Les modèles open-weight ont atteint environ un tiers de toute l’utilisation des grands modèles de langage fin 2025, selon une étude portant sur 100 billions de tokens de trafic API réel publiée par OpenRouter et Andreessen Horowitz (a16z). C’est le signal le plus clair à ce jour que l’IA open source est passée d’une curiosité de recherche à un défaut de production. Hugging Face héberge désormais plus de 2 millions de modèles publics et 13 millions d’utilisateurs (Hugging Face, State of Open Source Spring 2026), le Llama de Meta a dépassé 1.2 milliard de téléchargements (Meta, 2025), et le Qwen d’Alibaba l’a dépassé pour atteindre 700 millions (Xinhua, 2026). Pourtant, les 200 meilleurs modèles représentent 49.6% de tous les téléchargements Hugging Face, et les modèles fermés de pointe devancent toujours les meilleurs modèles ouverts d’environ quatre mois (Epoch AI, 2026). Cette analyse consolide les données de Hugging Face, OpenRouter, a16z, Stanford HAI, Epoch AI, McKinsey, GitHub et 13 autres sources primaires en plus de 45 points de données vérifiés.
TL;DR
- Les modèles open-weight ont atteint environ 33% de l’utilisation des grands modèles de langage fin 2025, en hausse par rapport à une base faible à un chiffre (OpenRouter, State of AI 2025).
- Hugging Face héberge plus de 2 millions de modèles publics et plus de 500,000 jeux de données pour 13 millions d’utilisateurs (Hugging Face, State of Open Source Spring 2026).
- Les 200 meilleurs modèles, 0.01% de tous les modèles, génèrent 49.6% des téléchargements ; environ la moitié de tous les modèles ont moins de 200 téléchargements (Hugging Face, Spring 2026).
- Le Qwen d’Alibaba a dépassé 700 millions de téléchargements cumulés sur Hugging Face et a dépassé Llama fin 2025 (Xinhua / South China Morning Post, 2026).
- Le Llama de Meta a atteint 1.2 milliard de téléchargements au 29 avril 2025, contre 650 millions en décembre 2024 (Meta ; TechCrunch, 2025).
- Les modèles open-weight accusent un retard d’environ quatre mois, soit 8 points ECI, sur les modèles fermés de pointe (Epoch AI, 2026).
- Plus de 50% des organisations utilisent l’IA open source, une proportion qui grimpe à 72% dans le secteur technologique (McKinsey, 2025).
- Les modèles chinois ont représenté 41% des téléchargements Hugging Face au cours de l’année écoulée, et la Chine a dépassé les États-Unis en téléchargements mensuels en 2025 (Hugging Face, Spring 2026).
- Le marché des modèles d’IA open source devrait passer de 19.05 milliards de dollars en 2025 à 23.08 milliards en 2026 (The Business Research Company, 2026).
- Seuls 15 des 95 modèles notables publiés en 2025 sont livrés avec un code d’entraînement ouvert (Stanford HAI, AI Index 2026).
- Des chercheurs ont trouvé environ 100 modèles malveillants sur Hugging Face, dont environ 95% construits avec un seul format de sérialisation (Dark Reading / JFrog, 2024-2025).
1. L’Écosystème de l’IA Open Source en Chiffres
Hugging Face est le centre de gravité des modèles ouverts, et son propre rapport State of Open Source Spring 2026 montre à la fois l’échelle et l’extrême concentration de l’attention. Les 200 meilleurs modèles, seulement 0.01% du catalogue, représentent 49.6% de tous les téléchargements, tandis qu’environ la moitié de chaque modèle sur le hub compte moins de 200 téléchargements au total. Par ailleurs, l’Octoverse 2025 de GitHub montre le côté développeur de la même vague : plus d’un million de dépôts publics s’appuient désormais sur un SDK LLM.
| Métrique | Valeur | Source |
|---|---|---|
| Modèles publics sur Hugging Face | 2,000,000+ | Hugging Face, State of Open Source Spring 2026 |
| Jeux de données publics sur Hugging Face | 500,000+ | Hugging Face, Spring 2026 |
| Utilisateurs / organisations enregistrés | 13,000,000 / 500,000 | Hugging Face, Spring 2026 |
| Part des téléchargements des 200 meilleurs modèles (0.01% de tous) | 49.6% | Hugging Face, Spring 2026 |
| Modèles avec moins de 200 téléchargements au total | ~50% | Hugging Face, Spring 2026 |
| Dépôts publics GitHub utilisant un SDK LLM | 1,100,000+ (693,867 new, +178% YoY) | GitHub, Octoverse 2025 |
| Contributeurs mensuels aux projets d’IA générative | 68,000 (Jan 2024) to 200,000 (Aug 2025) | GitHub, Octoverse 2025 |
Note de contexte : la taille moyenne des modèles téléchargés est passée de 827 millions de paramètres en 2023 à 20.8 milliards en 2025, mais la médiane n’est passée que de 326 millions à 406 millions (Hugging Face, Spring 2026). Les petits modèles font toujours l’essentiel du travail. Pour un panorama plus large des modèles, consultez nos statistiques sur l’IA générative.
2. Utilisation Réelle : les Poids Ouverts Atteignent un Tiers des Tokens
Le nombre de modèles mesure l’offre ; le volume de tokens mesure la demande. L’étude State of AI d’OpenRouter, qui analyse 100 billions de tokens de trafic d’inférence réel sur plus de 300 modèles avec a16z, est la preuve publique la plus solide que les poids ouverts remportent les charges de travail réelles. Les modèles open source chinois sont passés de 1.2% du volume hebdomadaire de tokens fin 2024 à une moyenne hebdomadaire de 13.0%, culminant à près de 30% certaines semaines. Le segment open source s’est également diversifié : le R1 de DeepSeek représentait autrefois plus de la moitié des tokens ouverts, mais fin 2025, aucun modèle ouvert unique ne détenait plus de 25% de la part ouverte.
| Métrique | Valeur | Source |
|---|---|---|
| Part open-weight de l’utilisation des grands modèles de langage, fin 2025 | ~33% (one-third) | OpenRouter, State of AI 2025 |
| Part hebdomadaire de tokens open source chinois | 1.2% (late 2024) to 13.0% avg, ~30% peak | OpenRouter, 2025 |
| Part hebdomadaire moyenne open source du reste du monde | 13.7% | OpenRouter, 2025 |
| Tokens DeepSeek (Nov 2024 to Nov 2025) | 14.37 trillion | OpenRouter, 2025 |
| Tokens Qwen | 5.59 trillion | OpenRouter, 2025 |
| Tokens Meta Llama | 3.96 trillion | OpenRouter, 2025 |
| Tokens Mistral AI | 2.92 trillion | OpenRouter, 2025 |
| Total des tokens analysés / modèles / fournisseurs | 100 trillion / 300+ / 70+ | OpenRouter, 2025 |
Note anomalie : les modèles orientés raisonnement traitent désormais plus de la moitié de tous les tokens à mesure que le tool-calling augmente, un changement couvert dans nos statistiques sur les agents IA.
3. L’Écart de Performance entre Modèles Ouverts et Fermés
L’écart entre les meilleurs modèles ouverts et fermés s’est réduit de façon spectaculaire en 2024, puis a cessé de se réduire. Epoch AI mesure ce retard avec son Epoch Capabilities Index. Les modèles open-weight ont accusé un retard d’environ quatre mois, soit 8 points ECI, sur les modèles fermés de pointe entre janvier et mai 2026, légèrement plus large que le retard d’environ trois mois mesuré jusqu’en octobre 2025. L’AI Index 2026 de Stanford HAI raconte une histoire similaire sur le classement Arena.
| Métrique | Valeur | Source |
|---|---|---|
| Retard des modèles open-weight par rapport aux modèles fermés de pointe | ~4 months / 8 ECI points (90% CI 7-11) | Epoch AI, 2026 |
| Retard antérieur (Jan 2023 to Oct 2025) | ~3 months | Epoch AI, 2025 |
| Avance du meilleur modèle fermé sur le meilleur modèle ouvert (Mar 2026) | 3.3% (up from 0.5% in Aug 2024) | Stanford HAI, AI Index 2026 |
| Modèles fermés dans le top 10 d’Arena | 6 of 10 | Stanford HAI, AI Index 2026 |
| Écart Chatbot Arena, Jan 2024 to Feb 2025 | 8.04% to 1.70% | Stanford HAI, AI Index 2025 |
| Mise à l’échelle du calcul d’entraînement open-weight de pointe | ~4.7x per year | Epoch AI, 2025 |
| Pointe locale : modèle équivalent aux meilleurs LLM d’il y a 6 à 12 mois | Runs on one sub-2,500-dollar GPU | Epoch AI, 2025 |
Note de contexte : DeepSeek-R1, publié en janvier 2025, accusait un retard de seulement 2 points de pourcentage par rapport au meilleur modèle fermé de l’époque, o3-mini, sur le benchmark MATH Level 5 (Epoch AI, 2025), la sortie qui a montré pour la première fois l’effondrement de l’écart.
4. L’Essor Open-Weight de la Chine : Qwen et DeepSeek
Le changement le plus décisif de 2025 a été géographique. Les modèles chinois ont représenté 41% des téléchargements Hugging Face au cours de l’année écoulée, et la Chine a dépassé les États-Unis en téléchargements mensuels en 2025 (Hugging Face, Spring 2026). Le Qwen d’Alibaba est devenu la famille ouverte la plus téléchargée, selon Xinhua et le South China Morning Post, tandis que le lancement de l’application DeepSeek en janvier 2025 a établi des records de téléchargement suivis par Sensor Tower et TechCrunch.
| Métrique | Valeur | Source |
|---|---|---|
| Part de la Chine dans les téléchargements mensuels Hugging Face, 2025 | Surpassed the U.S. | Hugging Face, Spring 2026 |
| Part des modèles chinois dans les téléchargements Hugging Face, année écoulée | 41% | Hugging Face, Spring 2026 |
| Téléchargements cumulés Hugging Face de Qwen (Jan 2026) | 700,000,000+ | Xinhua / South China Morning Post, 2026 |
| Variantes de Qwen sur Hugging Face | 200,000+ | South China Morning Post, 2026 |
| Part des nouveaux dérivés de grands modèles de langage basés sur Qwen | ~40% | South China Morning Post, 2026 |
| Téléchargements de l’application DeepSeek en 19 jours | 23,000,000 (2x ChatGPT) | Sensor Tower, 2025 |
| Classement n°1 de DeepSeek sur l’App Store | 156+ countries | TechCrunch, 2025 |
| DeepSeek-R1 contre o3-mini, MATH Level 5 | Lags by 2 points | Epoch AI, 2025 |
Note de contexte : en un seul mois, les téléchargements de Qwen ont dépassé le total combiné des huit familles ouvertes suivantes, y compris Meta, DeepSeek, Mistral et Nvidia (South China Morning Post, 2026).
5. Adoption en Entreprise et Économie
L’IA open source est désormais une stratégie d’entreprise grand public, pas une expérience marginale. McKinsey, avec les fondations Mozilla et Patrick J. McGovern, a interrogé plus de 700 dirigeants technologiques dans son rapport Open Source Technology in the Age of AI. Plus de la moitié des organisations utilisent déjà l’IA open source, une proportion qui grimpe à 72% dans le secteur technologique, et 76% s’attendent à en augmenter l’usage. L’enquête Enterprise AI d’a16z montre l’attrait pour les piles multi-modèles, et les chercheurs de marché évaluent l’opportunité à des dizaines de milliards.
| Métrique | Valeur | Source |
|---|---|---|
| Organisations utilisant l’IA open source | 50%+ (72% in tech sector) | McKinsey, 2025 |
| Dirigeants s’attendant à augmenter l’usage de l’IA open source | 76% | McKinsey, 2025 |
| Signalant des coûts de mise en œuvre inférieurs à ceux du propriétaire | 60% (26% average cost improvement) | McKinsey, 2025 |
| Adoption en entreprise de l’IA et du machine learning open source | 40% (+5 pts vs 2024) | Linux Foundation, 2025 |
| Entreprises exécutant 5 modèles ou plus en production | 37% (up from 29%) | a16z, Enterprise AI 2025 |
| Marché des modèles d’IA open source, 2025 à 2026 | 19.05B to 23.08B dollars (21.1% CAGR) | The Business Research Company, 2026 |
| Série C de Mistral AI (Sep 2025) | ~14B dollars valuation (1.7B euros raised) | Mistral AI; Bloomberg, 2025 |
| Valorisation de Hugging Face | 4.5B dollars (2023 Series D); ~7B reported 2025 | TechCrunch, 2023; Sacra, 2025 |
Note de contexte : les prévisions du marché des modèles d’IA open source sont une estimation de fournisseur ; traitez-les comme les données les plus récentes disponibles (The Business Research Company, 2026). Pour le calcul des coûts en aval, consultez notre dossier associé sur les statistiques de coût d’inférence IA et, pour les outils de développement, statistiques des outils de codage IA.
6. Gouvernance, Licences et Sécurité
Les poids ouverts ne sont pas la même chose que l’open source, et les définitions comptent pour la conformité. L’Open Source Initiative a publié sa Open Source AI Definition en octobre 2024, et peu de modèles bien connus s’y conforment pleinement. Seuls 15 des 95 modèles notables publiés en 2025 sont livrés avec un code d’entraînement ouvert (Stanford HAI, AI Index 2026), même si les gouvernements se sont mis à encourager les poids ouverts. La sécurité est l’autre point de vigilance : JFrog et des chercheurs ont documenté des modèles malveillants capables d’exécuter du code sur des hubs publics.
| Métrique | Valeur | Source |
|---|---|---|
| Modèles d’IA open source validés par l’OSI | Pythia, OLMo, Amber, CrystalCoder, T5 | OSI / TechCrunch, 2024 |
| Modèles notables de 2025 publiés sans code d’entraînement ouvert | 80 of 95 | Stanford HAI, AI Index 2026 |
| Part de l’industrie parmi les modèles notables, 2025 | 91.6% | Stanford HAI, AI Index 2026 |
| Modèles malveillants trouvés sur Hugging Face | ~100 (~95% one serialization format) | Dark Reading / JFrog, 2024-2025 |
| Modèles signalés par JFrog comme menaces zero-day | 25 | JFrog, 2025 |
| IA et machine learning perçus comme bénéficiant le plus de l’open source | 38% | Linux Foundation, 2025 |
| Position de l’AI Action Plan américain sur les poids ouverts | Pro-open-weight (Jul 23, 2025) | White House, 2025 |
| Entrée en vigueur des règles de l’EU AI Act sur l’IA à usage général | Aug 2, 2025 | European Commission, 2025 |
Note de contexte : la même accessibilité open-weight qui aide les startups abaisse aussi la barrière à l’utilisation abusive des médias synthétiques, un risque quantifié dans nos statistiques sur les deepfakes.
Résumé : l’IA Open Source en Chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Part open-weight de l’utilisation des grands modèles de langage, fin 2025 | ~33% | OpenRouter, State of AI 2025 |
| Modèles publics sur Hugging Face | 2,000,000+ | Hugging Face, Spring 2026 |
| Part des téléchargements des 200 meilleurs modèles | 49.6% | Hugging Face, Spring 2026 |
| Entreprises exécutant 5 modèles ou plus en production | 37% | a16z, Enterprise AI 2025 |
| Téléchargements cumulés Hugging Face de Qwen | 700,000,000+ | Xinhua / South China Morning Post, 2026 |
| Téléchargements de Meta Llama (Apr 2025) | 1,200,000,000 | Meta; TechCrunch, 2025 |
| DeepSeek-R1 contre o3-mini, MATH Level 5 | Lags by 2 points | Epoch AI, 2025 |
| Téléchargements de l’application DeepSeek en 19 jours | 23,000,000 | Sensor Tower, 2025 |
| IA et machine learning perçus comme bénéficiant le plus de l’open source | 38% | Linux Foundation, 2025 |
| Retard des modèles open-weight par rapport aux modèles fermés de pointe | ~4 months / 8 ECI points | Epoch AI, 2026 |
| Avance du meilleur modèle fermé sur le meilleur modèle ouvert (Mar 2026) | 3.3% | Stanford HAI, AI Index 2026 |
| Organisations utilisant l’IA open source | 50%+ | McKinsey, 2025 |
| Dirigeants s’attendant à augmenter l’usage de l’IA open source | 76% | McKinsey, 2025 |
| Coûts de mise en œuvre inférieurs à ceux du propriétaire | 60% (26% avg improvement) | McKinsey, 2025 |
| Adoption en entreprise de l’IA/ML open source | 40% | Linux Foundation, 2025 |
| Marché des modèles d’IA open source (2026) | 23.08B dollars | The Business Research Company, 2026 |
| Valorisation de Mistral AI (Sep 2025) | ~14B dollars | Mistral AI; Bloomberg, 2025 |
| Modèles notables de 2025 sans code d’entraînement ouvert | 80 of 95 | Stanford HAI, AI Index 2026 |
| Modèles malveillants trouvés sur Hugging Face | ~100 | Dark Reading / JFrog, 2024-2025 |
| Dépôts publics GitHub utilisant un SDK LLM | 1,100,000+ | GitHub, Octoverse 2025 |
Méthodologie et Sources
Les données ont été rassemblées en retraçant chaque chiffre jusqu’à son éditeur principal, en privilégiant les rapports, enquêtes et divulgations originaux de 2025 et 2026 par rapport à l’agrégation secondaire, et en signalant les estimations de marché des fournisseurs et les chiffres plus anciens là où ils apparaissent.
Sources citées :
- Hugging Face, State of Open Source, Spring 2026
- OpenRouter et Andreessen Horowitz (a16z), State of AI: An Empirical 100 Trillion Token Study, 2025
- Andreessen Horowitz (a16z), How 100 Enterprise CIOs Are Building and Buying Gen AI, 2025
- Epoch AI, Open-Weight Models data insights, 2025-2026
- Stanford HAI, AI Index Report 2026 et AI Index Report 2025
- McKinsey avec les fondations Mozilla et Patrick J. McGovern, Open Source Technology in the Age of AI, 2025
- GitHub, Octoverse 2025
- Xinhua et South China Morning Post, Qwen downloads reporting, 2026
- Sensor Tower et TechCrunch, DeepSeek app data, 2025
- Meta, Celebrating 1 Billion Downloads of Llama, 2025, et TechCrunch, LlamaCon 1.2 billion figure, 2025
- Linux Foundation, The State of Global Open Source 2025
- Open Source Initiative, Open Source AI Definition 1.0, 2024
- JFrog et Dark Reading, malicious model research, 2024-2025
- The White House, Winning the Race: America’s AI Action Plan, 2025
- European Commission, EU AI Act general-purpose AI guidelines, 2025
- The Business Research Company / Research and Markets, Open-Source AI Model Market Report 2026
- Mistral AI et Bloomberg, Series C funding reporting, 2025 ; Sacra, Hugging Face valuation estimate, 2025 ; TechCrunch, Hugging Face Series D, 2023
Data watch : plusieurs sources citées publient selon un calendrier fixe. GitHub Octoverse et l’AI Index de Stanford HAI sont annuels, avec les prochaines éditions attendues respectivement fin 2026 et début 2027 ; les études State of AI et open source de McKinsey ainsi que l’enquête State of Global Open Source de la Linux Foundation sont menées chaque année ; le State of Open Source de Hugging Face paraît environ tous les six mois, avec une édition Fall 2026 probable ; et Epoch AI met à jour en continu son suivi ouvert-fermé.
Dernière mise à jour : July 10, 2026.
Nous révisons et mettons à jour cette page trimestriellement à mesure que de nouvelles données sont publiées.