Longtemps restreint, le code source d’AlexNet a finalement été open-sourcé en mars 2025. Désormais, il est disponible sur le compte GitHub du Computer History Museum (CHM).
Ce dépôt contient l’intégralité des fichiers originaux écrits en 2012 par Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton. Concrètement, sa répartition par langage est très précise : 58,1% en CUDA, 39,1% en Python, 1,7% en Shell et 1,1% en C++.
En bref,
- L’acte historique : le CHM a négocié 5 ans avec Google pour publier sous licence BSD le code de 2012, écrit en CUDA et Python avant l’existence de PyTorch
- La réalité technique : impossible à exécuter aujourd’hui, ce code est un objet de musée plus qu’un outil utilisable
- Le paradoxe : alors que le code s’ouvre, les transformers ont déjà rendu les CNN comme AlexNet obsolètes en vision par ordinateur.
Le code source d’AlexNet est désormais en libre accès
Le tout a été publié sous licence BSD 2-Clause. Cette sortie fait suite à cinq années de négociations complexes entre le musée et Google. En effet, les démarches formelles ont débuté en 2020, lorsque Hansen Hsu, conservateur logiciel au CHM, a contacté l’équipe. Au final, Google, détenteur historique des droits via son acquisition de DNNResearch, a autorisé le CHM à publier le code sous licence ouverte.
L’architecture révolutionnaire d’AlexNet
Historiquement, AlexNet repose sur une architecture de 8 couches de neurones, totalisant ainsi 60 millions de paramètres. Pour fonctionner, le réseau combine des couches de convolution et des couches entièrement connectées. Il utilise également la fonction d’activation ReLU, bien plus rapide que le tanh.
Cependant, l’innovation majeure reste le Dropout. Cette technique évite le sur-apprentissage en désactivant aléatoirement certains neurones lors du processus. Enfin, il faut savoir que l’ensemble a été entraîné à l’époque sur seulement deux cartes graphiques NVIDIA GTX 580.
Les transformers surpassent les CNN en vision par ordinateur
Depuis le début de l’année 2026, la suprématie des CNN (comme AlexNet) est largement contestée. Aujourd’hui, les transformers sont devenus la véritable référence en vision par ordinateur. Des benchmarks récents, comme Computer Vision 2.0 (développé par UL Solutions), utilisent désormais des modèles tels que DETR pour la détection d’objets, car ces architectures surpassent nettement les CNN traditionnels.
Contrairement à leurs prédécesseurs, les transformers analysent l’image globalement grâce à un mécanisme d’auto-attention. Ce changement de paradigme est si radical que de nouvelles métriques d’évaluation du matériel IA ont dû être créées. Autrement dit, la puissance de calcul se mesure tout autrement en 2026.
FAQ – Tout comprendre sur le code source d’AlexNet
Google a acheté la start-up DNNResearch, fondée par les créateurs d’AlexNet, en mars 2013. Le montant estimé de cette acquisition s’élève à environ 44 millions USD (soit environ 34 millions EUR au taux de l’époque). Par conséquent, le code leur appartenait légalement. Le CHM a initié les démarches en 2020 pour obtenir l’autorisation de diffusion, mais il a fallu cinq ans pour identifier la version exacte de 2012 et négocier les droits d’ouverture avec la firme de Mountain View.
Non, c’est très peu probable pour un utilisateur standard. Tout d’abord, le code date de 2012 et a été écrit bien avant l’existence de frameworks modernes comme PyTorch ou TensorFlow. De plus, les 58,1% de code CUDA dépendent d’anciennes versions de bibliothèques et d’un environnement logiciel aujourd’hui obsolète.
Pour un projet moderne, concentrez-vous plutôt sur les bibliothèques actuelles. PyTorch et TensorFlow intègrent nativement des modèles pré-entraînés extrêmement performants. Par exemple, le réseau ResNet ou les Vision Transformers (ViT) sont aujourd’hui beaucoup plus précis et adaptés. Néanmoins, pour une approche purement pédagogique, les réimplémentations d’AlexNet disponibles aujourd’hui sur GitHub restent très utiles.
Le code original hébergé sur le dépôt du CHM est placé sous licence BSD 2-Clause (également appelée “Simplified BSD License”). Il s’agit d’une licence open source très permissive. Elle autorise une large réutilisation du code, y compris pour des projets à visée commerciale.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
