Racem Flazi – Le Game

Modèles IA open source contre le cartel, avec Karim Jouini chez Racem Flazi

Le CEO de Nvidia démissionne, et trois fondateurs de la tech française se demandent ce que ça change pour les modèles IA open source. Jensen Huang était le plus gros soutien de l’open source dans l’IA. Pour le trio, son départ ressemble moins à un scandale qu’à une lutte de pouvoir avec le camp des modèles fermés, celui qu’ils appellent le cartel de l’IA.

Dans cet épisode du podcast de Racem Flazi, cofondateur de LegalPlace, on retrouve ses deux invités habituels: Karim Jouini, notre CEO et cofondateur, et Wassim Jouini, CTO de LegalPlace. En une heure et demie, ils passent par les failles découvertes par l’IA, des logiciels refaits en quelques jours par des agents, un dentiste qui a automatisé son secrétariat, les prompts comme propriété intellectuelle et la journée où Claude est tombé. Cette page résume ce qu’ils en disent, avec les chiffres cités et les moments à écouter.

Podcast
Racem Flazi – Le Game
 - épisode
Animateur
Racem Flazi
Invité(s)
Karim Jouini (Thunders) et Wassim Jouini (LegalPlace)
Publié le
novembre 17, 2026
Durée
86 min
 ·
French
Écouter
YouTube
 ·
Racem Flazi – Le Game

Regarder l’épisode: modèles open source, dépendance à Claude et cartel de l’IA

Un épisode pour les fondateurs, CTO et responsables techniques qui se demandent quelle part de leur savoir-faire confier à un seul fournisseur d’IA. Pressé ? L’affaire Jensen Huang à 01:07, les prompts comme propriété intellectuelle à 42:38, et la façon dont Thunders travaille sur les modèles de ses clients à 58:31.

Chapitres

  • 00:00 – Intro
  • 01:07 – L’affaire Jensen Huang chez Nvidia: coup d’État ou scandale ?
  • 15:20 – Cybersécurité: tous vulnérables désormais ?
  • 24:13 – Reverse engineering: la fin du logiciel propriétaire ?
  • 35:02 – Cas d’usage: l’IA dans les PME
  • 42:38 – Propriété intellectuelle: peut-on vraiment faire confiance à OpenAI ?
  • 52:53 – Tous (trop) dépendants à l’IA
  • 1:02:03 – Le weight space programming, ou la neurochirurgie des modèles
  • 1:09:30 – Victoire démocrate aux États-Unis: coup d’arrêt pour les data centers ?
  • 1:18:38 – Les nouveaux travaux de Yann LeCun
  • 1:21:39 – Questions des viewers: les modèles chinois peuvent-ils dépasser les américains ?

Faites défiler la liste pour voir tous les chapitres.

L’essentiel de l’épisode en 2 minutes

Le trio se retrouve désormais toutes les deux semaines: trois semaines d’actualité IA, c’était trop à rattraper. Cette fois, le gros sujet est la démission de Jensen Huang de la tête de Nvidia. Les intervenants doutent de la version officielle et y voient un coup d’État contre le seul grand patron qui finançait l’open source, au moment où une poignée d’éditeurs de modèles fermés verrouillent le marché.

Le reste de l’épisode suit une même question: que deviennent les entreprises qui dépendent de ces éditeurs ?

  • L’IA trouve désormais les failles plus vite qu’on ne peut les corriger, et une fraude à 129 millions de dollars montre où se cachent les maillons faibles.
  • Des agents refont des logiciels de l’extérieur, d’un émulateur de 200 services AWS au vieil ERP d’une entreprise familiale.
  • Les prompts et les skills sont peut-être la vraie propriété intellectuelle d’une entreprise, et Karim estime que la moitié de l’ingénierie de Thunders, ce sont des prompts.
  • Quand Claude est tombé une demi-journée, les équipes ont mesuré leur dépendance. Revolut, lui, était déjà passé à un modèle open source.

Le départ de Jensen Huang: ce qui se joue pour les modèles IA open source

L’épisode s’ouvre sur Nvidia. Jensen Huang a démissionné après des révélations sur sa vie privée, et pendant l’enregistrement même, raconte Racem, une partie de l’histoire commençait déjà à se dégonfler. Quels que soient les faits, Karim y voit un coup d’État: des sociétés comme Nvidia, Anthropic ou OpenAI sont aujourd’hui plus puissantes que la plupart des États de taille moyenne, et la bataille pour leur contrôle ressemble à de la politique.

Wassim rappelle ce qui rendait Jensen Huang gênant pour certains. C’était la seule voix dissidente face au « cartel » américain dont le trio parlait dans les épisodes précédents, ces labos qui vont vers des modèles fermés et propriétaires. Lui avait pris le chemin inverse et poussait des modèles ouverts, accessibles à tous. Racem en tire la conclusion: tuez l’open source aux États-Unis et il prospérera ailleurs, avec la Chine en son centre.

Qui capte la marge: Nvidia ou l’éditeur du modèle

Karim chiffre l’enjeu à partir d’un article de Revolut sur son passage à l’open source. Quand une entreprise fait tourner de l’open source à grande échelle, environ 80 % de la marge part chez Nvidia, et le data center et l’électricité se partagent les miettes. Avec un modèle propriétaire, ce sont 70 à 80 % de la marge qui partent chez Anthropic ou OpenAI. Le choix du modèle décide de qui capte la valeur créée par l’IA.

L’IA trouve les failles plus vite qu’on ne peut les corriger

Trois semaines plus tôt, une faille zero-day dans PHP a secoué le web. Wassim souligne qu’elle touchait l’un des logiciels les plus testés qui soient, sur lequel tourne environ 70 % d’internet. En Finlande et en France, des services publics ont été éteints le temps de les patcher. Karim résume la situation: c’est comme si quelqu’un avait une clé qui ouvre toutes les serrures, et changer toutes les serrures prend du temps. Il rappelle que la NSA a même conseillé aux sites PHP de passer hors ligne en attendant le correctif.

Wassim nuance. Beaucoup de failles sont trouvées, peu sont encore exploitées, parce que les attaquants ne sont pas assez organisés pour tout attaquer en même temps. Les cibles visibles passent en premier: sites publics, enseignes, grandes entreprises. Le reste de la vague arrivera avec des modèles moins chers et des groupes mieux organisés.

Une fraude à 129 millions de dollars bâtie sur un numéro de téléphone

Karim raconte le cas de trois personnes poursuivies pour avoir volé 129 millions de dollars à des PME et ETI américaines et anglaises, par fraude au président. La voix et le visage du dirigeant imités par l’IA, tout le monde s’y attend. Le détail qui l’a frappé est plus discret: ils ont piraté le site d’un cabinet d’avocats juste pour changer son numéro de téléphone. Quand le DAF a cherché le cabinet sur Google et appelé pour vérifier, il est tombé sur les fraudeurs. Le cabinet ne s’en est jamais rendu compte. Pour les 12 à 18 prochains mois, le trio s’attend à ce que l’attaquant garde l’avantage.

Reverse engineering: refaire un logiciel en quelques jours

Racem évoque l’annonce d’Anthropic: sa propre suite bureautique, gratuite, qui vise directement Microsoft. Karim l’avait vu venir. Ce qui l’a surpris cette semaine-là, ce sont deux autres cas. Amazon a utilisé des agents IA pour construire un clone d’AWS que l’on peut héberger soi-même: environ 200 services qui tournent sur un laptop pour développer et tester en local. Et un ingénieur de l’équipe Thunders a refait le vieil ERP, plus maintenu, de l’entreprise familiale. Avec Codex, Claude et des prompts de reverse engineering, il en a fait une application web que sa famille devait commencer à utiliser la semaine suivante. Il ne vole la propriété intellectuelle de personne, précise Karim. Il a des process métier enfermés dans un outil dépassé, et il les déplace vers quelque chose de moderne.

« On devient des boîtes chinoises »

Wassim décrit la méthode chez LegalPlace: on donne à l’agent l’outil existant et une liste de user stories non négociables, et on a en quelques jours quelque chose à déployer dans l’équipe. Racem cite un outil qui leur coûtait 30 000 à 40 000 euros par an pour une seule BU. « On devient des boîtes chinoises », lance Wassim, et Karim explique le parallèle avec ce qu’il a vu en Chine cet été: les entreprises y maîtrisent leur chaîne et achètent des logiciels spécialisés avec leur code source plutôt que de s’abonner à un SaaS standard. Thunders remplace plusieurs petits outils de la même façon, ajoute-t-il, alors que l’entreprise est plus petite que LegalPlace.

Un dentiste, une extension de navigateur et 1 % d’adoption

Le cas de Racem: un ami dentiste dont les assistantes passaient leurs journées sur l’administratif des patients, avec six ou sept mutuelles qui ont chacune leur process. Sans code, sans développement: avec l’extension de navigateur de Claude, le dentiste lui a demandé d’envoyer un SMS aux patients du lendemain, de confirmer ou de retirer chaque rendez-vous selon la réponse, puis de trouver le bon portail de mutuelle pour chaque dossier. Ça a marché du premier coup. Racem estime l’adoption réelle à 1 ou 2 % du marché.

Karim voit l’autre face. Aujourd’hui, c’est vendu absurdement bas par rapport à la valeur créée. Si ça fait économiser 10 000 par mois au dentiste, il n’y a aucune raison qu’il continue à payer 30 euros. Il faut s’attendre à ce que les prix bougent.

À qui appartient le savoir-faire que vous confiez à Claude ?

Le cas du dentiste pose une question juridique: une entreprise américaine détient désormais des données dentaires de patients européens. Karim décrit un législateur dépassé par un outil présent partout à la fois. Il cite la proposition de faire évoluer la loi Darcos, qui inverserait la charge de la preuve: si un modèle produit quelque chose qui ressemble à votre travail, ce serait à l’éditeur de l’IA de prouver qu’il ne s’en est pas servi pour l’entraînement. Il la juge inapplicable à cause des Américains, mais elle ouvre le bon débat.

Vos prompts, votre propriété intellectuelle

Karim pose la question: avec l’IA, les skills et les prompts d’une entreprise ne sont-ils pas sa propriété intellectuelle de demain ? Chez Thunders, dit-il, environ 50 % de l’ingénierie, ce sont des prompts: des centaines, toutes les astuces qui font qu’un grand compte se dit « ça teste bien ». Si un éditeur de modèles les récupérait, il pourrait faire un Thunders en une semaine, et le prouver serait quasi impossible. Racem ajoute le cas des salariés qui branchent Claude sur des systèmes internes sans que personne le sache: les secrets sont absorbés quand même.

« Do not store », sauf si vous appelez un commercial

Wassim rappelle que sur les comptes personnels, la plupart des outils de chat sont autorisés par défaut à réutiliser les conversations pour entraîner leurs modèles. Karim donne un exemple qu’il invite chacun à vérifier: sur l’offre d’OpenAI via Google Cloud, la documentation indique selon lui que l’option « do not store » est ignorée tant qu’on n’a pas eu d’appel avec un commercial. Les trois leviers de Wassim: activer tous les réglages de confidentialité, pousser pour que le zero data retention soit la règle par défaut et pas une clause enterprise, et garder ses skills portables pour pouvoir passer demain sur un modèle open source.

Claude tombe: pourquoi les équipes passent aux modèles open source

L’épisode a été enregistré le vendredi 13 novembre, et la journée a servi de test grandeur nature. Claude était en panne la moitié de la journée, Microsoft partiellement aussi. Wassim, lui, avait regardé qui le relançait chez LegalPlace lors d’un précédent incident Claude: il a été noyé sous les messages. Comme le dit Karim, quand Claude coupe, on ne revient pas deux ans en arrière, on revient dix ans en arrière: les gens ont désinstallé leurs IDE.

Wassim cite Revolut, qui a basculé son code sur un modèle open source chinois, GLM, utilisé via Codex d’OpenAI, pour environ dix fois moins cher. Il situe ce modèle à peu près au niveau de Claude Opus 4.5 ou 4.6. Il y voit le premier gros cas public d’une tendance que beaucoup d’entreprises préparent en silence. Interrogé sur le français, Karim dit utiliser Kimi et DeepSeek en français au quotidien, et que ça marche.

Pourquoi Thunders tourne sur les modèles de ses clients

Racem pose la question directement à Karim: le testing est-il à l’abri des grands labos ? Karim ne le pense pas. Amazon s’est servi de ses données de vente pour lancer Amazon Basics ; les acteurs dominants vont sur les marchés adjacents, et le testing en est un. Il ne doute pas qu’ils s’y intéresseront.

C’est aussi pour ça que, pour lui, la question du modèle est déjà tranchée, et ce sont ses clients qui la tranchent. Ses grands comptes se soucient des données personnelles et de leur propre propriété intellectuelle: ils tournent tous sur des modèles open source, ou ont des contrats particuliers avec Google ou Anthropic pour héberger eux-mêmes le modèle. Un très gros client américain héberge lui-même Gemini. L’un des points forts de Thunders, explique-t-il, est d’évaluer le modèle d’un client en une ou deux heures: quels scénarios il gère, lesquels non. Thunders venait de signer un grand industriel européen de la défense, qui fournit son propre modèle pour cette évaluation. Le test lui-même change aussi: on peut toujours imposer à l’agent les tests qui comptent, et lui demander de trouver des bugs et de proposer des plans de test avec étapes de reproduction pour le reste.

6 choses à retenir sur les modèles IA open source et la dépendance à l’IA

  • Le modèle choisi décide de qui capte la marge: environ 80 % pour Nvidia sur une stack open source, 70 à 80 % pour l’éditeur sur un modèle propriétaire.
  • L’IA trouve les failles plus vite qu’on ne les corrige. Patchez tout ce qui peut l’être, activez la double authentification, et surveillez les maillons faibles les plus banals, comme le numéro de téléphone d’un site web.
  • Refaire un outil de niche à partir de ses user stories prend désormais quelques jours, pas un projet. La maintenance et la sécurité restent à votre charge.
  • Vos prompts et vos skills sont du savoir-faire. Sur un compte grand public, ils entraînent peut-être le modèle de quelqu’un d’autre par défaut.
  • Le zero data retention devrait être la règle par défaut, pas une option qu’on obtient en appelant un commercial.
  • Les grands comptes tournent déjà sur des modèles open source ou auto-hébergés: les outils qu’ils achètent doivent fonctionner sur leur modèle, pas sur celui de l’éditeur.

Les moments forts de l’épisode

  1. « Des sociétés comme Nvidia, Anthropic ou OpenAI sont plus puissantes que la majorité des États de taille moyenne. » (04:06)
  2. « C’est comme si on avait quelqu’un qui a une clé qui ouvre toutes les serrures. » (13:52)
  3. « On devient des boîtes chinoises. » (30:36)
  4. « Dans le monde de l’IA, est-ce que ce ne sont pas mes skills qui sont la propriété intellectuelle du futur ? » (43:18)
  5. « Notre ingénierie contient quand même 50 % de prompts. » (43:50)
  6. « On ne devrait pas appeler un sales pour lui demander de ne pas enregistrer nos données. » (51:27)
  7. « Quand Claude coupe, on n’est pas revenu il y a deux ans, on est revenu il y a dix ans. » (55:02)
  8. « Tous mes grands comptes sont sur des modèles open source. » (59:44)
  9. « On est capable d’évaluer en une ou deux heures le modèle de notre client. » (1:00:21)

À propos du podcast de Racem Flazi

Racem Flazi – Le Game est le podcast de Racem Flazi, président et cofondateur de LegalPlace, la plateforme française de création et de gestion d’entreprise. Son rendez-vous sur l’actualité de l’IA avec Karim et Wassim Jouini a désormais lieu toutes les deux semaines. Cet épisode fait suite à Bulle IA: les premiers craquements, où le cartel de l’IA était apparu pour la première fois. Le podcast est disponible sur YouTube, Apple Podcasts et Spotify.

À propos de Karim Jouini

Karim Jouini est notre CEO et cofondateur. Ingénieur formé à l’IA bien avant les LLM, il a passé sept ans chez Microsoft avant de fonder Expensya, cédée pour plus de 100 millions. Chez Thunders, il construit des agents de test qui doivent tourner sur le modèle choisi par le client, souvent open source ou auto-hébergé: c’est pour ça que l’auto-hébergement avec votre propre fournisseur de LLM fait partie du produit. Quand il parle de dépendance à un seul fournisseur d’IA, il décrit une contrainte que ses clients lui imposent.

À propos de l’autre invité

Wassim Jouini est CTO et Head of AI de LegalPlace, docteur en intelligence artificielle, passé par Microsoft. Dans l’épisode, c’est lui qui revient sur la faille PHP, le passage de Revolut à un modèle open source et les trois façons de protéger ses données face aux éditeurs d’IA.

Questions fréquentes

Pourquoi des entreprises passent-elles aux modèles IA open source ?

Pour le coût, le contrôle et l’indépendance. L’épisode cite Revolut, qui a basculé son code sur GLM, un modèle open source chinois utilisé via Codex, pour environ dix fois moins cher. L’open source évite aussi de dépendre d’un seul éditeur qui peut augmenter ses prix ou absorber votre savoir-faire, et les grands comptes l’exigent de plus en plus pour des raisons de données et de propriété intellectuelle.

Les modèles open source sont-ils assez bons pour un usage réel ?

Pour beaucoup d’usages, oui. Dans l’épisode, Wassim situe le modèle adopté par Revolut autour du niveau de Claude Opus 4.5 ou 4.6, une génération derrière la frontière mais suffisant pour coder. Karim dit utiliser Kimi et DeepSeek en français sans difficulté. Les modèles de pointe restent meilleurs, mais pas au point de changer la donne pour la plupart des tâches.

Comment protéger sa propriété intellectuelle quand on utilise Claude ou ChatGPT ?

Wassim donne trois leviers. Activer tous les réglages de confidentialité, car les comptes grand public autorisent en général l’entraînement sur vos conversations par défaut. Obtenir le zero data retention dans votre contrat et pousser pour qu’il devienne la norme. Et garder vos prompts et vos skills portables, pour pouvoir passer à un modèle open source ou auto-hébergé sans perdre votre savoir-faire.

Qu’est-ce que le zero data retention ?

C’est l’engagement contractuel d’un fournisseur d’IA de ne pas stocker vos prompts ni ses réponses. Dans l’épisode, Wassim explique que le fournisseur peut garder quelques logs pendant une ou deux semaines pour détecter les abus, et rien d’autre. Aujourd’hui, il passe en général par une offre enterprise négociée avec un commercial. Il estime que ça devrait être la règle par défaut.

Pourquoi l’IA rend-elle les cyberattaques plus dangereuses en ce moment ?

L’IA trouve des failles dans des logiciels anciens et très testés plus vite que les équipes ne les corrigent, comme l’a montré la zero-day de PHP. Les attaquants ne sont pas encore assez organisés pour tout exploiter, donc les cibles visibles passent en premier. Les intervenants s’attendent à ce que l’attaquant garde l’avantage 12 à 18 mois: patchez tout, activez la double authentification et surveillez les petits maillons faibles.