Meilleurs modèles d'IA open source : le point au 15/11/2026

Il n'existe pas de « meilleur » modèle open source tout court : il existe le meilleur modèle pour votre licence, votre matériel et votre tâche. Au 15/11/2026, les familles ouvertes les plus suivies sont Mistral (France), Qwen (Alibaba), Gemma (Google), DeepSeek, Llama puis Muse (Meta) et OLMo (Ai2). Le tableau ci-dessous les compare sur ce qui se vérifie : taille, contexte et licence, relevés sur les fiches officielles le 15/11/2026.

Cercle IA Tech est édité par IArche, qui édite ALMA, la plateforme IA pour PME. Ce comparatif ne classe pas les modèles par score : il donne les faits publiés par les éditeurs pour vous aider à faire une liste courte, à tester ensuite sur vos propres documents.

Le tableau des modèles ouverts récents

« Actifs » : dans un modèle à experts (en anglais mixture of experts), seule une partie des paramètres travaille pour chaque jeton. Le modèle reste lourd à charger en mémoire, mais chaque réponse demande moins de calcul.

Ce que chaque famille apporte

Mistral AI. C'est la famille française de la liste. Mistral Small 4 réunit, selon sa documentation, les modes instruction, raisonnement et code dans un seul modèle, sous Apache 2.0. Les Ministral 3 visent le matériel modeste. Mistral Large 4 est le plus grand, mais sa licence n'est pas Apache : la fiche la décrit comme une version modifiée de la licence MIT, et précise qu'exploiter le modèle « en tant que service » demande une licence commerciale séparée avec Mistral.

Qwen. La série Qwen3.8 est la plus récente sur le compte Hugging Face de l'équipe Qwen, avec des versions de 27 milliards de paramètres et leurs déclinaisons FP8 (poids stockés en nombres à virgule flottante sur 8 bits). La fiche du 27B indique Apache 2.0.

Gemma. Gemma 4 marque un changement de licence : sa fiche renvoie à Apache 2.0, alors que les Gemma précédents relèvent des conditions d'utilisation propres à Google. Voir la licence Gemma.

DeepSeek. La fiche de DeepSeek V4.1 Flash indique que le dépôt et les poids sont sous licence MIT, la plus courte des licences permissives.

Meta : Llama, puis Muse. Les derniers dépôts Llama de Meta sur Hugging Face datent de mai 2025 (Llama 4 Scout et Maverick). Leur licence comporte une restriction qui compte en France : les droits sur les modèles multimodaux de Llama 4 ne sont pas accordés aux entreprises dont le siège principal est dans l'Union européenne (voir la licence Llama). Meta publie depuis Muse Spark Open, sous la Muse Model License datée du 15/10/2026 : accès contrôlé, mention « Built with Muse Spark Open » obligatoire, et accord séparé pour l'offrir en service au-delà de 20 millions de dollars de chiffre d'affaires annuel.

OLMo. Le modèle d'Ai2 publie non seulement ses poids sous Apache 2.0, mais aussi son code, ses jeux de données et ses étapes d'entraînement. Voir les modèles entièrement ouverts.

Faire sa liste courte

1. Filtrez par licence avant toute chose. Si vous voulez revendre un service bâti sur le modèle, écartez d'abord les licences qui l'encadrent (Mistral Large 4, Muse Spark Open au-delà du seuil).
2. Filtrez par taille selon le matériel dont vous disposez : un modèle de 3 à 14 milliards de paramètres n'a pas les mêmes besoins qu'un modèle de 1 000 milliards.
3. Vérifiez le contexte si vous traitez de longs documents.
4. Testez sur vos données : deux ou trois candidats, les mêmes questions, les mêmes documents, et une grille de notation écrite à l'avance.

Pour comparer ces modèles ouverts aux modèles propriétaires servis par API, voyez la page modèle à poids ouverts ou modèle par API de Cercle IA Tech · Modèles.