Huawei dévoile sa feuille de route open source en matière d'IA lors de son événement annuel Connect

Le développement de l'IA open source a été au cœur de Huawei Connect 2025, l'entreprise ayant détaillé le calendrier concret et les spécificités techniques de la mise à disposition publique de l'ensemble de sa pile logicielle IA d'ici la fin de l'année.

Ces annonces ont été particulièrement significatives pour les développeurs, car elles comprenaient des reconnaissances sincères des difficultés passées, des engagements clairs sur les composants qui seraient publiés et des détails sur la manière dont le logiciel s'intégrerait aux flux de travail et aux systèmes d'exploitation existants des développeurs.

Reconnaissance des frictions entre développeurs

Dans son discours d'ouverture, Eric Xu, vice-président et président tournant de Huawei, a commencé par des remarques inhabituellement franches concernant les défis auxquels les développeurs ont été confrontés avec l'infrastructure Ascend. Faisant référence à l'impact de la sortie de DeepSeek-R1 au début de l'année, M. Xu a déclaré : « De janvier au 30 avril, nos équipes de R&D en IA ont travaillé d'arrache-pied pour s'assurer que les capacités d'inférence de nos puces Ascend 910B et 910C répondaient aux demandes en constante évolution des clients. »

À la suite des sessions de commentaires des clients, M. Xu a ajouté : « Nos clients ont fait part de nombreuses préoccupations et attentes concernant Ascend, nous fournissant constamment des suggestions précieuses. »

Cette reconnaissance des défis auxquels sont confrontés les développeurs a ouvert la voie à des engagements open source globaux, annoncés pour la première fois lors du sommet Ascend Computing Industry Development Summit le 5 août 2025, puis réitérés par M. Xu lors du Huawei Connect.

Pour les développeurs qui ont rencontré des obstacles avec les outils, la documentation ou la maturité de l'écosystème d'Ascend, cette évaluation franche montre que Huawei est conscient du fossé entre le potentiel technique de la plateforme et son utilisation pratique. La stratégie open source semble viser directement à résoudre ces points de friction en favorisant les contributions de la communauté, la transparence et les améliorations externes.

CANN : détails sur le compilateur et le jeu d'instructions virtuelles

L'engagement le plus important sur le plan technique concerne CANN (Compute Architecture for Neural Networks), la boîte à outils principale de Huawei qui relie les frameworks d'IA et le matériel Ascend. Lors du sommet d'août, Xu a précisé : « Pour CANN, nous ouvrirons les interfaces du compilateur et du jeu d'instructions virtuelles, tout en rendant le reste du logiciel entièrement open source. »

Cette approche à plusieurs niveaux fait la distinction entre les composants bénéficiant d'une version open source complète et ceux pour lesquels Huawei fournira des interfaces ouvertes, éventuellement avec des implémentations propriétaires. Le compilateur et le jeu d'instructions virtuelles, couches de traduction essentielles qui convertissent le code de haut niveau en instructions exécutables par le matériel, disposeront d'interfaces ouvertes. Cela permet aux développeurs de comprendre comment leur code est compilé pour les processeurs Ascend, ce qui leur permet d'effectuer des optimisations potentielles, même si l'implémentation centrale du compilateur reste partiellement fermée.

Cette distinction est cruciale pour l'optimisation des performances. Les développeurs ont besoin de visibilité sur le processus de compilation lorsqu'ils créent des applications sensibles à la latence ou qu'ils cherchent à obtenir une efficacité matérielle maximale. Les interfaces ouvertes offrent cette transparence ; l'open source complet permettrait en outre de modifier ou de remplacer le compilateur lui-même. L'approche de Huawei offre une visibilité sur l'optimisation tout en conservant certains éléments propriétaires.

Le calendrier est ferme : « Nous ouvrirons le code source et fournirons un accès ouvert à CANN (basé sur la conception existante Ascend 910B/910C) d'ici le 31 décembre 2025. » La précision « basé sur la conception existante Ascend 910B/910C » indique que la version correspondra au matériel de la génération actuelle, et non aux architectures futures.

Série Mind : kits d'activation d'applications et chaînes d'outils

Au-delà de la couche CANN fondamentale, Huawei s'est engagé à ouvrir le code source des outils que les développeurs utilisent quotidiennement. « Pour nos kits d'activation d'applications et chaînes d'outils de la série Mind, nous passerons entièrement à l'open source d'ici le 31 décembre 2025 », a déclaré M. Xu lors du Huawei Connect, renforçant ainsi l'engagement pris lors du sommet Ascend Computing Industry Development Summit le 5 août 2025.

La série Mind englobe l'environnement de développement pratique : les SDK, les bibliothèques, les outils de débogage, les profileurs et les utilitaires utilisés pour créer des applications d'IA. Contrairement à l'approche hiérarchisée de CANN avec des interfaces ouvertes pour certains composants, la série Mind bénéficie d'un engagement global en faveur de l'open source complet.

Cela signifie que l'ensemble de la chaîne d'outils de la couche applicative devient inspectable, modifiable et extensible par la communauté. Les outils de débogage peuvent être améliorés avec les fonctionnalités nécessaires, les bibliothèques optimisées pour des cas d'utilisation spécifiques et les utilitaires intégrés dans des interfaces plus conviviales. En bref, l'écosystème de développement peut évoluer grâce aux contributions de la communauté plutôt que de dépendre uniquement des mises à jour des fournisseurs.

Toutefois, l'annonce ne précise pas exactement quels outils composent la série Mind, quels langages de programmation ils prennent en charge, ni dans quelle mesure la documentation qui les accompagne sera complète. Les développeurs qui évaluent l'opportunité d'investir du temps dans la plateforme devront évaluer l'exhaustivité de la chaîne d'outils une fois que la version de décembre sera disponible.

Modèles de base OpenPangu

Huawei s'est également engagé à « ouvrir entièrement le code source de nos modèles de base openPangu ». Cela place Huawei aux côtés de la série Llama de Meta, des offres de Mistral AI et d'autres initiatives dans le domaine des modèles de base open source qui mettent l'accent sur la participation de la communauté.

L'annonce ne fournissait aucune précision concernant les capacités d'openPangu, le nombre de paramètres, les données d'entraînement ou les conditions de licence. L'open source des modèles de base soulève des questions qui vont au-delà de la simple disponibilité, notamment en ce qui concerne les restrictions d'utilisation commerciale, la composition des ensembles de données d'entraînement, les biais potentiels et la possibilité de réglage fin et de redistribution. Ces détails restent en suspens, du moins publiquement.

Pour les développeurs, les modèles de base open source constituent un point de départ pour des applications spécifiques à un domaine sans nécessiter les ressources informatiques massives requises pour une formation à partir de zéro. Cependant, l'utilité pratique d'un modèle est déterminée par sa qualité, la flexibilité de sa licence et la documentation disponible. La sortie prévue en décembre révélera si les modèles openPangu constituent des alternatives compétitives aux options open source établies.

Flexibilité d'intégration du système d'exploitation

Un détail pratique de mise en œuvre qui a émergé lors du Huawei Connect 2025 aborde un obstacle courant à l'adoption d'une nouvelle infrastructure d'IA : la compatibilité des systèmes d'exploitation. Huawei a annoncé avoir « rendu l'ensemble du composant UB OS open source, afin que son code puisse être intégré dans des communautés OS open source en amont telles que openEuler ».

Cette approche d'intégration offre une flexibilité remarquable. Selon les annonces, « les utilisateurs peuvent intégrer tout ou partie du code source du composant UB OS dans leurs systèmes d'exploitation existants, afin de prendre en charge l'itération indépendante et la maintenance des versions. Les utilisateurs peuvent également intégrer l'ensemble du composant dans leurs systèmes d'exploitation existants sous forme de plug-in afin de garantir son évolution en phase avec les communautés open source ».

Cette conception modulaire signifie que les organisations qui utilisent Ubuntu, Red Hat Enterprise Linux ou d'autres distributions ne sont pas obligées de migrer vers un système d'exploitation spécifique à Huawei. Le composant UB OS, qui gère l'interconnexion SuperPod au niveau du système d'exploitation, peut être intégré dans les environnements existants. Pour les développeurs et les administrateurs système, cela réduit considérablement les frictions liées au déploiement.

Cependant, la flexibilité s'accompagne de responsabilités. Les organisations qui choisissent d'intégrer le code source du composant UB OS dans leurs propres systèmes deviennent responsables des tests, de la maintenance et des mises à jour. Huawei fournit le composant sous forme de logiciel open source plutôt que sous forme de produit pris en charge par le fournisseur pour des distributions Linux arbitraires. Cette approche fonctionne bien pour les organisations disposant d'une solide expertise Linux, mais peut s'avérer difficile pour celles qui attendent une assistance clé en main de la part du fournisseur.

Stratégie de compatibilité des frameworks

Le facteur le plus critique pour l'adoption par les développeurs est peut-être la compatibilité avec les frameworks IA existants. Plutôt que de forcer les développeurs à abandonner les outils qu'ils connaissent bien, Huawei met en place des couches d'intégration. Selon Huawei, l'entreprise « a donné la priorité au soutien des communautés open source telles que PyTorch et vLLM afin d'aider les développeurs à innover de manière indépendante ».

La compatibilité avec PyTorch est particulièrement importante étant donné la domination de ce framework dans la recherche en IA et les déploiements de production. Si les développeurs peuvent écrire du code PyTorch standard qui s'exécute efficacement sur le matériel Ascend sans modifications importantes, les obstacles à l'expérimentation diminuent considérablement. Les organisations pourraient évaluer l'infrastructure Ascend en utilisant leurs bases de code existantes avec des modifications minimes plutôt que de devoir tout réécrire.

L'intégration de vLLM cible un cas d'utilisation spécifique à forte demande : l'inférence optimisée de grands modèles linguistiques. À mesure que les organisations déploient des applications basées sur LLM, les performances et le coût de l'inférence deviennent des facteurs critiques. La prise en charge native de vLLM suggère que Huawei répond à des préoccupations pratiques en matière de déploiement, et pas seulement à des capacités de recherche.

Cependant, les annonces n'ont pas précisé le degré d'exhaustivité de ces intégrations. Une compatibilité PyTorch partielle qui nécessite des solutions de contournement pour certaines opérations ou offre des performances sous-optimales pourrait s'avérer plus frustrante qu'utile. La qualité des intégrations de frameworks déterminera en fin de compte si elles réduisent véritablement les obstacles à l'adoption ou si elles créent simplement de nouvelles catégories de problèmes de compatibilité.

La date limite du 31 décembre et la suite

La date limite du 31 décembre 2025 pour l'open source CANN, la série Mind et les modèles openPangu est dans environ trois mois. Ce délai à court terme suggère que des travaux de préparation importants ont déjà été réalisés : le code a été nettoyé des dépendances internes, la documentation est en cours de rédaction, les conditions de licence sont en cours de finalisation et l'infrastructure du référentiel est en cours de mise en place.

La qualité de la version initiale déterminera en grande partie la réaction de la communauté. Les projets open source qui arrivent avec une documentation incomplète, des exemples limités, des fonctionnalités manquantes ou des outils immatures ne parviennent souvent pas à attirer des contributeurs, quelle que soit leur valeur technique sous-jacente. Les développeurs qui évaluent des plateformes inconnues ont besoin de ressources d'apprentissage complètes, d'exemples fonctionnels et de voies claires vers le succès.

Les semaines et les mois qui suivront la sortie seront cruciaux. Pour réussir, les projets open source nécessitent une maintenance active, une gouvernance réactive et une communauté accueillante. La trajectoire à long terme dépendra de la capacité des développeurs à trouver suffisamment de valeur pour contribuer en retour, créant ainsi un cercle vertueux d'amélioration, ou du fait que la plateforme reste principalement axée sur les fournisseurs.

Perspectives

Pour les développeurs et les organisations qui observent les initiatives open source de Huawei, la sortie de décembre représente un point de départ, et non une conclusion. Le véritable test sera de voir comment le logiciel évoluera entre les mains de la communauté, quelle sera la qualité des intégrations et si la plateforme pourra se tailler une place durable dans un écosystème concurrentiel. Les mois à venir apporteront les réponses.