Open Source AI Gap Map : la première cartographie mondiale de l’IA libre

Une cartographie pour sortir l’IA open source de la fragmentation

L’intelligence artificielle traverse une période paradoxale. D’un côté, quelques géants privés – OpenAI, Google, Meta, Anthropic – concentrent l’essentiel de la puissance et de la visibilité. De l’autre, des milliers de projets open source bourgeonnent dans l’ombre, dispersés, souvent méconnus, parfois redondants. Cette fragmentation empêche l’écosystème libre de peser face aux mastodontes propriétaires.

C’est précisément pour remédier à ce problème que Current AI, partenariat mondial non-lucratif fondé lors de l’AI Action Summit de Paris en février 2025, vient de dévoiler sa Gap Map. Selon l’annonce relayée par Simon Willison, expert tech reconnu, cette cartographie constitue la première tentative systématique d’indexer l’état actuel de l’IA open source à l’échelle mondiale.

421 produits analysés, 24 000 identifiés : l’écosystème en chiffres

La version 0.1 de la Gap Map détaille 421 produits examinés en profondeur : 266 outils logiciels et bibliothèques, 85 modèles d’IA, 50 ensembles de données (datasets) et 20 projets matériels. Ces produits proviennent de 228 organisations et sont organisés en 14 catégories réparties sur trois couches de la pile technologique – composants de modèles, produit/expérience utilisateur, et infrastructure.

Mais le plus impressionnant réside dans ce que Current AI appelle la « longue traîne » : 24 400 artefacts supplémentaires ont été identifiés mais restent non catégorisés et sans score, en attente d’une recherche approfondie. Ce ratio de 1 à 58 entre produits analysés et projets repérés révèle l’ampleur considérable d’un écosystème largement invisible.

« Le ratio 421/24 400 dessine un écosystème en sablier », analyse un observateur du secteur. « Quelques projets très matures en haut, une énorme masse de micro-initiatives en bas, mais peu d’échelons intermédiaires. » Cette structure suggère un problème classique de « vallée de la mort » pour les projets open source : facile de démarrer, extrêmement difficile d’atteindre la maturité sans financement institutionnel.

Une « option publique » à 400 millions de dollars

Current AI ne se contente pas de cartographier l’existant. L’organisation se définit comme un « partenariat mondial visant à construire une option publique pour l’IA », une formulation qui évoque les débats sur les services publics face au secteur privé. Avec 400 millions de dollars déjà engagés, il ne s’agit pas d’un projet communautaire bénévole mais d’une initiative dotée de moyens comparables à ceux de certaines licornes technologiques.

Le timing et le lieu de fondation – Paris, février 2025 – ne sont pas anodins. Ils s’inscrivent dans une stratégie européenne de souveraineté numérique face à la domination américano-chinoise de l’IA. Là où les États-Unis et la Chine misent sur des champions nationaux privés, l’Europe semble parier sur l’open source comme alternative stratégique. Les 400 millions proviennent vraisemblablement de sources publiques ou para-publiques européennes, faisant de Current AI un acteur de politique industrielle déguisé en initiative communautaire.

Trois couches, quatorze catégories : anatomie de l’écosystème

La structuration de la Gap Map en trois couches révèle des déséquilibres instructifs. L’open source excelle traditionnellement dans l’infrastructure – serveurs, frameworks, outils de développement – où il domine largement le marché depuis des décennies. En revanche, il peine davantage sur la couche produit/expérience utilisateur, exactement l’inverse des solutions propriétaires qui misent tout sur l’interface et la simplicité d’usage.

Cette asymétrie suggère que les véritables « gaps » – les manques de l’écosystème – ne sont probablement pas d’ordre technique mais concernent l’utilisabilité et l’intégration. Autrement dit, le problème n’est pas de créer plus de modèles d’IA, mais de rendre ceux qui existent réellement accessibles et utilisables par des non-spécialistes.

Les 14 catégories identifiées par Current AI permettent également de repérer les zones sous-investies. Si la cartographie révèle une abondance d’outils de traitement du langage naturel mais une pénurie de solutions pour l’IA embarquée, par exemple, elle oriente les futurs développements et investissements vers les besoins réels.

228 organisations : un écosystème moins fragmenté qu’il n’y paraît

Un autre chiffre mérite attention : 228 organisations produisent les 421 produits analysés, soit environ 1,8 produit par organisation. Loin de l’image d’une myriade d’acteurs isolés, cela dessine un écosystème où quelques dizaines d’organisations clés produisent plusieurs briques complémentaires.

Cette concentration relative ouvre des opportunités de consolidation et de synergie. Plutôt que de disperser les financements sur des milliers de micro-projets, cibler quelques dizaines d’acteurs stratégiques pourrait avoir un effet de levier considérable. C’est probablement l’une des utilisations que Current AI envisage pour sa cartographie : identifier les nœuds critiques de l’écosystème méritant un soutien prioritaire.

Méthodologie et transparence : les questions qui restent

Si Current AI communique sur les grands chiffres, plusieurs zones d’ombre subsistent. La méthodologie de scoring utilisée pour évaluer les 421 produits analysés n’est pas détaillée publiquement. Quels critères déterminent qu’un projet mérite une analyse approfondie plutôt qu’un autre parmi les 24 400 identifiés ? Comment garantir l’objectivité de cette sélection ?

La fréquence de mise à jour constitue également un enjeu crucial. L’écosystème IA évolue à une vitesse vertigineuse, avec de nouveaux modèles et outils publiés quotidiennement. Une cartographie figée perdrait rapidement sa pertinence. Current AI devra clarifier son calendrier de révision pour que la Gap Map reste un outil vivant.

Enfin, la gouvernance de l’organisation elle-même mérite examen. Qui décide des orientations stratégiques ? Comment s’assurer que cette « option publique » reste réellement publique et ne soit pas capturée par des intérêts particuliers ? Ces questions de transparence démocratique sont d’autant plus critiques que Current AI ambitionne de devenir une référence pour l’ensemble de l’écosystème.

Implications pratiques : qui peut utiliser la Gap Map et comment ?

Pour les développeurs et organisations techniques, la Gap Map offre un outil de navigation dans un écosystème autrement impénétrable. Avant de lancer un nouveau projet IA, consulter la cartographie permet de vérifier si une solution existe déjà, évitant de « réinventer la roue ». Elle facilite également l’identification de partenaires potentiels travaillant sur des briques complémentaires.

Du côté des investisseurs et décideurs, la cartographie révèle les zones sous-investies où des opportunités commerciales existent. Les startups peuvent identifier des niches – par exemple, créer des interfaces utilisateur pour des modèles open source puissants mais difficiles d’accès, ou proposer du support et de l’intégration pour des outils prometteurs mais mal documentés.

Pour les responsables de politiques publiques, la Gap Map devient un outil de pilotage stratégique. Elle permet d’orienter les financements de recherche vers les manques identifiés, de mesurer la progression de l’écosystème national ou européen, et d’évaluer la dépendance vis-à-vis de solutions étrangères propriétaires.

Vers une standardisation de l’évaluation open source ?

Au-delà de son utilité immédiate, la Gap Map pourrait établir un précédent dans la manière d’évaluer et de comparer les projets open source. Jusqu’à présent, l’écosystème manquait de métriques standardisées pour mesurer la maturité, la fiabilité ou la qualité des solutions disponibles.

Si la méthodologie de Current AI gagne en crédibilité et en adoption, elle pourrait devenir un standard de facto, comparable aux certifications de sécurité ou aux labels de qualité dans d’autres secteurs. Les projets open source auraient alors intérêt à se conformer aux critères de la Gap Map pour améliorer leur visibilité et leur attractivité.

Ce rôle de « gate-keeper » potentiel soulève toutefois des questions. Une cartographie unique ne risque-t-elle pas de créer une nouvelle forme de centralisation, déterminant quels projets reçoivent attention et financement ? Comment éviter les biais dans la sélection et l’évaluation ? La communauté open source devra rester vigilante pour que cet outil de transparence ne devienne pas lui-même opaque.

Les prochaines étapes : de la v0.1 à l’écosystème complet

Current AI qualifie explicitement cette publication de « version 0.1 », signalant son caractère préliminaire. L’organisation n’a pas communiqué de calendrier précis pour l’analyse des 24 400 artefacts restants, ni sur les ressources qui y seront consacrées. Avec 400 millions de dollars de financement, les moyens existent théoriquement, mais la tâche reste colossale.

Dans les prochains mois, la réaction de la communauté open source sera déterminante. Les retours sur la méthodologie, les soumissions de projets non inclus demandant leur évaluation, et l’émergence éventuelle de cartographies concurrentes indiqueront si la Gap Map s’impose comme référence ou reste un outil parmi d’autres.

Plusieurs scénarios sont envisageables. Dans le plus optimiste, la Gap Map catalyse la collaboration, influence les priorités de financement et devient l’outil de référence pour naviguer dans l’écosystème IA open source. Dans le plus pessimiste, elle stagne en v0.1, dépassée par l’évolution rapide du secteur, ou génère une fragmentation avec des cartographies concurrentes aux méthodologies incompatibles.

Une bataille idéologique autant que technique

Au fond, la Gap Map de Current AI dépasse largement la question technique de l’inventaire de logiciels. Elle s’inscrit dans une bataille idéologique et géopolitique sur qui contrôlera l’intelligence artificielle – et par extension, une part croissante de nos sociétés.

D’un côté, le modèle propriétaire porté par les géants américains et chinois : innovation rapide, expérience utilisateur soignée, mais concentration du pouvoir, opacité des algorithmes et dépendance stratégique. De l’autre, le modèle open source : transparence, souveraineté, collaboration, mais fragmentation, complexité d’usage et besoin de coordination.

Avec ses 400 millions de dollars et son ambition de « construire une option publique », Current AI parie qu’un écosystème open source bien structuré et financé peut rivaliser avec les acteurs privés. La Gap Map constitue la première pierre de cet édifice : on ne peut améliorer que ce qu’on mesure, et on ne peut coordonner que ce qu’on cartographie.

Reste à savoir si cette initiative européenne trouvera un écho suffisant au-delà du Vieux Continent, et si les 400 millions suffiront face aux dizaines de milliards investis par les géants de la tech. La carte est désormais tracée. Le territoire reste à conquérir.