LLaMA — Large Language Model Meta AI — a été publié le 24 février 2023, uniquement à destination des chercheurs qui en avaient demandé l’accès. Le modèle est resté privé environ une semaine. Le 3 mars, ses poids sont apparus dans un torrent partagé sur 4chan ; quelques jours plus tard, des personnes faisaient tourner chez elles un modèle comparable à GPT-3. Meta ne comptait pas lancer le mouvement des poids ouverts, mais cette fuite en a probablement été le déclencheur.
Une vague de créativité a suivi. Alpaca, à Stanford, a affiné le modèle 7B pour moins de 600 dollars. Georgi Gerganov a écrit llama.cpp, un moteur d’inférence minimal en C/C++ qui faisait tourner LLaMA sur le processeur d’un MacBook. Le projet dépasse aujourd’hui 127 000 étoiles sur GitHub et a donné naissance au format GGUF. Ollama, qui n’était au départ qu’une interface pratique autour de llama.cpp, en compte encore davantage : plus de 180 000. L’IA locale que nous connaissons est née d’un modèle de recherche ayant fuité.
Meta a embrayé. Sorti en juillet 2023, Llama 2 autorisait l’usage commercial, avec une réserve célèbre : les entreprises dépassant 700 millions d’utilisateurs actifs mensuels devaient obtenir l’autorisation de Meta — en pratique, cela ne concernait qu’une poignée de concurrents. Llama 3 a été entraîné sur environ 15 000 milliards de tokens. En juillet 2024, Llama 3.1 a introduit un modèle 405B doté d’une fenêtre de contexte de 128K, le premier modèle à poids ouverts capable de rivaliser avec les modèles fermés de pointe. Llama 3.2 a ajouté des modèles 1B et 3B assez petits pour les téléphones. Début 2025, Meta faisait état de plus d’un milliard de téléchargements.
L’expression « open source » a pourtant toujours fait débat. L’Open Source Initiative n’a jamais reconnu la licence Llama comme open source, en raison de ses restrictions d’usage ; la Free Software Foundation a classé celle de Llama 3.1 parmi les licences non libres. Le terme exact est « poids ouverts » : on peut télécharger, exécuter et affiner le modèle, mais c’est la licence qui fixe les règles. Pour une entreprise, cette distinction compte : il faut lire la politique d’utilisation acceptable avant de bâtir un produit dessus.
Llama 4 est sorti un samedi, le 5 avril 2025, avec une architecture mixture-of-experts. Scout compte 17B paramètres actifs sur 109B et une fenêtre de contexte de 10 millions de tokens ; Maverick, 17B actifs sur 400B. Une controverse sur les benchmarks a éclipsé le lancement : la version bien classée sur LMArena était une variante expérimentale optimisée pour le dialogue, et non celle publiée par Meta. Le gigantesque Behemoth, annoncé avec environ 2 000 milliards de paramètres, n’a jamais été livré. En avril 2026, Meta Superintelligence Labs a lancé Muse Spark, un modèle fermé et propriétaire. Meta affirme que les modèles Llama existants restent disponibles et évoque l’ouverture de versions futures, mais l’époque d’un modèle phare Meta à poids ouverts semble suspendue.
Pour les développeurs, la leçon est concrète. Llama a banalisé l’exécution d’un modèle performant sur ses propres serveurs, pour protéger la confidentialité, maîtriser les coûts ou travailler hors ligne. Cette possibilité ne disparaîtra pas, quel que soit le prochain chef de file des poids ouverts. Dans un produit TypeScript ou Python, je traite le modèle comme une dépendance remplaçable : un point de terminaison compatible avec l’API OpenAI — API hébergée, vLLM ou Ollama sur une machine locale — accompagné d’évaluations qui indiquent quand un modèle ouvert moins cher suffit. La bonne architecture est celle où changer de modèle se résume à modifier la configuration.
Donnez à votre prochain produit quelqu’un qui reste.
Prêt à commencer ? Écrivez-moi — je peux démarrer immédiatement et rester dans la durée. Des collaborations à long terme, pas une passation après deux semaines. Discutons de votre projet, de vos exigences et de la meilleure façon d’avancer.