Je vois beaucoup de discussions récentes autour des modèles AI à poids ouvert versus à poids fermé. Selon moi, il ne s’agit pas de prouver qu’un modèle est meilleur que l’autre. Ils résolvent tous deux des problèmes différents. Les modèles à poids ouvert offrent aux développeurs plus de liberté : vous pouvez les exécuter sur votre propre infrastructure, les affiner, protéger des données sensibles et éviter une dépendance totale à un seul fournisseur. Je pense également que nous verrons de plus en plus de fondateurs créer et affiner des modèles à poids ouvert pour leurs propres équipes, processus et produits, au lieu de compter entièrement sur des modèles généralistes. Ce niveau de personnalisation pourrait devenir un véritable avantage concurrentiel. Les modèles fermés, en revanche, permettent aux équipes d’avancer beaucoup plus vite. Vous accédez à certains des meilleurs modèles sans vous soucier de l’infrastructure ni de la maintenance. Ce que je trouve intéressant, c’est que même de nombreuses entreprises qui pilotent l’innovation en IA reconnaissent qu’il y a sa place pour les deux approches. Je ne pense pas que l’avenir appartienne entièrement aux modèles à poids ouvert ou à ceux à poids fermé. Je pense que la plupart des fondateurs finiront par utiliser les deux, selon ce qu’ils construisent et les compromis qu’ils sont prêts à accepter. Quelle approche choisiriez-vous : poids ouvert, poids fermé, ou une combinaison des deux ?