Le 14 novembre 2026, le chercheur en IA Nathan Lambert écrivait dans Interconnects que la démission de Jensen Huang, PDG de Nvidia, porte un coup majeur à l'écosystème américain des modèles ouverts : au cours des deux dernières années, le financement de Nvidia en faveur des modèles ouverts reposait largement sur un pari de fondateur décidé par Huang lui-même, et cet argent risque fort de se tarir avec son départ. La priorité absolue de Nvidia est désormais de stabiliser l'entreprise et de livrer ses clients dans les délais — les modèles ouverts ne figurent plus sur la liste.
L'argument de Lambert repose sur une fenêtre de temps : l'économie des modèles ouverts en est encore à ses débuts, et ce sont les années décisives pour construire des cas d'usage, des sources de revenus et la motivation de continuer à entraîner la génération suivante de modèles. La bonne nouvelle, c'est que l'open source a trouvé comment vivre — la « propriété de l'intelligence » et le post-entraînement pour les entreprises constituent une voie réelle. Le côté difficile, c'est que la vraie valeur à long terme de l'open source — faire de l'intelligence une marchandise bon marché — est encore loin d'être réalisée, alors que la puissance de calcul est au plus rare. Les start-up d'inférence ne parviennent même pas à se procurer des puces, parce qu'Anthropic et OpenAI achètent toute l'offre ; si les modèles à poids ouverts doivent eux aussi être servis avec de fortes marges d'inférence, ils sont loin d'être une marchandise.
Plus le calcul se resserre, plus les laboratoires fermés gagnent
Dans ce paysage, le camp qui l'emporte est celui qui dispose de la plus grande échelle et de la meilleure intégration : les laboratoires fermés possèdent une chaîne plus complète, du modèle au centre de données jusqu'à la puce. Lambert cite Dylan Patel, PDG de SemiAnalysis, pour qui le problème n'est pas l'argent mais le talent — les meilleurs esprits sont pour l'essentiel chez Anthropic, OpenAI, DeepMind et Meta, et le reste est dispersé dans une centaine de start-up. Inkling 2 Small, que Thinking Machines Lab vient de publier en open source, est l'un des meilleurs modèles ouverts occidentaux depuis un moment, mais il reste nettement derrière Kimi K3.1 Pro de Moonshot ; le prochain tour de table de Mira serait bouclé à une valorisation de 40 milliards de dollars, mais cet argent ne suffira pas à l'open source pour suivre le rythme de dépenses de la frontière fermée.
La plus grande inquiétude se situe du côté réglementaire. Lambert estime que le risque à court terme est une réglementation hâtive de l'IA au niveau des États, suivie d'une réglementation nationale, portée par des gens qui comprennent trop peu ce à quoi sert l'open source. Il écrit que, depuis cet été, les États-Unis ne sont qu'à un puissant modèle ouvert chinois d'une crise ; aucune attaque d'envergure déclenchée par un modèle ouvert chinois populaire n'a encore eu lieu, mais ce n'est qu'une question de temps. Le camp ouvert a besoin de quelqu'un qui décroche le téléphone en cas de crise et stabilise la situation — et pendant les deux dernières années, cette personne, c'était Jensen Huang.
La prescription de Lambert tient en une phrase : faire émerger aux États-Unis un acteur ouvert véritablement de pointe. Qui décrochera ce téléphone — Zuckerberg, Jassy ou Satya — reste sans réponse ; ce qui est certain, c'est que l'époque où l'on comptait sur Jensen Huang seul est révolue, et que le robinet du financement se resserre aussi pour l'écosystème ouvert. Il ne reste plus beaucoup de temps pour faire pousser un nouveau pilier.