NVIDIA se met à soutenir les modèles IA open-weight car ils augmentent la demande de calcul, malgré ses efforts pour maintenir son fossé CUDA

Jensen Huang, le PDG de NVIDIA, a publié son tout premier message sur X pour défendre les modèles d’IA open-weight, alors que l’administration Trump envisage des restrictions pour empêcher les laboratoires chinois de rattraper leur retard en distillant les modèles américains. Cette prise de position, bien que louable en apparence, sert aussi les intérêts de NVIDIA, car l’essor de ces modèles ouverts pourrait accroître la demande pour ses GPU et renforcer son écosystème CUDA.

Jensen Huang utilise son premier post sur X pour plaider en faveur des modèles d’IA open-weight

Jensen Huang a publié une lettre signée par NVIDIA, Microsoft, Meta, Dell, Perplexity, Palantir, Mistral AI et d’autres, plaidant pour la prolifération des modèles d’IA open-weight.

Ne vous méprenez pas. La boussole morale de cette initiative pointe droit vers le nord. Après tout, on ne peut pas laisser OpenAI et Anthropic devenir les arbitres ultimes d’une technologie aussi transformatrice que l’IA. Une économie de modèles open-weight a plus de chances de favoriser une concurrence saine tout en réduisant les barrières liées à la sécurité des données et aux coûts, tout en s’alignant sur les valeurs de la démocratie américaine.

Ce sujet a récemment fait débat lorsqu’Anthropic et certains membres de l’administration Trump ont accusé Moonshot d’avoir distillé son modèle Kimi K3 à partir de Fable d’Anthropic. Cependant, comme cela a été souligné à plusieurs reprises, Fable a été débloqué fin juin tandis que Moonshot a publié son modèle Kimi K3 vers la mi-juillet. Il n’y avait tout simplement pas assez de temps pour que Moonshot distille un modèle aussi volumineux que Kimi K3, sans parler de ses prouesses architecturales uniques qui ne font pas partie de Fable. Moonshot a probablement affiné certaines réponses de son modèle en utilisant Fable.

Et OpenAI et Anthropic ne sont pas des victimes innocentes. Leurs modèles plus anciens n’ont-ils pas été entraînés sur des données issues d’Internet, y compris des données protégées par le droit d’auteur ?

Cela nous ramène au cœur du sujet. Les modèles open-weight augmentent la demande de calcul, car leur déploiement distribué et fragmenté dans chaque entreprise devient la norme, chaque déploiement nécessitant des ressources de calcul et de mémoire dédiées, surtout lorsque la sécurité des données prime. En revanche, les modèles fermés concentrent la charge de calcul dans des datacenters contrôlés par les nécoclouds et les hyperscalers.

Il est donc assez opportun de la part de Huang d’appeler aujourd’hui à une économie d’IA open-weight, alors que NVIDIA a tout fait ces dernières années pour maintenir son avantage concurrentiel CUDA : offrir des GPU et des formations gratuites aux universités et aux chercheurs, coupler la bibliothèque NCCL (NVIDIA Collective Communications Library) avec du matériel propriétaire comme NVLink et InfiniBand.

Peut-être que le mouvement de défense des modèles d’IA open-weight a besoin de meilleurs porte-parole pour faire passer le message principal, de préférence ceux qui n’ont pas d’intérêt financier direct dans son succès.