On a plongé dans le code - ForkLog : cryptomonnaies, IA, singularité, avenir

# On a tout saboté

Guide pour lancer des modèles d'IA ouverts depuis GitHub

Dans le développement de l'IA, un vecteur est apparu où la décentralisation et le code source ouvert permettent de dépasser les solutions commerciales populaires. Les LLM locaux permettent de travailler avec des données de manière privée, de configurer le système de façon flexible selon ses tâches et de contrôler soi-même l'environnement d'utilisation. Cependant, le lancement de tels modèles nécessite une compréhension des outils de base — des dépôts et poids des modèles aux environnements cloud et caractéristiques techniques.

Dans ce nouveau matériel, ForkLog expliquera comment commencer à explorer les IA autonomes sans coûts, quels ressources utiliser pour les débutants et ce que proposent les développeurs de solutions open-source.

Première prise de contact

Pour les développeurs de modèles d'IA ouverts, il existe deux plateformes principales — GitHub et Hugging Face. La première est traditionnellement utilisée pour publier le code source, la documentation et les scripts d'installation, la seconde est devenue un hub mondial pour les poids de modèles, datasets et solutions ML prêt-à-l'emploi. Sur Hugging Face, sont publiés des centaines de milliers de réseaux neuronaux entraînés, allant de petits modèles linguistiques pour smartphone, générateurs alternatifs de contenu média, à des algorithmes spécialisés pour chercheurs et passionnés.

Le choix du modèle nécessaire est aidé par des métriques d'activité communautaire. Sur GitHub, elles sont représentées par le nombre d'étoiles (stars), la fréquence des mises à jour (commits) et la rapidité de résolution des problèmes (issues).

Il est également important de vérifier l'origine du produit et l'authenticité du dépôt. Les builds OS populaires deviennent régulièrement des appâts pour des cyberescrocs, qui distribuent du code malveillant sous couvert d'outils IA connus.

L'étape suivante pour explorer les modèles IA locaux — tester leur fonctionnalité en pratique. Pour les utilisateurs sans matériel puissant, il existe des plateformes cloud gratuites ou quasi-gratuites.

La solution la plus populaire — Google Colab — est un environnement cloud offrant un accès à des GPU directement depuis le navigateur. L'abonnement gratuit permet de travailler sur un système avec un accélérateur Nvidia Tesla T4 en moyenne de deux à quatre heures selon la charge. En alternative, on trouve Kaggle Notebooks et Hugging Face Spaces. Ce dernier permet d’interagir avec des modèles via des interfaces web prêtes comme Gradio ou Streamlit.

Il faut aussi prendre en compte l’aspect juridique lors de l’utilisation de solutions fédératives. Beaucoup de projets populaires sont disponibles sous des licences classiques, comme MIT ou Apache 2.0, permettant leur utilisation aussi à des fins commerciales avec peu de restrictions.

Mais il existe aussi des approches spécifiques. Meta distribue ses modèles phares sous sa propre licence Llama 3.1 Community License, qui requiert une permission spéciale si l’audience mensuelle du service dépasse 700 millions d’utilisateurs.

Les licences strictes de copyleft, comme la GNU General Public License, obligent également à ouvrir le code de tous les produits dérivés.

Mon propre équivalent de ChatGPT

Parmi la multitude de LLM autonomes généralistes (équivalents de ChatGPT ou Gemini), le choix est aidé par des classements indépendants basés sur des tests à l’aveugle et des métriques de performance comme Open LLM Leaderboard et Chatbot Arena.

Tableau de bord des LLM ouverts. Source : llm-stats. La norme d’or du segment est la famille de modèles Llama de Meta et Qwen d’Alibaba. Ces modèles excellent dans la gestion de longs contextes, la résolution de requêtes multi-étapes et conviennent pour le VYB coding et la programmation. Grâce au framework ouvert Ollama, leur installation se résume à une seule commande.

Lors d’un test effectué pour la rédaction de ce matériel, le modèle qwen3.5:2b a pu être lancé sur un ordinateur portable sans GPU discret, basé sur un Core i7 avec 8 Go de RAM et SSD, en fermant des applications lourdes : messageries et navigateurs.

Source : Ollama. « 2b » signifie 2 milliards de paramètres. Plus la valeur est élevée, plus le réseau neuronal peut capter de connexions complexes. Par exemple, un modèle 2b apprendra la grammaire de base et des commandes simples, tandis qu’un 122b mémorisera des faits de physique quantique, des subtilités de documents juridiques et pourra planifier des tâches sur dix étapes à l’avance.

Chaque paramètre occupe un espace physique sur le disque dur et, surtout, en mémoire vive. 2b utilisait environ 4-5 Go de RAM et était la limite maximale pour un lancement sur cette machine. La réponse à une requête simple « salut ! » prenait presque trois minutes.

Capture d'écran : ForkLog. Gradation approximative des modèles :

• 0.5b-2b. Rapides, peuvent fonctionner sur de vieux laptops et smartphones. Idéaux pour des tâches simples (routage de commandes, résumé basique, autocomplétion de petites lignes de code). Tendent à faire des hallucinations sur des requêtes complexes ;
• 3b-4b. Équilibre entre vitesse et qualité. Bons pour appareils mobiles, maisons intelligentes et automatisation. Par exemple, demander à un chatbot d’éteindre la lumière, allumer la clim ou ouvrir la barrière ;
• 7b-9b. Nécessitent environ 6–8 Go de RAM libre. Modèles puissants avec compréhension du contexte et logique profonde, adaptés pour la programmation et la gestion de grands textes.

Dans une étude récente sur le VYB coding en Web3, Vladimir Slipe a déterminé que pour une machine de type MacBook Air avec 16 Go de RAM, les modèles qwen2.5-coder:7b, qwen3:8b, llama3.2:3b, deepseek-r1:8b conviennent. Les modèles plus puissants nécessitent un PC haut de gamme avec des GPU de pointe ou une installation sur serveurs loués.

Traitement privé des données, impression 3D et protection de l’utilisateur

Les options d’interaction avec des modèles IA ouverts dépendent du niveau de préparation de l’utilisateur et du matériel. Certains projets sont empaquetés dans des installateurs pratiques (.EXE) ou des applications mobiles prêtes à l’emploi. D’autres sont des dépôts GitHub abandonnés où l’installation devient une lutte de plusieurs heures contre des conflits de bibliothèques obsolètes.

Les modèles IA appliqués aujourd’hui ne servent pas seulement à générer du texte. Une analyse superficielle de l’écosystème permet d’identifier des dizaines d’outils spécialisés pour des tâches précises :

Travail vidéo et 3D :

• CogVideoX. Modèle open-source de Zhipu AI pour générer des vidéos à partir de descriptions textuelles. Permet de créer des clips réalistes, possède des poids ouverts et peut être déployé dans des environnements comme Jupyter ou Colab si la mémoire vidéo le permet ;
• DepthCrafter. Outil pour extraire des informations de profondeur de champ à partir de vidéos. Utile pour VFX et modélisation 3D. Permet de créer des cartes de profondeur précises pour chaque image d’une scène dynamique ;
• TRELLIS (Morfx 3D). Système avancé de génération d’actifs 3D. Permet de créer des modèles 3D de haute qualité à partir d’images ou de requêtes textuelles, optimisés pour les moteurs de jeux.

Transformation d’une photo de train en objet pour traitement et impression 3D via la version web du modèle Morfx 3D. Capture d'écran : ForkLog.Son et reconnaissance :

• CosyVoice. Modèle multilingue de synthèse vocale avec clonage de voix. Permet de générer un audio réaliste en conservant l’intonation et l’émotion du locuteur ;
• Whisper-WebGPU. Implémentation du modèle de reconnaissance vocale d’OpenAI, réécrite pour fonctionner directement dans le navigateur via l’API WebGPU. La transcription audio se fait localement, garantissant la confidentialité totale sans transfert de fichiers audio vers des serveurs tiers ;
• BirdNET-Analyzer. Réseau neuronal de l’Université Cornell pour identifier les oiseaux par leur chant. Contrairement à l’application Merlin Bird ID, qui dépend fortement du traitement cloud pour certaines fonctions, BirdNET-Analyzer offre un contrôle total du processus d’analyse localement et peut traiter des gigaoctets d’enregistrements de terrain en masse.

Source : BirdNET.Programmation et protection de l’utilisateur :

• Screenshot-to-Code. Outil pour convertir une capture d’écran d’une page web ou d’une appli mobile en code HTML, Tailwind ou React propre. Bien que souvent lié à des API payantes (Claude, GPT-4), son architecture permet d’intégrer des modèles multimodaux open-source ;
• MinerU/Magic-PDF. Projet pour extraire précisément des données structurées de PDF. La modélisation reconnaît texte, formules mathématiques et tableaux, transformant la mise en page complexe en Markdown ;
• Fawkes. Modifie invisiblement les images pour empêcher la reconnaissance faciale. Se charge localement via un fichier .EXE et peut être utilisé pour des avatars sur réseaux sociaux ;
• Nightshade. « Toxique » pour les pixels d’une image afin de brouiller les algorithmes d’apprentissage IA, si ceux-ci le font sans permission. Par exemple, une requête « chien » pourrait générer une image de chat.

Portrait du président américain Donald Trump avant utilisation de Fawkes. Source : Bibliothèque du Congrès des États-Unis. Après traitement par Fawkes. Capture d'écran : ForkLog.

Lutte contre les bibliothèques et premier succès

Après l’installation de modèles IA avec une interface utilisateur claire, il fallait voir à quel point il était facile de déployer un dépôt lourd dans le cloud, gratuitement.

FLUX.1 de la startup Black Forest Labs — l’un des modèles de génération d’images avancés, rivalisant avec Midjourney et Nano Banana. Avec le matériel nécessaire, le logiciel peut fonctionner en autonomie sans internet et contourner la censure.

Lors du test, la version gratuite la plus légère — FLUX.1 Schnell — a été utilisée. Pour faciliter l’interaction avec des solutions open-source, les développeurs créent des frameworks comme Ollama. Pour la génération d’images, les interfaces graphiques ComfyUI et Forge sont populaires.

Lors de tentatives d’installation de l’implémentation Forge — cagliostro-forge-colab — il a fallu une session entière d’accès GPU via Google Colab. Le problème venait d’une erreur classique de débutant — incompatibilité des versions de Python, de l’environnement cloud et du modèle lui-même. En quatre heures de VYB coding avec la version gratuite de Gemini 3 Flash, il n’a pas été possible d’obtenir un résultat.

Finalement, il a fallu abandonner l’installation du framework et passer directement au déploiement de FLUX.1, mais lors d’une session gratuite suivante, un autre jour.

En pratique, Google Colab gratuit est plus pratique le week-end : la plateforme offre souvent un accès plus long à ce moment-là.

Le modèle occupait environ 34 Go d’espace disque sur SSD cloud. Mais tous les processus liés à l’installation ont finalement utilisé environ 86 Go.

Ressources utilisées par la machine cloud Google Colab. Capture d'écran : ForkLog. Au début, la mémoire vidéo du GPU Nvidia Tesla T4 n’était pas suffisante pour FLUX.1 Schnell. La configuration non adaptée atteignait les limites du GPU, jusqu’à ce que, après une série d’expériences simples avec le code, Gemini 3 Flash aide à faire des ajustements en chargeant et nettoyant la mémoire étape par étape. En fin de compte, sur 16 Go de mémoire vidéo disponibles, environ 3 Go étaient utilisés lors de la génération.

Capture d'écran : ForkLog. La création d’une image prenait environ sept minutes. Étant donné qu’il s’agit d’une version gratuite d’un modèle open-source, le résultat a été agréablement surprenant.

Image générée avec FLUX.1 Schnell. Source : ForkLog. Lors de plusieurs tentatives pour générer une image du chanteur Marilyn Manson dans un style victorien avec l’outil FLUX.1 Schnell, il est probable que la référence à une personne spécifique n’ait pas été reconnue, et qu’un modèle général ait produit un visuel générique.

Image générée du performer sur la requête « dessine Marilyn Manson dans un style victorien » avec FLUX.1 Schnell. Source : ForkLog.## Complexes et incroyables

Les réseaux neuronaux ouverts sont depuis longtemps utilisés non seulement pour générer du texte et des images, mais aussi pour des tâches plus spécialisées et inhabituelles. Un exemple marquant d’application non conventionnelle de l’architecture IA est le modèle GameNGen, capable de recréer en temps réel le gameplay du classique FPS DOOM.

Source : GameNGen/Github. GameNGen ne simule pas le jeu dans le sens traditionnel, mais génère une vidéo de façon séquentielle : le modèle prédit à quoi doit ressembler la prochaine image après une action de l’utilisateur (par exemple, déplacement ou tir). Par conséquent, ennemis, objets et changements de scène ne sont pas « calculés » par le moteur, mais reproduits visuellement comme le résultat le plus probable.

Parmi les systèmes autonomes, se distingue le projet Voyager — un agent IA pour Minecraft. Il explore le monde du jeu, collecte des ressources et s’auto-entraine en continu.

La communauté scientifique adapte aussi activement l’IA open-source à ses besoins, par exemple en utilisant des algorithmes pour déchiffrer l’histoire. Ainsi, des chercheurs de Tel-Aviv et de Munich ont entraîné le modèle Akkademia pour traduire directement l’écriture cunéiforme akkadienne en anglais. Il permet de traiter des milliers de tablettes d’argile endommagées, accélérant le travail des archéologues de dizaines de fois.

Un autre projet intéressant est MinD-Vis. Ce système analyse des données d’IRM fonctionnelle et tente de reconstruire les images que le sujet voit lors du scan. Autrement dit, il génère une interprétation de ce que l’humain observe, basée sur des modèles d’activité cérébrale.

De telles initiatives prouvent que l’intelligence artificielle est devenue un outil universel de connaissance et de modélisation de la réalité. La transition d’API d’entreprise fermés vers le code source ouvert crée une toute nouvelle paradigme de développement technologique. Aujourd’hui, tout chercheur, développeur ou passionné peut déployer une infrastructure qui, il y a quelques années, aurait nécessité des investissements de plusieurs millions dans des fermes de serveurs.

Le développement de l’écosystème s’accompagne inévitablement d’une amélioration de l’expérience utilisateur : les scripts complexes laissent place à des interfaces intuitives et des environnements automatisés de déploiement. L’utilisation d’outils comme Ollama et Forge montre que la confidentialité, l’absence de censure et la haute performance peuvent coexister harmonieusement dans une seule solution logicielle. L’avenir de l’industrie IA dépend aujourd’hui largement de la force, de l’échelle et de l’indépendance de l’écosystème open-source.