19 juin 2026.
Fiche – Modèles de fondation (Foundation Models)
Présentation générale
Les modèles de fondation (Foundation Models) constituent l’une des innovations majeures de l’intelligence artificielle contemporaine. Le concept a été popularisé en 2021 par le Center for Research on Foundation Models (CRFM) de l’Université Stanford afin de désigner des modèles d’intelligence artificielle entraînés sur des volumes massifs de données et capables d’être adaptés à une grande variété de tâches.
Contrairement aux modèles spécialisés développés pour résoudre un problème unique, les modèles de fondation sont conçus comme des infrastructures technologiques généralistes. Après leur entraînement initial, ils peuvent être utilisés ou adaptés pour des usages très différents : génération de texte, traduction, recherche d’information, création d’images, assistance à la programmation, analyse documentaire, traitement du langage naturel ou encore pilotage de systèmes robotiques.
Les modèles de fondation constituent aujourd’hui la base technologique de la plupart des systèmes d’IA générative. Ils occupent également une place centrale dans le règlement européen sur l’intelligence artificielle (AI Act), qui a consacré la notion de modèle d’IA à usage général (General Purpose AI Model – GPAI).
Points essentiels
- Un modèle de fondation est un modèle généraliste entraîné sur des ensembles de données massifs.
- Il peut être réutilisé pour une multitude de tâches différentes.
- Les grands modèles de langage (LLM) constituent une catégorie de modèles de fondation.
- Tous les modèles de fondation ne sont pas nécessairement génératifs.
- Ils constituent l’infrastructure technologique principale de l’IA générative moderne.
- L’AI Act crée un régime spécifique applicable aux modèles d’IA à usage général (GPAI).
- Certains modèles peuvent être qualifiés de GPAI présentant un risque systémique.
- Les principaux enjeux concernent la transparence, les données d’entraînement, le droit d’auteur, la cybersécurité, les biais, la responsabilité et la gouvernance.
Définition
Origine du concept
Le terme « Foundation Model » a été introduit par les chercheurs du CRFM de Stanford afin de désigner des modèles entraînés sur de très grandes quantités de données et pouvant servir de fondement à de nombreuses applications.
Selon cette approche, le modèle de fondation constitue une infrastructure réutilisable sur laquelle peuvent être développés des systèmes spécialisés.
Cette logique se distingue des approches traditionnelles de l’intelligence artificielle fondées sur des modèles conçus pour une tâche unique.
Caractéristiques essentielles
Les modèles de fondation présentent généralement plusieurs caractéristiques :
Entraînement à grande échelle
Ils sont entraînés sur des volumes extrêmement importants de données :
- textes ;
- images ;
- vidéos ;
- sons ;
- code informatique ;
- données multimodales.
Polyvalence
Un même modèle peut être utilisé pour :
- répondre à des questions ;
- résumer des documents ;
- traduire des textes ;
- générer du code ;
- produire des images ;
- analyser des données.
Adaptabilité
Les modèles peuvent être adaptés à des usages spécifiques grâce à :
- l’apprentissage supervisé ;
- le fine-tuning ;
- le prompt engineering ;
- la génération augmentée par récupération (RAG).
Typologie des modèles de fondation
Grands modèles de langage (LLM)
Les Large Language Models (LLM) constituent aujourd’hui la catégorie la plus connue.
Exemples :
- GPT-4 ;
- GPT-5 ;
- Claude ;
- Gemini ;
- Llama ;
- Mistral Large.
Ils sont principalement conçus pour traiter et générer du langage naturel.
Modèles multimodaux
Les modèles multimodaux peuvent traiter simultanément plusieurs types de données :
- texte ;
- image ;
- audio ;
- vidéo.
Ils représentent une évolution importante de l’IA générative contemporaine.
Modèles de génération d’images
Ces modèles permettent de créer des contenus visuels à partir d’instructions textuelles.
Exemples :
- DALL·E ;
- Midjourney ;
- Stable Diffusion.
Modèles spécialisés
Certains modèles de fondation sont conçus pour des secteurs particuliers :
- santé ;
- finance ;
- industrie ;
- cybersécurité ;
- recherche scientifique ;
- droit.
Modèles de fondation et intelligence artificielle générative
Les modèles de fondation constituent aujourd’hui l’infrastructure principale de l’IA générative.
Ils permettent notamment :
- la génération de texte ;
- la génération d’images ;
- la génération audio ;
- la création vidéo ;
- la production de code informatique ;
- l’assistance conversationnelle.
L’explosion des usages de l’IA générative depuis 2022 résulte directement de la montée en puissance de ces modèles.
Modèles de fondation et IA juridique
Les technologies juridiques modernes reposent de plus en plus sur des modèles de fondation.
Les principaux usages concernent :
- la recherche juridique ;
- l’analyse de contrats ;
- la veille réglementaire ;
- l’assistance rédactionnelle ;
- l’extraction d’informations ;
- la conformité.
Les systèmes spécialisés utilisent fréquemment des architectures combinant :
- modèles de fondation ;
- bases documentaires juridiques ;
- systèmes RAG ;
- moteurs de recherche spécialisés.
Cadre juridique européen
AI Act
Le règlement (UE) 2024/1689 relatif à l’intelligence artificielle consacre pour la première fois un régime spécifique applicable aux modèles d’IA à usage général.
Le texte distingue :
Les GPAI
Les modèles d’IA à usage général (General Purpose AI Models) sont des modèles pouvant être intégrés dans de multiples systèmes et applications.
Les GPAI à risque systémique
Certains modèles présentant une capacité de calcul ou un impact particulièrement importants peuvent être qualifiés de GPAI à risque systémique.
Ces modèles sont soumis à des obligations renforcées.
Obligations principales
Les fournisseurs de GPAI doivent notamment :
- élaborer une documentation technique ;
- fournir des informations aux intégrateurs ;
- respecter les exigences relatives au droit d’auteur ;
- publier des informations concernant les données utilisées ;
- mettre en œuvre certaines mesures de sécurité.
Les GPAI à risque systémique sont soumis à des obligations supplémentaires :
- évaluations ;
- tests ;
- gestion des risques ;
- cybersécurité ;
- signalement des incidents graves.
Droit d’auteur et données d’entraînement
L’un des principaux débats concerne l’utilisation d’œuvres protégées lors de l’entraînement des modèles.
Les questions portent notamment sur :
- la fouille de textes et de données (text and data mining) ;
- les exceptions prévues par le droit européen ;
- la rémunération éventuelle des titulaires de droits ;
- la transparence des corpus d’entraînement.
Ces débats ont joué un rôle important dans les négociations de l’AI Act.
Biais et droits fondamentaux
Les modèles de fondation peuvent reproduire ou amplifier :
- des biais statistiques ;
- des stéréotypes ;
- des discriminations indirectes ;
- des erreurs factuelles.
Ces risques expliquent l’importance croissante :
- des audits ;
- des évaluations d’impact ;
- des mécanismes de gouvernance ;
- des contrôles humains.
Cybersécurité et sûreté
Les modèles de fondation soulèvent également des questions relatives :
- aux vulnérabilités techniques ;
- aux attaques adversariales ;
- à la génération de contenus malveillants ;
- à la désinformation ;
- à la sécurité nationale.
Ces préoccupations sont particulièrement importantes pour les modèles de très grande taille.
Acteurs
Entreprises technologiques
Parmi les principaux développeurs figurent :
- OpenAI ;
- Anthropic ;
- Google DeepMind ;
- Meta AI ;
- Mistral AI.
Institutions
- European Commission ;
- European AI Office ;
- Center for Research on Foundation Models.
Débats actuels
Les modèles de fondation doivent-ils être régulés directement ?
L’AI Act répond partiellement à cette question en créant un régime spécifique applicable aux GPAI.
Comment garantir la transparence ?
Les autorités européennes cherchent à renforcer les obligations relatives :
- aux données d’entraînement ;
- à la documentation ;
- aux évaluations de risques.
Les modèles ouverts sont-ils plus sûrs ?
Le débat oppose les partisans des modèles ouverts aux défenseurs de modèles plus contrôlés.
Qui est responsable ?
La répartition des responsabilités entre développeurs, intégrateurs et utilisateurs demeure l’un des enjeux majeurs du droit de l’IA.
Ressources essentielles
Sources académiques
- CRFM Stanford, On the Opportunities and Risks of Foundation Models (2021).
Textes
- Règlement (UE) 2024/1689 (AI Act).
- Directive (UE) 2019/790 sur le droit d’auteur dans le marché unique numérique.
Notions connexes
- Large Language Models (LLM)
- Intelligence artificielle générative
- GPAI
- RAG
- Prompt Engineering
- AI Act
- Données d’entraînement
FAQ
Qu’est-ce qu’un modèle de fondation ?
Un modèle d’intelligence artificielle généraliste pouvant être adapté à de nombreuses tâches différentes.
Tous les modèles de fondation sont-ils des LLM ?
Non. Les LLM constituent une catégorie particulière de modèles de fondation.
Quelle différence existe entre un modèle de fondation et une application d’IA ?
Le modèle constitue l’infrastructure technologique ; l’application est le produit final utilisé par l’utilisateur.
L’AI Act réglemente-t-il les modèles de fondation ?
Oui. Le règlement crée un régime spécifique pour les GPAI et les GPAI à risque systémique.
Pourquoi ces modèles posent-ils des questions de droit d’auteur ?
Parce qu’ils sont entraînés sur d’immenses volumes de données susceptibles de contenir des œuvres protégées.
Quels sont les principaux risques ?
Les biais, les erreurs, la désinformation, les atteintes aux droits fondamentaux, les problèmes de cybersécurité et les difficultés de gouvernance.
Pour aller plus loin
- Intelligence artificielle générative
- Large Language Models
- AI Act
- Gouvernance de l’IA
- Données d’entraînement
- Droit d’auteur et IA
- Cybersécurité
- Droits fondamentaux
Méthodologie : Cette fiche a été générée avec l’assistance de l’intelligence artificielle à partir de la base documentaire et de sources juridiques complémentaires lorsque cela était nécessaire. Elle constitue une synthèse documentaire et ne remplace pas un avis juridique.
Résumé pédagogique
Définition
Un modèle de fondation est un modèle d’intelligence artificielle généraliste entraîné sur de vastes ensembles de données et pouvant être adapté à de nombreuses tâches différentes.
Exemple
Un grand modèle de langage comme GPT peut servir à rédiger un texte, résumer un contrat, traduire un document ou assister une recherche juridique.
Problématique juridique
Comment encadrer juridiquement des modèles capables d’être réutilisés dans une multitude de contextes tout en limitant les risques liés aux biais, à la transparence, au droit d’auteur et à la cybersécurité ?
Cadre légal
Le cadre juridique repose principalement sur l’AI Act, les règles européennes relatives au droit d’auteur, la protection des données, les exigences de cybersécurité et les principes de protection des droits fondamentaux.