Ouvert ou propriétaire : licence, confidentialité, coûts

Deux modèles de distribution

Un modèle propriétaire (Gemini, par exemple) n'est accessible que par une API : vous envoyez un texte, le fournisseur exécute le modèle sur ses machines et vous renvoie la réponse. Vous ne voyez jamais les poids.
Un modèle ouvert (open weights) publie ses poids, c'est-à-dire les milliards de nombres appris pendant l'entraînement. Vous les téléchargez et vous exécutez le modèle où vous voulez.

« Ouvert » ne veut pas forcément dire « open source » au sens strict : les données et le code d'entraînement ne sont généralement pas publiés. Ce qui compte pour vous, c'est la licence des poids.

flowchart LR
  subgraph P["Propriétaire (API)"]
    U1["Votre application"] -->|"prompt"| F["Serveurs du fournisseur"]
    F -->|"réponse"| U1
  end
  subgraph O["Ouvert (poids)"]
    U2["Votre application"] -->|"prompt"| M["Votre machine ou votre cloud"]
    M -->|"réponse"| U2
  end

1. La licence

Modèle	Licence	Ce qu'elle implique
Gemma 4	Apache 2.0	licence permissive standard : usage commercial, modification, redistribution, avec mention de la licence
Gemma 1, 2, 3 (et 3n, PaliGemma, ShieldGemma…)	Gemma Terms of Use	licence propre à Google : usage commercial permis, mais soumis à une politique d'usages interdits (Prohibited Use Policy) qui suit le modèle et ses dérivés
Gemini	Conditions du service (API)	pas de poids : vous achetez un service, régi par les conditions de l'API

Vous intégrez Gemma 3 dans un produit commercial. Que devez-vous vérifier en particulier ?

2. La confidentialité

Avec un modèle exécuté chez vous, les prompts et les réponses ne sortent pas de votre machine ou de votre réseau. C'est l'argument décisif pour des données très sensibles (santé, RH, défense, secrets industriels) ou un poste sans connexion.

Avec une API, vos données transitent chez le fournisseur. Les offres professionnelles (comme Vertex AI) encadrent ce traitement par contrat : région de traitement, non-utilisation des données pour l'entraînement, journalisation contrôlée. Pour beaucoup d'entreprises, c'est suffisant ; pour certaines, non.

3. Les coûts

Les deux modèles économiques sont opposés :

	API (Gemini)	Auto-hébergé (Gemma)
Coût fixe	aucun	machine ou GPU, même inactifs (sauf mise à l'échelle à zéro)
Coût variable	au token (entrée + sortie)	quasi nul par requête
Exploitation	assurée par le fournisseur	mises à jour, supervision, sécurité à votre charge
Point fort	petit volume, pics imprévisibles	gros volume régulier, données sensibles

Le calcul se fait toujours de la même façon : volume mensuel de tokens × prix au token d'un côté, coût mensuel de l'infrastructure + temps d'exploitation de l'autre. Prenez les prix sur les pages tarifaires officielles au moment du calcul : ils changent souvent.

Quel scénario favorise le plus l'auto-hébergement de Gemma ?

Exercice : la grille de décision

Pour chacun des trois besoins, choisissez Gemma en local, Gemma sur votre cloud, ou Gemini par API, et justifiez en une phrase : (a) un assistant qui résume les comptes rendus du comité de direction ; (b) un outil de traduction pour le site public, 500 requêtes par jour ; (c) une application de terrain pour des techniciens souvent sans réseau.

Voir la solution

(a) Gemma en local ou sur votre cloud si la politique interne interdit l'envoi de ces documents à un tiers ; sinon Gemini sur Vertex AI avec les garanties contractuelles suffit. La décision vient de la politique de sécurité, pas de la technique.
(b) Gemini par API : faible volume, aucun besoin de confidentialité particulier, aucune infrastructure à maintenir.
(c) Gemma en local (sur l'appareil, par exemple Gemma 4 E2B quantifié) : c'est le seul choix qui fonctionne sans réseau.

Résultat obtenu

Liste des modèles Gemma accessibles avec une clé d'API Gemini, obtenue le 2026-10-15 par python client_llm.py (point d'accès /models compatible OpenAI) :

['models/gemma-4-26b-a4b-it', 'models/gemma-4-31b-it']

Je sais faire

Distinguer modèle ouvert, open source et propriétaire
Identifier la licence d'une version de Gemma et ses contraintes
Expliquer quand le local apporte une vraie confidentialité, et quand non
Poser le calcul de coût API contre auto-hébergement