# Qu’est-ce qu’Apertus, et pourquoi parle-t-on d’un modèle d’IA public?

Date: 2025-09-03 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/qu-est-ce-que-apertus-modele-public-suisse/

**Answer:** Apertus est un grand modèle de langage publié le 2 septembre 2025 par l’EPFL, l’ETH Zurich et le Centre national suisse de calcul intensif, en versions de 8 et de 70 milliards de paramètres. On parle d’IA publique parce que des institutions publiques l’ont bâti dans l’intérêt public et ont publié les poids, les recettes des données d’entraînement et le code, pour que chacun puisse l’examiner, le réutiliser ou l’exécuter.

Hier, le 2 septembre 2025, trois institutions publiques suisses ont publié Apertus, un grand modèle de langage dont le nom signifie « ouvert » en latin. Un **grand modèle de langage** est le type d’IA derrière les assistants conversationnels : un programme entraîné sur d’énormes quantités de texte pour prédire la suite. Bien des entreprises publient maintenant les poids finaux de leurs modèles. Apertus va plus loin, et c’est pourquoi il attire l’attention bien au-delà de la Suisse.

Cette publication met une idée à l’épreuve plus qu’elle ne vise le sommet des classements. Des institutions publiques, avec des superordinateurs publics, peuvent-elles bâtir un outil utile que d’autres pourront examiner de fond en comble?

## Ce qui a été publié

Apertus existe en deux tailles, 8 milliards et 70 milliards de **paramètres**, ces valeurs internes qu’un modèle ajuste pendant l’entraînement. Le communiqué de l’ETH Zurich suggère la plus petite pour un usage individuel. La fiche technique sur Hugging Face et l’annonce de Public AI indiquent la licence Apache 2.0, une licence permissive qui autorise l’usage commercial.

La différence tient à ce qui accompagne les poids :

| Composant | Publication typique à poids ouverts | Apertus |
|---|---|---|
| Poids finaux | Oui | Oui |
| Poids en cours d’entraînement | Rarement | Oui |
| Code source de l’entraînement | Parfois | Oui |
| Recettes pour reconstituer les données d’entraînement | Rarement | Oui |
| Documentation du processus | Partielle | Oui |

Les **poids** sont les valeurs entraînées elles-mêmes. Avec les poids seuls, on peut utiliser un modèle sans voir comment il en est arrivé là. Avec les recettes de données et le code d’entraînement, une équipe de recherche peut vérifier ce qui y est entré et tenter de reproduire le résultat. Les responsables affirment aussi qu’Apertus a été entraîné uniquement sur des données publiquement accessibles, filtrées pour respecter les signaux de refus que les sites Web publient sous forme lisible par machine, même ajoutés après coup, et pour retirer les données personnelles avant l’entraînement.

## Qui l’a bâti, et où

Apertus vient de la Swiss AI Initiative, menée par l’EPFL à Lausanne et l’ETH Zurich, avec les ingénieurs et les machines du Centre national suisse de calcul intensif (CSCS). Imanol Schlag, de l’ETH Zurich, en est le responsable technique. Antoine Bosselut et Martin Jaggi, de l’EPFL, s’expriment aussi au nom du projet.

Le financement est surtout public. Le communiqué de l’ETH cite plus de 10 millions d’heures GPU sur Alps, le superordinateur du CSCS, le soutien du Conseil des EPF et des contributions de partenaires, Swisscom, l’entreprise suisse de télécommunications, en tête. Une **heure GPU** représente un processeur graphique qui tourne pendant une heure, l’unité habituelle pour mesurer le travail d’entraînement.

Swisscom offre Apertus à ses clients d’affaires sur ce qu’elle appelle une plateforme suisse souveraine. Hors de la Suisse, l’accès passe par la Public AI Inference Utility, un projet distinct qui se présente comme le déployeur international officiel. Il dit avoir réuni plus de 115 000 heures GPU réparties sur 20 grappes dans plus de cinq pays pour le seul mois de septembre, avec des partenaires comme Amazon Web Services, Exoscale, AI Singapore et le National Computational Infrastructure d’Australie.

## Comment il fonctionne

Sous le capot, Apertus est un modèle de texte classique qui prédit le fragment suivant, entraîné à partir de zéro sur 15 000 milliards de **jetons** (de petits morceaux de texte). C’est le mélange de données qui se démarque. Environ 40 % du texte d’entraînement n’est pas en anglais, et le projet inclut des langues que les grands modèles négligent, comme le suisse allemand et le romanche. Les sources ne s’entendent pas tout à fait sur le nombre : l’ETH Zurich parle de plus de 1 000 langues, l’annonce de Public AI de plus de 1 500.

L’entraînement s’est déroulé par étapes sur des pages Web, du code et des données mathématiques, suivi d’une autre phase d’ajustement pour bien suivre les instructions. La fiche technique indique une longueur de contexte pouvant atteindre 65 536 jetons, soit à peu près la quantité de texte que le modèle peut considérer à la fois.

Une limite pratique ressort. La fiche technique précise qu’aucun filtre n’existe encore pour retirer les renseignements personnels des réponses du modèle, et invite à revenir vérifier plus tard. Les personnes qui bâtissent sur Apertus doivent le prévoir elles-mêmes, puisqu’un modèle peut produire des détails personnels même si ses données d’entraînement ont été nettoyées.

## Pourquoi c’est important

Un modèle **entièrement ouvert** à cette échelle est rare, et ses artisans veulent qu’on y voie un plan directeur. Martin Jaggi décrit l’objectif comme une façon de montrer comment développer un modèle d’IA « fiable, souverain et inclusif ». Pour un petit pays, l’intérêt est clair : l’expertise reste au pays, et le gouvernement ou l’industrie n’ont pas à dépendre entièrement d’un fournisseur étranger.

Le projet donne aussi un exemple concret à un mouvement grandissant pour l’**IA publique**, l’idée que l’IA peut être traitée comme une infrastructure publique. Joshua Tan, de la Public AI Inference Utility, la compare aux « autoroutes, à l’eau ou à l’électricité ».

La prudence reste de mise, car l’ouverture ne dit rien de la qualité. Les résultats indépendants prendront du temps. Un modèle de 70 milliards de paramètres se situe bien en deçà de ce que les plus grands laboratoires commerciaux entraîneraient, et les responsables eux-mêmes parlent d’une première étape, avec des mises à jour régulières à venir. D’autres projets ouverts existent déjà, comme BLOOM de la collaboration BigScience et OLMo de l’Allen Institute for AI : la comparaison équitable se fera donc aussi avec eux, et pas seulement avec les produits commerciaux.

> **À essayer :** posez la même question dans deux langues que vous connaissez, dont une langue moins répandue si possible, puis posez-la à un assistant grand public. Notez où Apertus sonne plus naturel, et où il en sait simplement moins.

## Comment essayer Apertus vous-même?

Le plus simple est l’interface de clavardage de la Public AI Inference Utility, sur [publicai.co](https://publicai.co/stories/apertus), qui ne demande aucune installation. En Suisse, on peut aussi l’essayer par Swisscom et pendant les marathons de programmation des Swiss {ai} Weeks, sur le point de commencer.

Pour l’exécuter vous-même, la [page du modèle sur Hugging Face](https://huggingface.co/swiss-ai/Apertus-70B-2509) offre les poids et du code d’exemple. Commencez par la version de 8 milliards. En règle générale, un modèle non quantifié stocké en 16 bits par paramètre demande environ 2 octets par paramètre, soit environ 16 Go pour le petit modèle et 140 Go pour le grand, sans compter le surplus. La **quantification**, qui conserve les valeurs avec moins de précision, peut réduire nettement ces chiffres, au prix d’une certaine perte de qualité. Le communiqué de l’ETH ajoute qu’un usage concret exige d’autres composants, comme un serveur ou une interface : un essai sur un portable est donc un point de départ plutôt qu’un service achevé.

Un bon premier projet est une petite comparaison : soumettez-lui dix vraies questions tirées de votre travail et notez les réponses. Vous en apprendrez plus qu’avec n’importe quelle annonce.

## Sources

- Apertus: a fully open, transparent, multilingual language model: https://ethz.ch/en/news-and-events/eth-news/news/2025/09/press-release-apertus-a-fully-open-transparent-multilingual-language-model.html
- With love, from Switzerland: https://publicai.co/stories/apertus
- swiss-ai/Apertus-70B-2509 model card: https://huggingface.co/swiss-ai/Apertus-70B-2509

---

Tiré du Guide de l’intelligence artificielle, par Robert Scales, publié par Holistic Hybrid inc. Partage et adaptation permis selon la licence CC BY-NC-SA 4.0 (https://creativecommons.org/licenses/by-nc-sa/4.0/) : citez le guide, mettez un lien vers https://guidetoartificialintelligence.com/fr/apprendre/qu-est-ce-que-apertus-modele-public-suisse/, pas d’usage commercial sans permission, et gardez la même licence.