Commons AI 2026

L’objectif de cette initiative est de regrouper des personnes engagées dans l’étude et/ou le soutien de communs numériques et qui s’interrogent et œuvrent à la création d’Intelligence Artificielle (IA) dans une démarche de communs numériques.

Par communs numériques, nous entendons un mode d’action collective regroupant une communauté d’acteurs hétérogènes, mettant en œuvre des règles de gouvernance pour développer et pérenniser des ressources immatérielles et maintenir la communauté.

Nous adoptons une conception large de l’ouverture et de l’IA, en ne se limitant pas à l’IA Générative d’une part. Et en reconnaissant, d’autre part, les technologies et les pratiques ouvertes à différents niveaux de la stack IA, notamment les logiciels libres, les poids ouverts, les données ouvertes, le matériel ouvert et la science ouverte (artefact numérique ouvert).

Une approche par les communs de l’Intelligence Artificielle consiste à s’interroger sur trois dimensions clefs :

• Les ressources impliquées dans la stack IA, sans se limiter aux modèles et aux données. L’enjeu est de s’intéresser à l’ensemble du spectre des technologies et des applications en IA, incluant la stack IA dans sa globalité (modèle, architecture, interface, données, standards), mais aussi la partie hardware.
• L’écosystème qui développe, gère, maintient et régule ces ressources à différentes échelles et les valeurs véhiculées. En dépassant l’idéal d’une libre circulation des ressources suffisantes à la soutenabilité de ces dernières, il s’agit de considérer les dynamiques communautaires, les valeurs sociales portées (intégrité, transparence, responsabilités environnementales et sociales, inclusivité, etc.), mais aussi les conditions d’un engagement durable des acteurs à fournir les efforts pour les maintenir et les faire évoluer.
• Les règles de gouvernance s’appliquant sur ces ressources et à la communauté dans un but de pérennité et de soutenabilité de l’ensemble, qu’elles soient guidées par l’élaboration de normes juridiques, tels que de nouvelles licences, de nouvelles structures juridiques ou par les usages.

Une édition 2026 co-construite

Après une première édition 2025, regroupant une quinzaine d’intervenant.e.s, cette deuxième édition vise dans une démarche de co-construction proposer des ateliers mêlant des interventions (20 min) de contextualisation et de problématisation associant un temps participatif de réflexion avec le public et des moments de présentation d’initiatives inspirantes (10 min). La durée d’un atelier sera ajusté en fonction de la durée des créneaux de manifestation.

Nous lançons un appel à propositions avec plusieurs thématiques suggérées ci-dessous à titre indicatif (et non limitant). Chaque proposition est à envoyer avant le 15 septembre 2026 via le formulaire

Thématiques proposées

Notre objectif est d’avoir une réflexion partagée, coconstruite et approfondie qui fasse avancer la compréhension des participant.e.s. Nous donnons ici des exemples de thématiques, non limitantes, pour initier la réflexion et les propositions. Nous ne promettons pas de tout traiter, nous privilégierons la cohérence pour un travail collectif plutôt qu’un butinage entre trop de thèmes.

Effets collatéraux de l’IA sur les modèles économiques de l’ouverture (Open Source, data, hardware, open-source AI…)

L’IA est venue bouleverser les dynamiques d’ouverture par des mécanismes de captation de valeur massive (code source sous logiciels libres, données issues de l’open web). D’autre part, il n’a jamais été aussi facile de forker un projet ouvert, en faisant reproduire le code ouvert par une machine.

Les définitions typiques d’ouverture ont été ainsi remises en cause et ont amené les acteurs de l’ouverture à se positionner (Open Source Initiative, Mozilla, etc.). Que veut dire faire un modèle d’IA Open Source aujourd’hui ? Quelles libertés pour les utilisateurs d’IA ? Comment continuer à développer les productions collaboratives dans les projets open-source plus traditionnels ?

Il s’agit de questionner le rôle de l’ouverture pour promouvoir des pratiques responsables dans le développement et la réutilisation des logiciels, notamment des modèles, des agents. À quel niveau ? Sur quelle(s) partie(s) du stack ? De quelle manière ? Pour quelle soutenabilité du modèle ? En articulation avec quels autres mécanismes ? Pour quelle création de valeur, et pour qui ?

Création de communs de données

Les modèles d’IA reposent sur l’entrainement massif de données, mais aussi sur l’adéquation entre données spécifiques et besoin spécifique. Les modèles de fondation se sont construits sur une captation de nombreuses données sans respecter les principes de droit d’auteur associés.

En considérant les données comme un commun, se pose la question des mécanismes de partage de données au sein d’une communauté (sans forcément qu’elles soient ouvertes). Comment met on en œuvre des dispositifs de partage de données (datalake, plateforme industrielle) ? Quel pilotage dans les organisations autour des données ? Quels mécanismes de sécurisation pour éviter la captation de valeur ? Peut-on attendre une performance égale des modèles entrainés sur des jeux de données plus “clean” ? Serait-il possible de mettre en œuvre des mécanismes de réciprocité entre production de données public et usage pour l’IA ?

Confiance envers les IA

La constitution de communs repose sur des relations de confiance entre membres d’une communauté, mais aussi sur la qualité et la pertinence des ressources dont ils s’occupent.
L’enjeu est de pouvoir évaluer de manière indépendante et ouverte les modèles d’IA. Plusieurs benchmarks existent aujourd’hui sans qu’ils soient transparents et ouverts. Une évaluation indépendante et ouverte est cruciale même si cela peut amener à plusieurs biais (sur apprentissage des modèles suivants). Quels sont les mécanismes d’évaluation à mettre en œuvre ? Par quels acteurs ?

Dimension matérielle de l’IA et enjeux de communs

Lorsqu’il s’agit d’IA, la dimension matérielle est souvent invisibilisée. Cette dimension commence avec les infrastructures matérielles qui sous-tendent l’IA, les data centers, les serveurs, les puces, qui puisent même dans les ressources naturelles.

Est-ce qu’une dynamique de communs numériques se doit de prôner une logique de frugalité ? Comment être en équilibre entre la taille des modèles et leur impact ? Quel bon niveau entre efficacité et impact environnemental ? Quelle force et place pour les dynamiques de mutualisation d’infrastructures existantes et quels risques en termes de cybersécurité ? Comment l’IA affectent les territoires (installation de data centers) et quelle souveraineté matérielle mettre en œuvre ?

Politiques publiques et industrielles de l’IA multi-échelle et gouvernance

Les logiques de communs invitent à mettre en œuvre des règles de gouvernance afin d’arriver à maintenir une ou des ressources sur le long terme. Dans cette approche centrée sur les communs, quels rôles et quelles obligations ont les États ou les instances supranationales pour porter des IA centrées sur des communs indépendants des modèles américains ou chinois ? Quels impacts peuvent avoir les réglementations actuelles (AI Act, Export Administration Regulations) sur les dynamiques d’ouverture dans l’IA ? Comment l’Open Source peut être reconnu en tant que levier de contrôle et d’autonomie stratégique ? D’un point de vue économique, quels leviers économiques et de marché pourraient perturber la concentration du marché dans les big Tech ?

Outre ces mécanismes à grande échelle, cela se joue également à un niveau plus local entre plusieurs acteurs souhaitant s’organiser collectivement. Quel est par exemple le rôle des politiques industrielles et des actions des entreprises à mission dans le soutien des communs numériques ? Comment des logiques de mutualisation peuvent se mettre en œuvre entre acteur privé et public ? Comment se rejoignent ces différentes échelles macro et micro pour créer une dynamique d’innovation basée sur les communs ?

IA et dynamique contributive

L’intelligence Artificielle s’immisce dans toutes les applications et les services numériques que nous employons. Elle amplifie, sur la base de la collecte et l’analyse de nos données, des schémas bien connus de captation de l’attention, de circulation de deep fakes, etc.

La prise de conscience de ces enjeux et la mise en œuvre de contre modèles est essentielle pour les dynamiques citoyennes et de vie démocratie. Mais quelle place pour les discussions et la mise en œuvre d’IA d’intérêt général ? Quels changements des usages possibles par le pouvoir d’attraction des design persuasif ou des offres d’appel gratuits ? Quelles contributions citoyennes possibles et quelles maitrises possibles à l’échelle des communautés et des territoires Il s’agit également de s’interroger sur ce que fait l’IA aux communautés ouvertes (impact des agents sur l’Open Source, copie massive des développements Open Source par l’IA, surcharge des commits écrits par l’IA – AI Slop) et sur les mécanismes (juridiques, organisationnelles, économiques) mises en œuvre par ces communautés pour s’adapter.