Six ans après le lancement de GPT-2 en 2019, OpenAI lance un modèle open source. Est-il temps que l’entreprise retrouve sa mission principale ? Celle de faire profiter à l’humanité de l’intelligence artificielle ? En tout cas, les deux modèles gpt-oss-120b et gpt-oss-20b sont désormais disponibles en téléchargement sur Hugging Face.
Le lancement du modèle open source d’OpenAI fait suite à de multiples tests de sécurité. L’entreprise a également effectué de nombreuses mises à jour préalables. Ces étapes expliquent ce délai de déploiement. Le projet gpt-oss ne constitue pas une architecture totalement inédite.
L’intérêt de ce projet est de fournir des pondérations numériques. Ces valeurs apprises durant l’entraînement orientent les réponses de l’IA. Une différence majeure sépare cependant les vrais modèles open source des simples poids partagés.
L’essentiel à retenir,
- OpenAI a publié deux modèles open weights sous licence Apache 2.0, nommés gpt-oss-120b et gpt-oss-20b.
- La déclinaison gpt-oss-20b s’exécute localement sur un PC de 16 Go de RAM grâce à la quantification.
- Ces modèles non multimodaux intègrent le raisonnement par chaîne de pensée tout en assurant une exécution hors ligne sécurisée.
Qu’est-ce qu’un modèle de pondérations
Il est à mon avis important de comprendre comment fonctionne un modèle de pondérations avant d’entrer dans les détails de ce modèle open source d’OpenAI.
Ce type de modèle, en tant que LLM ouvert, va mettre à disposition les paramètres qu’il a appris pendant son entraînement. Ce qui permet ensuite de l’utiliser tel quel ou de le modifier et de le configurer en cas de besoin.
Un modèle de pondération peut donc s’adapter à des besoins spécifiques après avoir modifié ses pondérations.
De son côté, OpenAI n’a pas encore rendu publics de modèles entièrement open source. Sans doute pour éviter que des concurrents ne s’en servent afin de reproduire sa technologie à partir des données et du code d’entraînement.
En somme, un modèle de pondérations inclut aussi du code d’entraînement. Donc du code nécessaire pour entraîner et former le modèle.
Mais pratiquement, on ne peut pas exploiter un tel modèle. Sauf si on dispose d’une grande quantité de GPU Nvidia et d’une ressource importante en électricité.
Quelle différence entre gpt-oss-120b et gpt-oss-20b ?
Entre les deux modèles open source d’OpenAI, le gpt-oss-120b et gpt-oss-20b, la plus grande différence tient au niveau du nombre de paramètres qu’ils proposent.
Le terme paramètre désigne le nombre de configurations qu’un modèle peut déployer pour générer une réponse à chaque requête.
Pour gpt-oss-120b, il dispose de 117 milliards de paramètres. Quant au modèle gpt-oss-20b qui est plus petit, s’élève à 21 milliards de paramètres.
Vous l’aurez compris, plus le nombre de paramètres est élevé, plus le modèle sera gourmand en ressources.
En ce qui concerne gpt-oss-120b, il nécessite au moins un GPU Nvidia de 80 Go pour fonctionner correctement.
La bonne nouvelle, c’est qu’en tant que modèle compact open source, vous pouvez déployer gpt-oss-20b sur un PC de 16 Go de RAM.
Avec un ordinateur moderne, il est tout à fait possible d’utiliser gpt-oss-20b pour du codage sans nécessiter de connexion internet.
Par ailleurs, les deux modèles gpt-oss-120b et gpt-oss-20b sont déployés sous licence Apache 2.0 pour faciliter leur adaptation à votre système et à vos besoins.
We released two open-weight reasoning models—gpt-oss-120b and gpt-oss-20b—under an Apache 2.0 license.
Developed with open-source community feedback, these models deliver meaningful advancements in both reasoning capabilities & safety.https://t.co/PdKHqDqCPf— OpenAI (@OpenAI) August 5, 2025
Gpt-oss n’est pas un modèle multimodal
D’après l’annonce d’OpenAI, les modèles open source gpt-oss ne seront pas déployés en version commerciale. Ils ont aussi une limite à ne pas négliger puisque ce n’est pas un modèle multimodal. Il ne peut donc pas prendre en charge les images, les audios et les voix.
Si vous souhaitez bénéficier de ces fonctionnalités, il va falloir vous tourner vers le cloud. Et donc vers les modèles commerciaux qu’OpenAI a développés. Gpt-oss fournit néanmoins la possibilité d’utiliser d’autres outils, et certaines fonctionnalités telles que le raisonnement pas chaîne de pensée. Ce qui veut dire que les modèles open source gpt-oss-120b et gpt-oss-20b peuvent toujours traiter les requêtes complexes tout en utilisant des langages de programmation comme Python.
Gpt-oss vs o3-mini et o4-mini
Je tiens à rappeler que le modèle gpt-oss a été entraîner avec les mêmes techniques qu’OpenAI a utilisées pour former les modèles o3 et o4.
Ce qui m’a permis de faire un petit test de performances entre les trois modèles. Et gpt-oss-120b se situe juste en dessous de o3 en termes de codage. Quant à gpt-oss-20b, il se positionne entre à3-mini et o4-mini.
Mais ce ne sont que les résultats des benchmarks. Il faudra faire des évaluations plus poussées, et en conditions réelles, pour connaître les vraies valeurs de gpt-oss par rapport à ses concurrents.
Pour le déploiement du modèle open source gpt-oss, OpenAI a dû entrer en collaboration avec d’autres partenaires.
L’un d’entre eux, AI Sweden, est un centre national suédois qui œuvre dans l’intelligence artificielle appliquée.
Les équipes chargées de développer gpt-oss, de leur côté, ont présenté le modèle comme une initiative expérimentale.
Le lancement de modèles plus pondérant va alors dépendre de l’adoption de gpt-oss par la communauté.
Comment exécuter le modèle gpt-oss-20b localement grâce à la quantification ?
Exécuter un modèle de 21 milliards de paramètres sur 16 Go de RAM s’avère complexe. L’exploitation brute du fichier original dépasse rapidement la mémoire disponible. La méthode de la quantification apporte une réponse technique adaptée.
Ce procédé de compression réduit la précision numérique des poids de 16 à 4 bits. Les capacités de raisonnement sont toutefois préservées. En décembre 2022, le développeur Georgi Gerganov avait créé l’outil open source llama.cpp. Son logiciel permettait d’exécuter des LLM directement sur un processeur Apple Silicon.
Cette avancée a popularisé le format GGML, puis le standard universel GGUF. Appliqué au modèle gpt-oss-20b, ce traitement optimise l’usage de la mémoire vive. Les exigences matérielles passent ainsi sous la barre des 12 Go de RAM.
Des moteurs locaux comme Ollama, LM Studio ou vLLM chargent ces fichiers optimisés. Ces applications répartissent la charge entre le processeur principal et la carte graphique. Cette exécution hors ligne assure la confidentialité absolue des données traitées.
Les développeurs peuvent analyser du code source propriétaire en toute sécurité. Les professionnels traitent également des informations stratégiques sans risque de fuite. Ce dispositif transforme un simple ordinateur portable en station d’intelligence artificielle autonome.
Quel budget prévoir pour faire tourner les modèles gpt-oss ?
L’exploitation d’infrastructures d’intelligence artificielle exige un arbitrage financier strict. Il faut choisir entre matériel dédié et facturation sur des serveurs distants. En 2024, le cabinet Gartner rappelait un chiffre clé. Les frais d’inférence en nuage représentaient 75 % du coût total de possession des modèles de langage. L’exécution du modèle gpt-oss-120b sur site exige deux GPU Nvidia RTX 4090 de 24 Go. Cet équipement représente un coût d’environ 3 800 €.
En comparaison, un hébergement sur Amazon Web Services facture 1,50 € par heure. À l’inverse, la déclinaison gpt-oss-20b fonctionne sans frais récurrents. Un ordinateur personnel équipé de 16 Go de RAM suffit. Le comparatif tarifaire ci-après récapitule l’ensemble de ces options.
| Option d’intégration | Infrastructure requise | Investissement initial | Coût d’exploitation | Confidentialité |
|---|---|---|---|---|
| gpt-oss-20b (PC local) | Ordinateur portable (16 Go RAM) | 0 € (matériel existant) | 0,00 € / heure | Totale (hors ligne) |
| gpt-oss-120b (Station locale) | 2x GPU Nvidia RTX 4090 (48 Go VRAM) | ~3 800 € | Électricité (~0,08 € / h) | Totale (hors ligne) |
| gpt-oss-120b (Cloud IaaS) | Instance AWS EC2 (1x GPU 80 Go) | 0 € | ~1,50 € / heure | Hébergée sur serveur tiers |
| Modèles fermés (API Cloud) | Aucune (infrastructure distante) | 0 € | ~2,50 € / million de tokens | Données soumises au fournisseur |
FAQ
Oui, la technique du fine-tuning via QLoRA permet de réentraîner le modèle sur des données métier ciblées. Cette méthode réduit l’empreinte mémoire requise tout en ajustant précisément les pondérations de gpt-oss-20b.
Les deux modèles gpt-oss gèrent une fenêtre de contexte maximale pouvant atteindre 128 k tokens. Cette capacité permet d’analyser de longs documents techniques ou des bases de code volumineuses en une requête.
La licence Apache 2.0 accordée par OpenAI autorise l’utilisation commerciale gratuite sans redevance. Les entreprises peuvent intégrer gpt-oss-120b dans leurs produits logiciels propriétaires sans restriction juridique majeure.
Face à Llama 3.1 de Meta et DeepSeek-R1, gpt-oss-120b surpasse ses concurrents en raisonnement logique. Son architecture optimise la résolution de problèmes mathématiques complexes et la génération de code source.
Le moteur vLLM permet de déployer gpt-oss-20b sous forme d’API REST locale standardisée. Les applications existantes se connectent alors au modèle local en remplaçant simplement l’URL du point de terminaison.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
