TL;DR — Le 5 août 2025, OpenAI a publié gpt-oss-120b et gpt-oss-20b, ses premiers modèles de langage open-weights depuis GPT-2 (novembre 2019). Licence Apache 2.0, fenêtre de contexte 128K tokens, disponibles sur Hugging Face. Le 120b tient sur un GPU Nvidia 80GB, le 20b tourne sur un laptop avec 16GB de RAM.
OpenAI vient de publier gpt-oss-120b et gpt-oss-20b, qu’elle décrit comme ses modèles open-weights les plus capables à date. L’annonce, signée sur le blog Global Affairs d’OpenAI le 5 août 2025, marque un virage stratégique notable pour une boîte qui, depuis GPT-2 en 2019, n’avait plus rien lâché de réellement ouvert côté poids de modèles de langage. Les deux modèles sont diffusés sous licence Apache 2.0 via Hugging Face, avec une fenêtre de contexte de 128K tokens. Traduction concrète : tu peux télécharger, héberger et fine-tuner ces modèles toi-même.
Pourquoi ce virage maintenant
Le contexte explique beaucoup. Depuis deux ans, l’écosystème open-weights s’est musclé sans OpenAI : Llama chez Meta, Mistral côté français, DeepSeek côté chinois, sans parler de Qwen ou Gemma. Pour un développeur ou un freelance qui veut héberger un modèle en local, payer zéro centime à l’API et garder le contrôle sur ses données, l’offre était déjà large. Et OpenAI n’était nulle part dans cette conversation.
Le post officiel d’OpenAI cadre la décision autour d’un argument d’accessibilité : « AI’s next frontier isn’t just about capability—it’s about who gets to use it. » Autrement dit, la course ne se joue plus seulement sur le benchmark MMLU, mais sur la diffusion réelle. Un modèle fermé derrière une API payante exclut mécaniquement les chercheurs aux budgets serrés, les ONG et les PME.
Il y a aussi une lecture plus stratégique : en publiant des modèles open-weights, OpenAI reprend de la place dans les conversations de devs qui, jusqu’ici, défaultaient sur Llama ou Mistral pour leurs projets self-hosted. C’est un mouvement défensif autant qu’idéologique.
Ce que « open-weights » veut dire (et ne veut pas dire)
Petit rappel utile, parce que les termes se mélangent souvent dans les threads X :
- Open-weights : les poids du modèle (les paramètres entraînés) sont publiés et téléchargeables. Tu peux faire tourner le modèle en local, le fine-tuner, l’intégrer dans un produit.
- Open-source au sens strict : poids + code d’entraînement + données + licence permissive. Très rare en pratique (OLMo d’AI2 s’en approche).
- Open API : tu accèdes au modèle via une API, mais tu ne le possèdes jamais. C’est le cas de GPT-4o, Claude ou Gemini en production.
L’annonce d’OpenAI parle bien d’open-weights, pas d’open-source intégral (le code d’entraînement et les données ne sont pas publiés). Côté specs : gpt-oss-120b est un modèle de raisonnement qui tient sur un GPU Nvidia 80GB, et gpt-oss-20b tourne sur un laptop avec 16GB de RAM. Les deux supportent une fenêtre de contexte de 128K tokens, l’ajustement du niveau de raisonnement (low/medium/high), le tool use et la chain-of-thought complète. Licence Apache 2.0 + usage policy gpt-oss.
Ce qu’on peut dire avec certitude, c’est que c’est la première fois depuis la release complète de GPT-2 en novembre 2019 qu’OpenAI publie des poids de modèle de langage exploitables. À noter qu’entre temps, OpenAI a publié Whisper et CLIP en open source, mais rien côté LLM. Près de six ans de silence open-weights sur les modèles de langage, c’est suffisamment long pour que l’événement compte.
Ce que ça change pour toi, concrètement
Pour un développeur freelance qui construit des outils internes pour des clients sensibles à la souveraineté des données, gpt-oss devient une option de stack supplémentaire : modèle OpenAI hébergé chez le client, sans passage obligé par Azure OpenAI Service ni dépendance à une API externe. Pour quelqu’un qui utilise ChatGPT au quotidien en production de contenu, l’impact direct reste faible à court terme — les modèles fermés (GPT-4o, o3, etc.) gardent l’avantage sur la majorité des cas d’usage texte. Mais voir un modèle OpenAI tourner en local sur un Mac M4 ouvre d’autres usages à moyen terme : génération offline sans facture API qui dérape, tests sans contrainte de quota. Et pour un entrepreneur qui hésitait à bâtir un produit sur l’API OpenAI par peur du verrouillage, l’arrivée d’un fallback open-weights réduit ce risque de dépendance — migration vers le modèle local possible si les conditions évoluent côté API.
Côté licence, OpenAI a tranché pour le permissif : Apache 2.0 assortie d’une usage policy gpt-oss. Comparativement, Llama 3 reste sous une licence quasi-open avec des restrictions d’usage commercial au-delà de certains seuils, là où Mistral diffuse aussi ses modèles ouverts sous Apache 2.0. Concrètement, pour un déploiement en production ou un produit commercial dérivé, gpt-oss s’aligne sur ce qui se fait de plus permissif dans l’écosystème open-weights actuel.
Ce mouvement était devenu obligatoire pour OpenAI. Pendant trois ans, la boîte a vendu une image de « open » dans son nom tout en verrouillant tout ce qui sortait du labo. Le décalage entre le branding et la pratique devenait gênant, et la pression compétitive de DeepSeek début 2025 (V3 sorti fin décembre 2024 entraîné pour ~5,6 M$ contre 100 M$+ estimés pour GPT-4, puis R1 le 20 janvier 2025 au niveau d’OpenAI o1 sur le raisonnement) a probablement accéléré la décision interne. La vraie question maintenant n’est pas de savoir si ces modèles sont bons, mais s’ils suffisent à reprendre du mindshare face à un écosystème open qui ne les a pas attendus.
