La Suisse dévoile une alternative transparente à ChatGPT pour révolutionner l’IA conversationnelle

Apertus est lancé par l’EPFL et l’ETH Zurich comme grand modèle de langage open source destiné à servir d’alternative à ChatGPT et à d’autres modèles commerciaux.

Apertus: alternative suisse à ChatGPT et cadre réglementaire

Le projet s’inscrit dans l’Initiative Swiss AI et vise une diffusion publique avec code et jeux de données documentés. Les équipes universitaires annoncent une orientation vers la transparence des architectures, des versions d’entraînement et des mesures d’évaluation.

Les autorités fédérales exigent conformité au Code suisse de protection des données et une attention particulière à l’hébergement local des données pour garantir souveraineté et traçabilité. Les interactions potentielles avec le EU AI Act concernent la classification des usages à risque élevé et les obligations de documentation.

Conséquences pour les institutions et les entreprises

Les centres de recherche bénéficieront d’un accès direct aux modèles pour validation et poursuite de travaux sur sécurité et biais. Les entreprises suisses, notamment les banques et les services de santé, confrontées à contraintes réglementaires strictes, disposeront d’une option locale pour tests et déploiements contrôlés.

Un exemple concret: la PME fictive AlpineTech SA a annoncé des essais pilotes pour intégrer Apertus dans son service client afin de réduire l’usage de services cloud étrangers et documenter les flux de données. Cet exemple illustre la tension entre coûts d’infrastructure et exigences de conformité.

Impacts opérationnels, techniques et risques

Les coûts d’exploitation restent élevés en raison des besoins en calcul et en stockage sécurisés. La maintenance continue, la mise à jour des jeux de données et la validation des réponses appellent des ressources humaines spécialisées au sein des universités et des entreprises utilisatrices.

Les risques identifiés incluent l’hallucination de modèles, la protection des données sensibles et la responsabilité juridique en cas d’erreur. La nécessité d’audits externes et d’outils d’alignement des comportements du modèle est mise en avant par les développeurs.

Perspectives d’adoption et contraintes structurelles

La réussite dépendra de l’intégration par les cantons, des partenariats public-privé et de la capacité des acteurs locaux à financer l’infrastructure. La certification pour des usages critiques nécessitera des preuves d’audit et des procédures de gouvernance claires.

L’alignement réglementaire avec l’Europe, la disponibilité de compétences en ingénierie ML et la capacité à sécuriser des environnements cloud nationaux resteront des points d’attention pour la diffusion opérationnelle de Apertus.