes instrumentales, musique en flux continu ou effets sonores. - [Licence non commerciale](https://ai-opensource.com/fr/glossary/non-commercial-license/): Une licence non commerciale vous permet d'utiliser un modèle pour la recherche, l'étude et les projets personnels, mais pas pour en tirer de l'argent. - [OCR et analyse de documents](https://ai-opensource.com/fr/glossary/ocr/): L'OCR transforme l'image d'un texte en texte ; l'analyse de documents va plus loin et reconstruit tableaux, formules, graphiques et ordre de lecture, généralement en Markdown. - [OmniDocBench](https://ai-opensource.com/fr/glossary/omnidocbench/): OmniDocBench est un benchmark d'analyse de documents : il note la capacité d'un modèle à convertir des pages PDF de nombreux types en texte, tableaux et formules. - [IA sur l'appareil (on-device)](https://ai-opensource.com/fr/glossary/on-device-ai/): L'IA sur l'appareil signifie que le modèle s'exécute sur votre propre téléphone, ordinateur portable ou petite carte, plutôt que dans le cloud ; les données restent locales et tout fonctionne hors ligne. - [IA open source](https://ai-opensource.com/fr/glossary/open-source-ai/): L'IA open source, au sens de la définition de l'Open Source Initiative, est un système d'IA que vous pouvez utiliser, étudier, modifier et partager librement, avec les poids, le code et des informations détaillées sur les données d'entraînement tous disponibles. - [Poids ouverts (open weights)](https://ai-opensource.com/fr/glossary/open-weights/): Un modèle à poids ouverts est un modèle d'IA dont les paramètres entraînés, appelés poids, sont publiés afin que chacun puisse le télécharger et l'exécuter, généralement sous une licence qui fixe les conditions d'utilisation. - [API compatible avec OpenAI](https://ai-opensource.com/fr/glossary/openai-compatible-api/): Une API compatible avec OpenAI est un serveur qui accepte les mêmes requêtes que l'API d'OpenAI, de sorte que les applications écrites pour elle peuvent utiliser un modèle ouvert à la place. - [OpenRAIL (licence d'IA responsable)](https://ai-opensource.com/fr/glossary/openrail/): OpenRAIL est une famille de licences qui vous laissent utiliser, modifier et partager un modèle, y compris commercialement, mais exigent que chaque copie et dérivé porte une liste d'usages interdits. - [Paramètres](https://ai-opensource.com/fr/glossary/parameters/): Les paramètres sont les nombres à l'intérieur d'un modèle qui sont ajustés pendant l'entraînement ; leur compte, comme 7B ou 70B, est la mesure habituelle de la taille d'un modèle. - [Licence permissive](https://ai-opensource.com/fr/glossary/permissive-license/): Une licence permissive, comme Apache 2.0 ou MIT, vous laisse utiliser, modifier et vendre un modèle avec très peu de conditions, généralement seulement conserver une mention. - [Précision (BF16, FP8, INT4)](https://ai-opensource.com/fr/glossary/precision/): La précision est le nombre de bits utilisés pour stocker chaque nombre dans un modèle, comme le BF16 16 bits, le FP8 8 bits ou l'INT4 4 bits ; moins de bits signifient un modèle plus petit et plus rapide. - [Quantification](https://ai-opensource.com/fr/glossary/quantization/): La quantification stocke les poids d'un modèle avec moins de bits, par exemple 4 au lieu de 16, pour réduire la mémoire et accélérer l'inférence, au prix d'une petite perte de qualité. - [Entraînement prenant en compte la quantification (QAT)](https://ai-opensource.com/fr/glossary/quantization-aware-training/): L'entraînement prenant en compte la quantification apprend à un modèle à travailler avec des poids basse précision pendant qu'il s'entraîne encore, de sorte qu'il perd moins de qualité en 4 bits qu'un modèle comprimé après coup. - [Génération augmentée par récupération (RAG)](https://ai-opensource.com/fr/glossary/rag/): La génération augmentée par récupération permet à un modèle de répondre à partir de vos propres documents en récupérant les passages pertinents et en les ajoutant au prompt. - [Modèle de raisonnement](https://ai-opensource.com/fr/glossary/reasoning-model/): Un modèle de raisonnement travaille un problème étape par étape dans une phase de « réflexion », visible ou cachée, avant de donner sa réponse finale. - [Apprentissage par renforcement (RL)](https://ai-opensource.com/fr/glossary/reinforcement-learning/): L'apprentissage par renforcement entraîne un modèle en récompensant les bons résultats, comme une réponse correcte ou des tests réussis, au lieu de copier un texte d'exemple. - [Reranker](https://ai-opensource.com/fr/glossary/reranker/): Un reranker re-note une liste courte de résultats de recherche en lisant la question et chaque résultat ensemble, ce qui est plus lent mais plus précis que les seuls embeddings. - [Plafond de revenus (revenue cap)](https://ai-opensource.com/fr/glossary/revenue-cap/): Un plafond de revenus est une condition de licence qui rend un modèle gratuit en dessous d'un certain revenu et exige un accord séparé au-delà. - [Étapes d'échantillonnage](https://ai-opensource.com/fr/glossary/sampling-steps/): Les étapes d'échantillonnage sont le nombre de passages qu'effectue un modèle de diffusion pour transformer du bruit en image ou en vidéo. Moins d'étapes signifie des résultats plus rapides, avec d'habitude une certaine perte de détail ou de variété. - [Auto-hébergement (Self-hosting)](https://ai-opensource.com/fr/glossary/self-hosting/): L'auto-hébergement consiste à exécuter un modèle sur un matériel que vous contrôlez, comme votre propre PC ou un serveur GPU loué, au lieu d'appeler l'API d'un fournisseur. - [IA souveraine (Sovereign AI)](https://ai-opensource.com/fr/glossary/sovereign-ai/): L'IA souveraine désigne une IA qu'un pays ou une organisation peut construire, héberger et gouverner sous son propre contrôle, de la puissance de calcul et des données jusqu'au modèle lui-même. - [Diarisation des locuteurs (étiquettes de locuteur)](https://ai-opensource.com/fr/glossary/speaker-diarization/): La diarisation détermine qui a parlé et quand dans un enregistrement, et étiquette chaque segment de parole avec un locuteur, comme Locuteur 1 et Locuteur 2. - [Décodage spéculatif et prédiction multi-jetons](https://ai-opensource.com/fr/glossary/speculative-decoding/): Le décodage spéculatif accélère la génération de texte en laissant un brouillon peu coûteux deviner plusieurs jetons d'avance et en faisant vérifier le tout d'un coup par le modèle complet. - [Reconnaissance vocale (ASR, voix vers texte)](https://ai-opensource.com/fr/glossary/speech-recognition/): La reconnaissance vocale, aussi appelée ASR ou transcription voix-texte, transforme la parole en texte écrit. - [Poids ternaires (1,58 bits)](https://ai-opensource.com/fr/glossary/ternary-weights/): Les poids ternaires limitent chaque poids du modèle à l'une des trois valeurs -1, 0 ou +1, si bien qu'un modèle a besoin de moins de 2 bits par poids au lieu de 16. - [Restriction territoriale](https://ai-opensource.com/fr/glossary/territory-restriction/): Une restriction territoriale limite les endroits où une licence est valable : utiliser le modèle dans les pays ou régions exclus n'est pas couvert par la licence. - [Encodeur de texte](https://ai-opensource.com/fr/glossary/text-encoder/): Dans un générateur d'images ou de vidéos, l'encodeur de texte est un modèle de langage séparé qui transforme votre prompt en nombres exploitables par le générateur. Il ajoute au téléchargement et à l'usage mémoire. - [Synthèse vocale (TTS)](https://ai-opensource.com/fr/glossary/text-to-speech/): Les modèles de synthèse vocale transforment du texte écrit en audio parlé, et beaucoup peuvent copier une voix à partir d'un court échantillon. - [Token (jeton)](https://ai-opensource.com/fr/glossary/token/): Un token est un petit morceau de texte, souvent un mot ou une partie d'un mot, qu'un modèle de langage lit et écrit ; les modèles mesurent longueur et vitesse en tokens. - [Appel d'outils (function calling)](https://ai-opensource.com/fr/glossary/tool-calling/): L'appel d'outils permet à un modèle de demander à votre programme d'exécuter une fonction, comme une recherche ou une calculatrice, puis d'utiliser le résultat dans sa réponse. - [Métriques de traduction](https://ai-opensource.com/fr/glossary/translation-metrics/): Les métriques de traduction sont les scores que les fiches de modèles utilisent pour noter une traduction. Les unes comptent le chevauchement avec une référence humaine, les autres utilisent un modèle entraîné ou des relecteurs humains, et leurs échelles ne sont pas comparables. - [Mémoire unifiée](https://ai-opensource.com/fr/glossary/unified-memory/): La mémoire unifiée est une conception, utilisée par les puces d'Apple et quelques autres, où le CPU et le GPU partagent une même réserve de mémoire, si bien qu'un grand modèle peut en utiliser la majeure partie. - [Modèle vision-langage (VLM)](https://ai-opensource.com/fr/glossary/vision-language-model/): Un modèle vision-langage lit les images, et souvent les vidéos, en même temps que du texte ; vous pouvez donc poser des questions sur une photo, une capture d'écran ou une page de document. - [Clonage de voix](https://ai-opensource.com/fr/glossary/voice-cloning/): Le clonage de voix fait parler un modèle de synthèse vocale avec la voix d'une personne précise, souvent à partir de quelques secondes d'enregistrement seulement. - [VRAM](https://ai-opensource.com/fr/glossary/vram/): La VRAM est la mémoire d'une carte graphique ; elle décide quels modèles une GPU peut héberger, car les poids doivent tenir en mémoire pour que le modèle tourne vite. - [Taux d'erreur par mot (WER)](https://ai-opensource.com/fr/glossary/word-error-rate/): Le taux d'erreur par mot est le score standard de la reconnaissance vocale : la part des mots d'une transcription qui sont faux, manquants ou superflus par rapport à une référence correcte. ## Outils - [AI Toolkit](https://ai-opensource.com/fr/tools/ai-toolkit/): La suite tout-en-un d'Ostris pour les modèles de diffusion d'image, vidéo et audio, avec interface web et ligne de commande. - [AnythingLLM](https://ai-opensource.com/fr/tools/anythingllm/): App tout-en-un pour discuter avec vos documents, créer des agents et exécuter des modèles locaux : bureau ou Docker multi-utilisateur. - [Axolotl](https://ai-opensource.com/fr/tools/axolotl/): Framework de fine-tuning gratuit piloté par un fichier YAML : LoRA, QLoRA, préférences, NVFP4 et expert-parallel pour les modèles MoE. - [ComfyUI](https://ai-opensource.com/fr/tools/comfyui/): Le studio à nœuds pour les modèles ouverts d'image, vidéo, audio et 3D : construisez des workflows visuels et exécutez-les sur votre GPU. - [DiffSynth-Studio](https://ai-opensource.com/fr/tools/diffsynth-studio/): Le moteur de diffusion open source du projet ModelScope pour exécuter et entraîner des modèles d'image, vidéo et audio sur des GPU modestes. - [Diffusers](https://ai-opensource.com/fr/tools/diffusers/): La bibliothèque Python de Hugging Face pour exécuter et entraîner des modèles de diffusion d'images, de vidéos et d'audio. - [ExLlamaV3](https://ai-opensource.com/fr/tools/exllamav3/): Bibliothèque d'inférence CUDA pour GPU grand public : quantification EXL3, parallélisme de tenseurs et offload CPU pour les modèles MoE. - [InvokeAI](https://ai-opensource.com/fr/tools/invokeai/): Un studio créatif auto-hébergé pour la génération d'images par IA, avec canvas à calques, workflows à nœuds et un gestionnaire de modèles. - [Jan](https://ai-opensource.com/fr/tools/jan/): Alternative de bureau gratuite et open source à ChatGPT : télécharge et exécute des modèles ouverts hors ligne, se connecte aux APIs cloud. - [KoboldCpp](https://ai-opensource.com/fr/tools/koboldcpp/): Une app à fichier unique qui fait tourner des modèles GGUF avec une interface web intégrée, et génère aussi images, vidéo, voix et musique. - [KTransformers](https://ai-opensource.com/fr/tools/ktransformers/): Framework de recherche qui répartit le travail entre le GPU et la mémoire vive pour faire tourner des modèles MoE géants. - [LightX2V](https://ai-opensource.com/fr/tools/lightx2v/): Framework d'inférence léger pour la génération d'images et de vidéos, avec modèles distillés, quantification et nombreux backends matériels. - [llama.cpp](https://ai-opensource.com/fr/tools/llama-cpp/): Le moteur C/C++ derrière une grande partie de l'IA locale : exécute des modèles quantifiés sur presque tout matériel, avec un outil en ligne de commande et un serveur compatible OpenAI. ## Développeurs - [Abacus.AI](https://ai-opensource.com/fr/developers/abacusai/): Une entreprise qui vend une plateforme d'assistant IA aux professionnels et aux entreprises et publie des modèles Smaug ouverts sur Hugging Face, de Smaug-72B en 2024 aux modèles de décision audio, image et texte Smaug-Decisions d'octobre 2026, qui utilisent Apache 2.0. - [ACE-Step](https://ai-opensource.com/fr/developers/ace-step/): ACE-Step est un projet ouvert de génération musicale co-dirigé par ACE Studio et StepFun. Ses modèles ACE-Step 1.5, publiés en janvier 2026 avec une version XL 4B en avril, utilisent la licence MIT et sont entraînés sur des données sous licence, libres de redevances et synthétiques. - [Adventists AI](https://ai-opensource.com/fr/developers/adventists-ai/): Une entreprise d'agents vocaux, connue en chinois sous le nom de AI降临派, qui publie les modèles vocaux full-duplex Sophon-Realtime sous Apache 2.0 et les modèles DuplexJev, qui déterminent les tours de parole et le ton directement à partir de l'audio, sous CC BY-NC. - [Allen Institute for AI (Ai2)](https://ai-opensource.com/fr/developers/ai2/): Un institut de recherche à but non lucratif américain. Ses modèles Olmo sont « totalement ouverts » : il publie les poids ainsi que les données d'entraînement, le code et les checkpoints intermédiaires, pour que les chercheurs puissent reproduire et étudier la construction d'un modèle. - [Aleph Alpha](https://ai-opensource.com/fr/developers/aleph-alpha/): Une entreprise d'IA allemande qui construit des modèles pour les gouvernements et les industries régulées et met l'accent sur des chaînes d'approvisionnement « souveraines » : un entraînement en Europe sous le droit européen. Son modèle Kolibri 1 est publié sous Apache 2.0. - [Alibaba Qwen](https://ai-opensource.com/fr/developers/alibaba-qwen/): L'équipe Qwen d'Alibaba. Elle publie l'une des familles de modèles à poids ouverts les plus étendues, des petits modèles denses jusqu'à un modèle phare de 2,4 mille milliards de paramètres, avec des licences allant d'Apache 2.0 aux conditions spécifiques de Qwen. - [Alibaba Wan](https://ai-opensource.com/fr/developers/alibaba-wan/): L'équipe de génération vidéo d'Alibaba. Ses modèles Wan 2.1 et Wan 2.2, ainsi que les modèles d'animation de personnages construits dessus, ont des poids ouverts sous Apache 2.0 ; les versions plus récentes de Wan ne sont proposées que via les applications et l'API d'Alibaba. - [AutoTrust AI Lab](https://ai-opensource.com/fr/developers/autotrust/): Un laboratoire qui publie sur Hugging Face les modèles de décision Decider sous Apache 2.0, construits sur des backbones Qwen et Gemma et également disponibles sur ModelScope, ainsi qu'une démo de recommandation et de recherche d'actualités sur news.guru.so. Nous n'avons trouvé que peu d'informations publiques sur l'organisation en dehors de ses profils Hugging Face et ModelScope, et ses fiches de modèle utilisent encore les anciens noms JEV et GEV. - [BAAI](https://ai-opensource.com/fr/developers/baai/): La Beijing Academy of Artificial Intelligence, un institut de recherche chinois. Ses modèles d'embeddings et de rerankers BGE, publiés via l'organisation GitHub FlagOpen, comptent parmi les modèles de récupération les plus téléchargés sur Hugging Face. Son modèle d'agent AREX-2, publié en septembre 2026 sous Apache 2.0, est construit sur Qwen3.8-27B. - [Baidu](https://ai-opensource.com/fr/developers/baidu/): Entreprise chinoise d'internet et d'IA derrière les modèles ERNIE et le framework d'apprentissage profond PaddlePaddle. Ses publications ouvertes incluent des modèles compacts d'analyse de documents sous les licences MIT et Apache 2.0. - [Bilibili](https://ai-opensource.com/fr/developers/bilibili/): Une plateforme vidéo chinoise. Son équipe de LLM Index publie des modèles à poids ouverts sur Hugging Face sous le nom d'IndexTeam, avec en tête la famille Index-Translate, qui couvre la traduction de textes, d'images, de la parole et de longs documents. - [Black Forest Labs](https://ai-opensource.com/fr/developers/black-forest-labs/): Une entreprise d'IA allemande, fondée par les chercheurs derrière Stable Diffusion, qui développe les modèles d'image FLUX. Elle vend un accès API à ses plus grands modèles et publie les plus petits en poids ouverts sous sa propre licence FLUX. - [Boson AI](https://ai-opensource.com/fr/developers/boson-ai/): Boson AI USA, Inc. développe les modèles audio Higgs pour l'IA vocale et les vend via une API hébergée. Elle publie aussi des poids sur Hugging Face, dont Higgs TTS 3, sous sa propre licence de recherche et d'usage non commercial, avec une autorisation gratuite pour le contenu de créateurs monétisé. - [BreezeBlue](https://ai-opensource.com/fr/developers/breezeblue/): BreezeBlue est le nom commercial de Resonia, Inc., qui exploite une plateforme vocale hébergée et une API. Elle publie les poids du modèle de synthèse vocale Breeze TTS 2 pour la recherche et l'usage non commercial, avec un code d'inférence sous Apache 2.0 et des conditions commerciales uniquement via son propre service. - [Bria AI](https://ai-opensource.com/fr/developers/bria/): Une entreprise de Tel Aviv qui vend une IA générative visuelle entraînée sur des données sous licence, avec une API hébergée et des licences commerciales. Elle publie des poids ouverts non commerciaux sous le nom FIBO, avec en tête le modèle d'image FIBO 2.0. - [Cactus Compute](https://ai-opensource.com/fr/developers/cactus-compute/): Une startup de San Francisco issue du batch été 2025 de Y Combinator. Elle crée des modèles d'IA minuscules embarqués sur l'appareil et le moteur d'inférence open source Cactus pour téléphones, objets connectés, robots et autres matériels à faible consommation. Ses modèles Needle, Whistle et Mirage sont publiés sous Apache 2.0. - [CircleStone Labs](https://ai-opensource.com/fr/developers/circlestone-labs/): CircleStone Labs LLC publie Anima, un modèle texte-vers-image 2B pour l'anime et l'illustration réalisé avec Comfy Org. Les poids utilisent sa propre licence non commerciale, tandis que les images que vous générez peuvent être utilisées commercialement. - [Cloudflare](https://ai-opensource.com/fr/developers/cloudflare/): Une entreprise américaine de réseau et de cloud qui exploite Workers AI, un service hébergé pour les modèles d'IA. Clef, un ensemble de modèles de décision post-entraînés à partir de Qwen et publié sous Apache 2.0, est le premier modèle entraîné par son équipe Workers AI. - [Cohere](https://ai-opensource.com/fr/developers/cohere/): Une entreprise canadienne d'IA pour les entreprises dont le pôle de recherche, Cohere Labs, publie des poids ouverts. Ses premiers modèles Command ont été publiés pour un usage non commercial sous CC BY-NC ; Command A+ est passé à Apache 2.0. - [Datalab](https://ai-opensource.com/fr/developers/datalab/): Entreprise américaine qui développe les outils de conversion de documents Marker, Surya et Chandra. Elle publie ses modèles d'OCR ouverts, sous une licence Open RAIL-M modifiée, gratuite pour la recherche, l'usage personnel et les petites organisations. La limite est de 5 millions de dollars US de revenus et de financement pour Surya OCR 2 et de 2 millions de dollars US pour Chandra OCR 2. - [Deep Principle](https://ai-opensource.com/fr/developers/deep-principle/): Deep Principle (en chinois : 深度原理) construit une IA pour la recherche en matériaux et en chimie, dont Mira, une scientifique IA qui connecte les modèles aux simulations et aux expériences de laboratoire. Elle a publié Hydrogen-1.0, un post-entraînement de GLM-5.3 axé sur la science, sous la licence MIT. - [DeepReinforce](https://ai-opensource.com/fr/developers/deepreinforce/): Startup de recherche en IA californienne qui publie les modèles de codage agentique Ornith sous l'organisation ornith-ai sur Hugging Face. Ornith 1.0 et 1.5 sont post-entraînés à partir de Qwen3.5 et Gemma 4 et utilisent la licence MIT, sans limites régionales. - [DeepSeek](https://ai-opensource.com/fr/developers/deepseek/): Laboratoire d'IA chinois connu pour ses grands modèles mixture-of-experts efficaces. Il publie ses poids sous la licence MIT ainsi que des rapports techniques détaillés. - [Fish Audio](https://ai-opensource.com/fr/developers/fish-audio/): Entreprise d'IA vocale connue pour le projet open source Fish Speech. L'entité légale nommée dans sa licence est 39 AI, Inc., avec des bureaux à Palo Alto et à Tokyo. Drama 3, publié en octobre 2026, est un modèle de synthèse vocale mixture-of-experts de 36 milliards de paramètres sous la Fish Audio Community License, tandis que le plus petit S2 Pro de mars 2026 reste sous une licence de recherche et d'usage non commercial. - [Google DeepMind](https://ai-opensource.com/fr/developers/google-deepmind/): Le laboratoire de recherche en IA de Google. Sa famille Gemma à poids ouverts va des modèles de la taille d'un téléphone aux modèles de classe station de travail et, depuis Gemma 4, est publiée sous la licence Apache 2.0. Son équipe Magenta publie aussi Magenta RealTime 2, un modèle de musique ouvert qui joue en direct sur un MacBook. - [Gradium](https://ai-opensource.com/fr/developers/gradium/): Une entreprise parisienne d'IA vocale, issue du laboratoire Kyutai et fondée par ses cofondateurs, avec des bureaux à Paris et à San Francisco. Elle vend des API vocales et open-source ses modèles de synthèse vocale Phonon embarqués. Le Phonon 31m en anglais utilise Apache 2.0, tandis que les modèles 40m, plus grands, sont en CC BY-NC. - [HeartMuLa](https://ai-opensource.com/fr/developers/heartmula/): L'équipe HeartMuLa publie des modèles fondamentaux de musique ouverts : le générateur de chansons HeartMuLa, le codec audio HeartCodec et HeartTranscriptor pour la reconnaissance des paroles. Tous sont en Apache 2.0, tandis que son modèle de reprises MuLaCover de septembre 2026 est en CC BY-NC 4.0. - [hexgrad](https://ai-opensource.com/fr/developers/hexgrad/): Un développeur indépendant, connu comme hexgrad sur Hugging Face et GitHub et comme rzvzn sur Discord, qui a entraîné et publié les modèles de synthèse vocale Kokoro. Kokoro-82M est un modèle de 82 millions de paramètres sous Apache 2.0 et l'un des modèles de voix ouverts les plus téléchargés. Nous n'avons trouvé aucun pays ni employeur publié pour ce développeur, donc aucun n'est affiché. - [HiDream.ai](https://ai-opensource.com/fr/developers/hidream/): Une entreprise de génération d'images qui publie ses modèles sur Hugging Face sous l'organisation HiDream-ai, des modèles HiDream-I1 et HiDream-E1 de 2025 jusqu'à HiDream-O1-Image, un modèle de 8 milliards de paramètres publié sous la licence MIT en mai 2026. - [IBM](https://ai-opensource.com/fr/developers/ibm/): L'entreprise technologique derrière la famille Granite de modèles ouverts pour l'usage en entreprise, couvrant des modèles de langage, de voix, d'embeddings et de garde-fous. La plupart des modèles Granite utilisent Apache 2.0, mais au moins une variante vocale est non commerciale, donc vérifiez chaque dépôt. - [Ideogram](https://ai-opensource.com/fr/developers/ideogram/): L'entreprise derrière le service de génération d'images Ideogram et son API hébergée. Ideogram 4, publié en juin 2026, est son premier modèle à poids ouverts, avec des poids non commerciaux et un code d'inférence sous Apache 2.0. - [Institute of Foundation Models (MBZUAI)](https://ai-opensource.com/fr/developers/ifm/): L'Institut des modèles fondamentaux (Institute of Foundation Models, IFM) est un institut de recherche de l'Université Mohamed bin Zayed d'intelligence artificielle (MBZUAI) à Abu Dhabi, et l'équipe derrière LLM360. Il publie les modèles K2 Horizon et Jais 3, avec des poids et du code sous Apache 2.0, plus des checkpoints intermédiaires, des journaux d'entraînement et des données ou des recettes de données. - [inclusionAI (Ant Group)](https://ai-opensource.com/fr/developers/inclusion-ai/): L'initiative d'IA ouverte fondée par Ant Group, l'entreprise chinoise de technologie financière. Elle publie les modèles de langage Ling et des recherches associées, ainsi que des modèles d'images comme Ming-Image 0.1 Design ; les récentes versions de Ling-3.1 et Ming-Image utilisent la licence MIT. - [JetBrains](https://ai-opensource.com/fr/developers/jetbrains/): JetBrains est une entreprise de logiciels, fondée à Prague en 2000 et dont le siège est à Amsterdam, qui crée des outils pour développeurs comme IntelliJ IDEA et PyCharm. Ses modèles Mellum, conçus pour le code et les agents de programmation, sont publiés avec des poids ouverts sous Apache 2.0. - [Jina AI](https://ai-opensource.com/fr/developers/jina-ai/): Une entreprise d'IA de recherche basée à Berlin qui crée des modèles d'embeddings multilingues et multimodaux, des rerankers et de petits modèles de langage. Elastic a finalisé son acquisition de Jina AI en octobre 2025, et les derniers modèles v5 sont toujours publiés sur Hugging Face, sous une licence non commerciale. - [Kandinsky Lab](https://ai-opensource.com/fr/developers/kandinsky-lab/): L'équipe de recherche à l'origine des modèles de diffusion d'images et de vidéos Kandinsky, publiés avec leur code sur GitHub et Hugging Face. Kandinsky 6.0 Video, sorti en octobre 2026 sous licence MIT, génère des clips de cinq secondes avec audio synchronisé. - [KittenML (Stellon Labs)](https://ai-opensource.com/fr/developers/kittenml/): Entreprise d'IA vocale qui publie les modèles Kitten-TTS sous le nom KittenML, avec Stellon Labs Inc. comme titulaire des droits d'auteur dans sa licence. Ses anciens modèles Kitten-TTS 0.8, de 15 à 80 millions de paramètres, fonctionnent sur CPU, tandis que Kitten-TTS 2 est un modèle ternaire de 1,7 milliard de paramètres sous la Stellon Labs Community License, gratuite tant que vous ne dépassez pas un million de dollars US de chiffre d'affaires ou de financement. - [KRAFTON](https://ai-opensource.com/fr/developers/krafton/): KRAFTON est une entreprise sud-coréenne de jeux vidéo, et KRAFTON AI est son équipe d'IA. En octobre 2026, elle a publié Raon-1 mini preview, un modèle de langage mixture-of-experts de 28,8 milliards de paramètres entraîné à partir de zéro sous licence Apache 2.0, avec de solides capacités en coréen. - [Krea](https://ai-opensource.com/fr/developers/krea/): Krea.ai, Inc., une société du Delaware qui exploite une application créative pour les images, la vidéo et la 3D. Sa publication ouverte est Krea 2, un modèle d'images entraîné à partir de zéro, décliné en une version de base Raw et une version Turbo. Le plus récent Krea 3 n'est pas sur Hugging Face. - [Kyutai](https://ai-opensource.com/fr/developers/kyutai/): Laboratoire d'IA à but non lucratif de science ouverte basé à Paris, fondé en novembre 2023 par le groupe Iliad, CMA CGM et Schmidt Sciences. Il est surtout connu pour le modèle de dialogue vocal Moshi et le codec audio Mimi. Son Pocket TTS fait tourner un modèle de voix avec clonage vocal sur le CPU d'un ordinateur portable ; le code est sous MIT et les poids sous CC BY 4.0. - [LG AI Research](https://ai-opensource.com/fr/developers/lg-ai-research/): Le bras de recherche en IA du groupe sud-coréen LG, à l'origine des familles de modèles EXAONE et K-EXAONE. K-EXAONE 2.0, publié le 31 juillet 2026 pour le projet de modèles fondamentaux d'IA souveraine soutenu par le gouvernement, est un modèle mixture-of-experts de 750 milliards de paramètres sous Apache 2.0. - [LightOn](https://ai-opensource.com/fr/developers/lighton/): Entreprise française d'IA pour les entreprises qui vend une plateforme de recherche IA pour les documents d'entreprise. Ses publications ouvertes incluent les modèles de documents compacts LightOnOCR sous licence Apache 2.0. - [Liquid AI](https://ai-opensource.com/fr/developers/liquid-ai/): Une entreprise américaine qui construit des "Liquid Foundation Models", petits et rapides, pour les téléphones, ordinateurs portables et autres appareils edge, avec une architecture mêlant courtes convolutions et attention. En plus des modèles de langage LFM, elle publie de petits modèles de décision comme Liquid d1. Ses modèles utilisent la LFM Open License, gratuite pour un usage commercial en dessous de 10 millions de dollars US de revenus annuels. - [LTX (Lightricks)](https://ai-opensource.com/fr/developers/ltx/): Une entreprise israélienne à l'origine des modèles vidéo LTX. En juin 2026, LTX est devenue une unité d'activité distincte de Lightricks, le créateur d'applications créatives grand public ; ses organisations Hugging Face et GitHub utilisent toujours le nom Lightricks. Elle publie des poids ouverts gratuits pour les organisations réalisant moins de 10 millions de dollars US de revenus annuels. LTX-2.3 utilise toujours la licence LTX-2 de janvier 2026, tandis que LTX-2.5 utilise la licence plus récente LTX-2.x. - [M-A-P](https://ai-opensource.com/fr/developers/m-a-p/): M-A-P (Multimodal Art Projection) est une communauté de recherche open source à l'origine de modèles musicaux ouverts comme YuE, MERT et SheetSage. Son générateur de chansons YuE2, publié en septembre 2026 avec Tokenwave.AI, MBZUAI et ACE Studio, a des poids sous CC BY-NC 4.0 : il est donc réservé à un usage non commercial. - [Maritaca AI](https://ai-opensource.com/fr/developers/maritaca-ai/): Une entreprise brésilienne qui crée des modèles de langage pour le portugais brésilien et les propose via son propre chat et son API. Son modèle phare S5 est servi de cette façon, tandis que S5-nano, publié en novembre 2026 sur la base de Qwen3.5-4B sous Apache 2.0, est à poids ouverts. - [Maya Research](https://ai-opensource.com/fr/developers/maya-research/): Une startup d'IA vocale, soutenue par un tour d'amorçage de 1,9 million de dollars US de South Park Commons, qui crée des modèles de parole pour les langues de l'Inde et les vend via une API hébergée. Elle publie les modèles de synthèse vocale Maya et Veena sur Hugging Face, et Maya 2 Native utilise Apache 2.0. - [Meituan](https://ai-opensource.com/fr/developers/meituan/): Plateforme chinoise de livraison de repas et de services locaux. Son équipe LongCat publie des modèles de langage à poids ouverts, dont LongCat-2.0 en juillet 2026 et le modèle multimodal de 1,6 billion de paramètres LongCat-2.5 en novembre 2026, qui utilise la licence MIT. - [MemTensor](https://ai-opensource.com/fr/developers/memtensor/): Une entreprise chinoise à l'origine de MemOS, un framework de mémoire open source pour les agents LLM. Ses modèles MemT-1.0 intègrent un état de mémoire dans le modèle lui-même, avec des poids Nano sous Apache 2.0 et des poids Flash sous MIT. - [Meta](https://ai-opensource.com/fr/developers/meta/): L'entreprise à l'origine des modèles Llama. Sa nouvelle série Muse comprend Muse Glimmer, un petit modèle sous Apache 2.0 pour un usage local, et le bien plus grand Muse Spark Open sous une licence personnalisée. - [Microsoft](https://ai-opensource.com/fr/developers/microsoft/): L'entreprise technologique américaine. Ses équipes de recherche publient des modèles ouverts sur Hugging Face et GitHub, souvent sous licence MIT, notamment les modèles de voix VibeVoice de Microsoft Research et les modèles d'embeddings de texte Harrier. Ses modèles vision-langage Mage-VL utilisent Apache 2.0. - [MiniMax](https://ai-opensource.com/fr/developers/minimax/): Entreprise d'IA basée à Shanghai, à l'origine de la série MiniMax-M de modèles de langage mixture-of-experts efficaces, des modèles vidéo et image H3 et du générateur de chansons Music 3. Ses licences varient selon le modèle. M2.5 utilise une licence de style permissif avec des règles d'avis et d'usages interdits, M2.7 est limité à un usage non commercial, et la licence communautaire de M3 autorise gratuitement l'usage non commercial et fixe des règles d'avis, de crédit et de revenus pour l'usage commercial. Les licences de H3 excluent aussi les États-Unis, l'UE, le Royaume-Uni et la Corée du Sud, et la licence de Music 3 demande un crédit dans l'interface et une autorisation écrite au-delà de 20 millions de dollars US de revenus. - [Mistral AI](https://ai-opensource.com/fr/developers/mistral-ai/): Entreprise d'IA basée à Paris et laboratoire à poids ouverts le plus connu d'Europe. Elle positionne ses modèles pour une IA souveraine et auto-hébergée ; Mistral Large 4 utilise une licence MIT modifiée avec une règle pour les entreprises d'hébergement. - [Moonshot AI](https://ai-opensource.com/fr/developers/moonshot-ai/): Entreprise chinoise d'IA à l'origine de l'assistant Kimi. Ses modèles Kimi K3 et K3.1 Pro font partie des plus grands modèles à poids ouverts, publiés sous une licence personnalisée avec des conditions pour les grandes entreprises d'hébergement. Les antérieurs K2.5, K2.6 et K2.7 Code utilisent une licence Modified MIT qui demande seulement aux très grands produits d'afficher le nom du modèle. - [Motif Technologies](https://ai-opensource.com/fr/developers/motif-technologies/): Entreprise sud-coréenne d'IA qui conçoit elle-même ses modèles, son tokenizer et sa pile d'entraînement. Motif 3, un modèle mixture-of-experts de 314 milliards de paramètres publié en août 2026 sous licence MIT, a été construit pour le projet de modèles fondamentaux d'IA souveraine soutenu par le gouvernement. - [Nanbeige LLM Lab](https://ai-opensource.com/fr/developers/nanbeige/): Nanbeige (en chinois : 南北阁) est l'équipe de recherche en grands modèles de langage de BOSS Zhipin, une plateforme chinoise de recrutement. Elle publie des modèles d'agents à poids ouverts sous le nom Nanbeige4, des modèles de classe 3B au Nanbeige4.3 de 33B, et ses fiches de modèle indiquent Apache 2.0 sans fichier LICENSE. - [NetEase Youdao](https://ai-opensource.com/fr/developers/netease-youdao/): Entreprise chinoise dont les bureaux sont à Pékin, qui publie la famille de modèles Confucius sur Hugging Face, dont Confucius4, un modèle de synthèse vocale, la reconnaissance vocale en streaming Confucius4-R2T2, ainsi que le projet de questions-réponses QAnything. R2T2 utilise le NetEase Youdao Model Use License Agreement, gratuit pour un usage commercial en dessous de 100 millions d'utilisateurs mensuels et de 1 milliard de RMB de revenus annuels. - [Nex-AGI](https://ai-opensource.com/fr/developers/nex-agi/): Un groupe de modèles fondamentaux open source dont l'organisation GitHub, SII Nex, indique avoir été créée par le Shanghai Innovation Institute et des partenaires. Ses modèles d'agents Nex-N2 s'appuient sur des bases ouvertes comme DeepSeek-V4-Pro-Base et GLM-5.3-Flash et sont étiquetés Apache 2.0. - [Nous Research](https://ai-opensource.com/fr/developers/nous-research/): Une entreprise américaine de recherche en IA qui entraîne des modèles ouverts, dont la ligne Hermes, et construit Hermes Agent, un harness d'agents open source. Son Arete-27B, publié en novembre 2026, est un post-training du Qwen3.8-27B d'Alibaba sous Apache 2.0. - [NuMind](https://ai-opensource.com/fr/developers/numind/): Une entreprise d'IA documentaire qui crée des modèles spécialisés pour l'extraction de données structurées et l'OCR, et les vend via la plateforme NuExtract. Elle publie ses modèles sur Hugging Face et indique que sa ligne NuExtract a dépassé 2 millions de téléchargements et sa NuMarkdown-Thinking-8B 1,5 million. NuExtract3 utilise Apache 2.0. - [NVIDIA](https://ai-opensource.com/fr/developers/nvidia/): Le fabricant de GPU, qui publie également des modèles ouverts, des jeux de données et des recettes d'entraînement sous le nom Nemotron, ainsi que des modèles de voix, de robotique et de biologie. Les versions récentes de Nemotron utilisent la licence permissive OpenMDW-1.1, Nemotron 3 Nano Omni utilise le NVIDIA Open Model Agreement, et LocateAnything-3B dispose d'une NVIDIA License réservée à la recherche. - [OpenAI](https://ai-opensource.com/fr/developers/openai/): L'entreprise derrière ChatGPT. Ses modèles gpt-oss, publiés en août 2025, sont ses modèles de raisonnement à poids ouverts sous Apache 2.0. Son Privacy Filter, publié en avril 2026 sous Apache 2.0, est un petit modèle qui repère les données personnelles dans un texte, et il publie aussi les modèles de reconnaissance vocale Whisper. - [OpenBMB](https://ai-opensource.com/fr/developers/openbmb/): Une communauté chinoise de modèles open source qui publie les familles MiniCPM, AgentCPM et VoxCPM avec l'entreprise ModelBest. Elle se concentre sur des modèles petits et efficaces pour téléphones et ordinateurs portables, et ses publications récentes utilisent Apache 2.0. - [OpenMOSS](https://ai-opensource.com/fr/developers/openmoss/): OpenMOSS est un groupe de recherche rattaché au Shanghai Innovation Institute qui travaille en étroite collaboration avec l'université Fudan et MOSS-AI. Il publie des modèles ouverts sous le nom MOSS. On y trouve la famille vocale MOSS-TTS, construite avec MOSI.AI, avec MOSS-TTS, MOSS-TTS-Nano et MOSS-TTSD sous Apache 2.0, MOSS-SoundEffect v2.0, un modèle de 1.3B qui génère des effets sonores à partir de texte sous Apache 2.0, MOSS-Image, un modèle texte vers image de 5B publié en octobre 2026 sous Apache 2.0, et MOSS-Transcribe-Diarize, un modèle de 0.9B qui transcrit de longs enregistrements multi-locuteurs avec des étiquettes de locuteur. - [Perplexity](https://ai-opensource.com/fr/developers/perplexity/): L'entreprise américaine derrière le moteur de réponses Perplexity. Sur Hugging Face, elle publie les modèles d'embeddings pplx-embed, pour la plupart sous licence MIT, et les modèles de décision pplx-decider sous Apache 2.0, ainsi que d'autres modèles comme PII-Tracer et BrowseSafe. - [Phạm Nguyễn Ngọc Bảo (VieNeu-TTS)](https://ai-opensource.com/fr/developers/pham-nguyen-ngoc-bao/): Développeur indépendant qui crée le projet VieNeu-TTS pour la parole en vietnamien, publié sur Hugging Face sous le compte pnnbao-ump et sur GitHub sous le nom pnnbao97. La fiche du modèle v3 Turbo indique que son architecture est de la conception de l'auteur et qu'il a été entraîné à partir de zéro, et le projet est livré avec un SDK Python et un serveur de voix compatible OpenAI. Les poids sont sous Apache 2.0. - [Pika](https://ai-opensource.com/fr/developers/pika/): Pika est une entreprise américaine de génération vidéo qui propose des applications vidéo hébergées et une API. En octobre 2026, elle a publié Pika H3 Flex, une version post-entraînée de MiniMax H3 qui génère des vidéos avec le son en six étapes d'échantillonnage, sous forme d'adaptateurs ouverts sous la MiniMax H3 Community License. - [Poolside](https://ai-opensource.com/fr/developers/poolside/): Entreprise d'IA de San Francisco, fondée en 2023, qui construit des modèles pour le codage agentique. Sa série Laguna a commencé avec la Laguna XS.2 sous Apache 2.0 en avril 2026 ; Poolside indique que les poids ouverts sont désormais sa règle par défaut, et les Laguna XS 2.1 et S 2.1 utilisent la licence OpenMDW-1.1. - [Preferred Networks](https://ai-opensource.com/fr/developers/preferred-networks/): Preferred Networks (PFN) est une entreprise japonaise d'IA qui développe les modèles de langage PLaMo et ses propres accélérateurs d'IA MN-Core. Elle publie PLaMo 3 Translate et d'autres modèles PLaMo sous la PLaMo Community License, gratuite pour l'usage personnel et académique et, après enregistrement, pour les utilisateurs commerciaux en dessous d'un seuil de revenus. - [PrismML](https://ai-opensource.com/fr/developers/prismml/): Une entreprise basée à Pasadena, en Californie, également écrite Prism ML, qui construit des modèles d'IA à très faible nombre de bits. Ses modèles Bonsai compriment des modèles de base ouverts comme Qwen en poids ternaires ou à 1 bit, afin que les grands modèles tiennent sur des ordinateurs portables, des téléphones et un seul GPU. Les modèles Bonsai 2 sont publiés sous Apache 2.0. - [Pruna AI](https://ai-opensource.com/fr/developers/pruna-ai/): Pruna AI est une entreprise fondée en 2023 et basée à Munich, avec un deuxième pôle de recherche à Paris. Elle est connue pour sa bibliothèque open source qui comprime et accélère les modèles d'IA, et publie désormais aussi ses propres modèles d'image et de vidéo efficaces, dont certains sont retravaillés à partir des poids ouverts d'autres développeurs. - [Recursive](https://ai-opensource.com/fr/developers/recursive/): Recursive Superintelligence, Inc. déclare que son objectif est une superintelligence qui s'améliore récursivement et automatise la découverte de connaissances, et elle construit ses modèles avec un système de recherche automatisé baptisé Eureka Machine. Flint, un modèle de programmation de 40B publié en octobre 2026 sous Apache 2.0, est son premier modèle à poids ouverts. C'est une entreprise différente de Ricursive Intelligence. - [Reflection AI](https://ai-opensource.com/fr/developers/reflection-ai/): Laboratoire d'IA américain qui a publié son premier modèle à poids ouverts, Beam, à 501 milliards de paramètres, sous Apache 2.0 en octobre 2026. - [Resemble AI](https://ai-opensource.com/fr/developers/resemble-ai/): Entreprise d'IA vocale californienne qui a publiés en open source les modèles vocaux Chatterbox et DramaBox sous licence MIT. En août 2026, elle a déclaré ne plus vendre de génération de voix aux nouveaux clients et se concentrer sur la détection des deepfakes, laissant ses modèles de voix comme une recherche ouverte et non maintenue. - [Ricursive Intelligence](https://ai-opensource.com/fr/developers/ricursive-intelligence/): Laboratoire d'IA américain qui construit des systèmes auto-améliorants en co-concevant matériel, logiciels et modèles. Un modèle propriétaire alimente sa plateforme de conception de puces d'IA, et en novembre 2026 il a publié une variante à usage général, Ripple-65B Preview, à 65 milliards de paramètres, sous Apache 2.0. - [Sarvam AI](https://ai-opensource.com/fr/developers/sarvam-ai/): Une entreprise indienne qui construit une IA pour les langues et les entreprises indiennes. Ses modèles de raisonnement Sarvam 30B et 105B, publiés en mars 2026 et entraînés à partir de zéro en Inde sur la puissance de calcul de la mission IndiaAI, et son modèle de décision Sarvam Prism utilisent Apache 2.0. - [Sber (GigaChat)](https://ai-opensource.com/fr/developers/sber/): L'équipe GigaChat de Sber publie des poids ouverts sous le nom ai-sage sur Hugging Face et sur GitVerse, et annonce chaque sortie sur le blog Habr corporate de Sber. GigaChat 3.5 Ultra et sa version Reasoning sont des modèles de mélange d'experts de 432B, GigaChat 3.1 Lightning est un modèle de 10B avec 1.8B de paramètres actifs, et la famille GigaAM couvre la reconnaissance vocale du russe et des langues d'Asie centrale. Tous sont sous la licence MIT. - [SenseTime](https://ai-opensource.com/fr/developers/sensetime/): Entreprise chinoise d'IA dont l'équipe SenseNova publie des modèles ouverts sous l'organisation GitHub OpenSenseNova. SenseNova-U1.5 (août 2026) est un modèle natif unifié image et texte, et SenseNova-Loop-9B-Preview (30 octobre 2026) est un modèle vision-langage bouclé de 9B, tous deux sous Apache 2.0. - [Shanghai AI Laboratory](https://ai-opensource.com/fr/developers/shanghai-ai-laboratory/): Un laboratoire chinois de recherche en IA à Shanghai. Son centre IA pour la science gère l'organisation open source InternScience, qui publie les modèles d'agents Agents-A1 et Sage-A1.5 sous Apache 2.0. - [SK Telecom](https://ai-opensource.com/fr/developers/sk-telecom/): Entreprise sud-coréenne de télécommunications derrière la famille de modèles de langage A.X. A.X K2, publié en juillet 2026, est un modèle de mélange d'experts de 688 milliards de paramètres sous Apache 2.0, conçu pour le projet de modèles fondamentaux d'IA souveraine soutenu par le gouvernement. - [Stability AI](https://ai-opensource.com/fr/developers/stability-ai/): Stability AI est l'entreprise britannique derrière Stable Diffusion. Sa famille Stable Audio 3, publiée en mai 2026, est sa ligne la plus récente à poids ouverts : les modèles Small et Medium ont été entraînés sur des données sous licence et Creative Commons et utilisent la Stability AI Community License, gratuite pour un usage commercial en dessous d'un million de dollars US de revenus annuels. - [StepFun](https://ai-opensource.com/fr/developers/stepfun/): StepFun (阶跃星辰) est une entreprise chinoise d'IA derrière la famille de modèles de langage Step, avec les modèles de parole Step-Audio et les modèles d'édition d'images Step1X à leurs côtés. Elle publie des poids sur Hugging Face et ModelScope, et son dernier modèle phare, Step 5 Preview, est proposé sous une licence personnalisée. - [Supertone](https://ai-opensource.com/fr/developers/supertone/): Une entreprise sud-coréenne d'IA vocale qui a construit les modèles de synthèse vocale Supertonic exécutés sur l'appareil via ONNX Runtime. Supertonic 3 couvre 31 langues, avec les poids sous la licence BigScience OpenRAIL-M. En septembre 2026, l'entreprise a archivé ses dépôts open source et déclaré que le développement et le support avaient pris fin. - [Swiss AI Initiative](https://ai-opensource.com/fr/developers/swiss-ai/): Une initiative de recherche suisse menée par l'ETH Zurich, l'EPFL et le Centre national suisse de supercalcul (CSCS). Ses modèles Apertus sont entièrement ouverts : les poids, la préparation des données, le code d'entraînement et les évaluations sont publiés sous licences permissives, et l'entraînement n'utilise que des données ouvertement disponibles. - [Tencent](https://ai-opensource.com/fr/developers/tencent/): Entreprise internet chinoise derrière WeChat et la famille de modèles Hunyuan (Hy). Ses modèles de langage Hy3 et Hy4 preview, les modèles de traduction Hy-MT2 et le modèle de monde vidéo interactif Hy-Nomas utilisent Apache 2.0, tandis que HunyuanOCR utilise toujours une licence communautaire Hunyuan qui exclut l'UE, le Royaume-Uni et la Corée du Sud. Son modèle de génération et d'édition de voix AuK utilise la licence MIT, vérifiez donc chaque dépôt. - [Thinking Machines Lab](https://ai-opensource.com/fr/developers/thinking-machines-lab/): Laboratoire d'IA américain qui construit des outils pour personnaliser les modèles. Sa première famille à poids ouverts, Inkling, est publiée sous Apache 2.0 et est conçue comme base pour le fine-tuning. - [TokenSpark (SparkLLM)](https://ai-opensource.com/fr/developers/tokenspark/): L'entreprise derrière la famille de modèles Spark, qui publie sur Hugging Face sous le nom XHToken. Son profil indique qu'elle développe des modèles fondamentaux à usage général et des produits professionnels d'agents d'IA, dont deux systèmes de harness appelés AStudio et Loomy. Les modèles de langage on-device Spark-X2.5 et Spark-X2.6, en tailles 1.7B et 4B, utilisent Apache 2.0. - [Tongyi MAI](https://ai-opensource.com/fr/developers/tongyi-mai/): Une équipe du Tongyi Lab du groupe Alibaba qui construit des modèles génératifs efficaces. Elle est surtout connue pour les modèles d'images Z-Image de 6B, publiés sous Apache 2.0, et publie aussi MAI-UI, une famille de modèles d'agents GUI. - [Tongyi Lab Speech Team](https://ai-opensource.com/fr/developers/tongyi-speech/): L'équipe de parole du Tongyi Lab du groupe Alibaba, qui publie ses travaux sous le nom FunAudioLLM. C'est l'équipe derrière les modèles de synthèse vocale CosyVoice, publiés sous Apache 2.0. - [Upstage](https://ai-opensource.com/fr/developers/upstage/): Entreprise sud-coréenne d'IA derrière la famille de modèles de langage Solar. Solar Open 2, publié en juillet 2026, est un modèle de mélange d'experts de 250 milliards de paramètres sous la Upstage Solar License, qui est Apache 2.0 plus une règle de nommage pour les modèles dérivés. - [Video Rebirth](https://ai-opensource.com/fr/developers/video-rebirth/): Video Rebirth est une start-up d'IA vidéo basée à Singapour, fondée en 2024. Outre ses modèles vidéo hébergés, elle publie la série HyperFlow, qui compresse des modèles vidéo ouverts comme MiniMax H3 pour qu'ils nécessitent moins d'étapes d'échantillonnage et moins de mémoire. - [Voyage AI](https://ai-opensource.com/fr/developers/voyage-ai/): Voyage AI construit les modèles d'embeddings de texte Voyage, qui, selon son blog, sont disponibles via la Voyage API et, pour les clients de MongoDB Atlas, via l'Atlas Embedding and Reranking API. voyage-4-nano, publié avec la série Voyage 4 le 15 janvier 2026, est son premier modèle à poids ouverts sous Apache 2.0, et son fichier de notice porte un copyright de MongoDB, Inc. - [webAI](https://ai-opensource.com/fr/developers/webai/): Une entreprise qui crée l'application webAI, un espace de travail où les modèles d'IA s'exécutent localement sur l'appareil de l'utilisateur. Ses modèles de raisonnement TwIL, post-entraînés à partir d'IBM Granite 4.2 et de SmolLM3, utilisent la webAI Non-Commercial License plutôt que la licence Apache 2.0 de leurs modèles de base. - [Xiaomi](https://ai-opensource.com/fr/developers/xiaomi/): Fabricant chinois d'électronique grand public. Son équipe de modèles fondamentaux MiMo publie de grands modèles axés sur les agents et de petits checkpoints de recherche avec des balises de licence MIT sur Hugging Face, et d'autres équipes de recherche de Xiaomi publient des modèles comme Xiaomi-OCR-0 et le modèle de voix OmniVoice. - [Z.ai (Zhipu AI)](https://ai-opensource.com/fr/developers/z-ai/): Laboratoire chinois qui développe la série de modèles GLM. GLM-5.3-Flash est sous licence MIT, tandis que le plus grand GLM-5.3 utilise une licence personnalisée qui ne restreint que les activités d'hébergement très importantes. GLM-5, 5.1, 5.2, le GLM-4.7-Flash de 30B-A3B et le modèle GLM-OCR sont aussi tous sous licence MIT. - [Zyphra](https://ai-opensource.com/fr/developers/zyphra/): Laboratoire d'IA de San Francisco derrière la ligne de synthèse vocale Zonos. ZONOS3-Mini, publié en novembre 2026 sous Apache 2.0, est un modèle de clonage de voix de type mélange d'experts à 800 millions de paramètres qui, selon Zyphra, tourne en temps réel sur des ordinateurs portables, des téléphones et dans un onglet de navigateur. ## Actualités - [Apertus 1.5 : le modèle entièrement ouvert de la Suisse lit les images et l'audio](https://ai-opensource.com/fr/news/apertus-1-5-released/): 2026-11-11. ETH Zurich, EPFL et CSCS ont publié Apertus 1.5 : modèles 8B et 70B entièrement ouverts, entrées image et audio, contexte de 262K, Apache 2.0. Audio expérimental. - [Quatre modèles de traduction ouverts, quatre étalons différents](https://ai-opensource.com/fr/news/four-open-translation-models-four-yardsticks/): 2026-11-11. TranslateGemma, Hy-MT2, Index-Translate et PLaMo 3 Translate utilisent des tests, métriques et rivaux différents : leurs affirmations de qualité ne se comparent pas directement. - [Des modèles de synthèse vocale minuscules qui tournent sur un CPU : quatre options ouvertes comparées](https://ai-opensource.com/fr/news/tiny-text-to-speech-models-run-on-a-cpu/): 2026-11-11. Kokoro, Pocket TTS, Phonon 31M et Supertonic 3 : modèles ouverts de synthèse vocale de 100M paramètres ou moins pour CPU. Comparez tailles, langues, clonage vocal et licences. - [Moonshot publie Kimi K3.1 Pro : 2,8 T de paramètres, poids ouverts](https://ai-opensource.com/fr/news/kimi-k3-1-pro-released/): 2026-11-02. Moonshot AI a publié Kimi K3.1 Pro le 2 novembre 2026 : MoE de 2,8 T pour le code et la bureautique, contexte de 1M de tokens et poids en 4 bits de 1,56 To environ. - [Mistral Large 4 passe en poids ouverts : 1 T de paramètres, entraîné en Europe](https://ai-opensource.com/fr/news/mistral-large-4-open-weights/): 2026-10-29. Mistral a publié les poids de Large 4 le 29 octobre 2026 : MoE multimodal, contexte de 1M de tokens, plus de 160 langues et licence avec condition d’hébergement. - [NVIDIA publie Nemotron 3.5 Transcribe, un modèle vocal pilotable par prompt](https://ai-opensource.com/fr/news/nemotron-3-5-transcribe-released/): 2026-10-28. NVIDIA a publié Nemotron 3.5 Transcribe sous OpenMDW-1.1 : 40 langues, étiquettes de locuteurs, traduction et style piloté par prompt, pour des enregistrements d’une heure maximum. - [Meta publie Muse Spark Open, un modèle à poids ouverts de 816B](https://ai-opensource.com/fr/news/muse-spark-open-released/): 2026-10-15. Meta a publié Muse Spark Open : 816B paramètres, 42B actifs, entrées texte, image, vidéo et audio, contexte de 1M, accès filtré et mention « Built with » obligatoire. ## Optional - [Calculateur de VRAM](https://ai-opensource.com/fr/vram-calculator/): Estimez la mémoire GPU ou unifiée dont un modèle d’IA a besoin en précision BF16, FP8 et 4 bits, et quel matériel peut le faire tourner. Choisissez un modèle ou saisissez votre propre taille. - [Tous les modèles (JSON)](https://ai-opensource.com/data/models.json): Téléchargez le catalogue complet des modèles d’IA open source en JSON ou en CSV : paramètres, fenêtre de contexte, type de licence, date de sortie et sources. Réutilisation libre avec attribution. - [Tous les modèles (CSV)](https://ai-opensource.com/data/models.csv) - [Licences (JSON)](https://ai-opensource.com/data/licenses.json) - [Flux RSS](https://ai-opensource.com/fr/rss.xml) - [llms-full.txt](https://ai-opensource.com/fr/llms-full.txt): The full text of this site in one file