La stratégie IA de Meta vient de devenir étrange : Open Source, Closed Source, et le problème de l’Avocat
Meta a été le champion le plus bruyant de l’IA open source pendant deux ans. Llama est devenu la base sur laquelle des milliers d’entreprises se sont construites. Zuckerberg a écrit une lettre entière sur les raisons pour lesquelles l’open source est bon pour tout le monde.
Et ensuite, ils ont discrètement commencé à construire un modèle closed source appelé Avocado.
Que se passe-t-il ?
L’histoire de Llama jusqu’à présent
Rendons à César ce qui est à César. Les modèles Llama de Meta ont changé le domaine de l’IA. Avant Llama, si vous vouliez un puissant modèle de langage, vous aviez deux options : payer OpenAI ou payer Google. Llama a offert à tout le monde une troisième option : le faire vous-même.
Llama 3.1 a porté la longueur de contexte à 128K tokens. Llama 4 a introduit des modèles multimodaux nativement — Scout et Maverick — capables de gérer texte, images et vidéo dans une seule architecture. Lors de LlamaCon en avril 2025, Meta a mis touté sur le message « le futur est open source ».
Et l’impact a été réel. Des startups ont construit des produits sur Llama qu’elles n’auraient pas pu se permettre de construire sur des API propriétaires. Des chercheurs l’ont utilisé pour faire avancer le domaine. Des pays l’ont utilisé pour développer des capacités IA sans dépendre des entreprises technologiques américaines.
Alors pourquoi Meta commencerait-elle à agir avec prudence ?
Entrez Avocado
Des rapports ont indiqué que Meta développe un nouveau modèle sous le nom de code « Avocado » au sein de ses Meta Superintelligence Labs (MSL), dirigé par le Chief AI Officer Alexandr Wang. Le détail clé : Avocado est développé sous un contrôle « plus strict » — ce qui est du jargon d’entreprise pour dire « pas complètement open source ».
Le plan original était de lancer d’ici fin 2025. Cela a été retardé. Les estimations actuelles le placent au T1-T2 2026.
Pourquoi ce changement ? Quelques raisons qui ont du sens quand on y pense :
La réception de Llama 4 a été tiède. Malgré sa performance technique impressionnante, Llama 4 n’a pas suscité le même enthousiasme que Llama 3. Le marché devient saturé de modèles ouverts, et se différencier est plus difficile.
Pression sur les revenus. Meta a dépensé des milliards pour l’infrastructure IA. À un moment donné, les investisseurs veulent voir des retours. Rendre vos meilleurs modèles open source rend difficile leur monétisation.
Dynamique concurrentielle. OpenAI, Google et Anthropic conservent tous leurs meilleurs modèles sous clé. Offrir des modèles comparables gratuitement est généreux pour Meta, mais c’est aussi une stratégie commerciale qui a ses limites.
La tension de l’Open Source
Voici la vérité inconfortable que personne dans l’industrie de l’IA ne veut dire à voix haute : l’IA open source pure est économiquement insoutenable à la pointe.
Former un modèle de pointe coûte des centaines de millions de dollars. Si vous le libérez gratuitement, vos concurrents bénéficient de votre investissement sans en supporter le coût. Cela fonctionne comme stratégie quand vous essayez de construire un écosystème (ce que faisait Meta). Cela cesse de fonctionner lorsque l’écosystème est construit et que vous devez monétiser.
La probable approche de Meta : garder Llama open source comme l’offre « communauté », tandis qu’Avocado devient le modèle premium, propriétaire pour les clients d’entreprise. Pensez à Red Hat et Linux — la version open source est gratuite, la version entreprise coûte de l’argent.
Ce n’est pas nécessairement mauvais. Cela pourrait en fait être le seul modèle durable pour le développement de l’IA de pointe. Mais cela signifie aussi que l’ère de « Meta offre sa meilleure IA gratuitement » est probablement en train de se terminer.
Ce que cela signifie pour les développeurs
Si vous avez construit sur Llama, ne paniquez pas. Meta ne va pas retirer le tapis. Llama continuera à être développé et publié en open source. La communauté est trop grande et trop précieuse pour l’abandonner.
Mais voici ce à quoi vous devriez penser :
Diversifiez vos dépendances de modèles. Si votre pile entière dépend de Llama, vous êtes exposé aux décisions stratégiques de Meta. Ayez un plan de secours avec Mistral, Qwen, ou d’autres modèles ouverts.
Surveillez les licences. La licence de Llama a toujours été « ouverte » avec des astérisques (restrictions d’utilisation pour les grandes entreprises, pas d’utilisation pour former des modèles concurrents). Les prochaines versions pourraient avoir plus de restrictions.
La vraie compétition se trouve dans le fine-tuning. À mesure que les modèles de base se commoditisent, la valeur se déplace vers le fine-tuning spécifique au domaine et l’optimisation de déploiement. C’est là que vous devriez investir vos efforts.
La vue d’ensemble
La stratégie IA de Meta reflète une tension plus large dans l’industrie : tout le monde veut les avantages de l’open source (écosystème, talent, bonne volonté) sans les coûts (donner son avantage concurrentiel).
Google a open source Gemma mais garde Gemini propriétaire. Mistral a commencé complètement ouvert mais propose de plus en plus de modèles d’entreprise propriétaires. Même Stability AI, qui a bâti sa marque sur l’open source, a rencontré des difficultés financières.
Le constat est clair : l’open source est une excellente stratégie de croissance mais un modèle commercial difficile. Les entreprises qui parviennent à faire les deux — maintenir un écosystème ouvert dynamique tout en construisant des produits propriétaires par-dessus — gagneront.
Meta essaie de comprendre cela en temps réel. Le projet Avocado est leur première tentative sérieuse d’y parvenir. Si cela fonctionne, cela nous en dira beaucoup sur l’avenir de l’IA open source.
Mon pari : Meta gardera Llama assez compétitif pour maintenir l’écosystème, tandis qu’Avocado ciblera le marché des entreprises où les sociétés sont prêtes à payer pour de meilleures performances, un meilleur support et des SLA. Ce n’est pas aussi idéaliste que « open source tout », mais cela pourrait être la seule approche qui fonctionne réellement à long terme.
🕒 Published: