Lundi, le PDG de Decagon, Jesse Zhang, a publié une nouvelle théorie provocatrice, intitulée « Tout le monde a tort à propos de l’IA open source dans l’entreprise ». Le message aborde l’une des contradictions les plus intéressantes de l’économie actuelle de l’IA : les déploiements d’IA plus matures se tournent vers des modèles plus légers, dit-il, même dans sa propre entreprise. Mais les dépenses globales en modèles coûteux et de pointe ont à peine été budgétisées.
C’est une nouvelle façon de penser la relation entre les modèles frontières et open source. Selon Zhang, ce ne sont pas des concurrents et le succès des modèles open source ne se fait pas au détriment des laboratoires pionniers. Au lieu de cela, il s’agit de deux phases du même cycle de vie, avec des modèles frontières coûteux utilisés pour prouver des cas d’utilisation qui peuvent être transmis à des alternatives open source moins chères à mesure qu’elles mûrissent.
À mesure que les cas d’utilisation plus matures se tournent vers des modèles plus légers, de nouveaux cas d’utilisation continuent d’apparaître – et les dépenses globales consacrées aux modèles frontières diminuent à peine.
Zhang ne fournit pas beaucoup de données pour étayer ce point, mais les données ne sont pas difficiles à trouver. Le tableau de bord de la passerelle AI de Vercel montre qu’au cours de la semaine dernière seulement, DeepSeek est devenu leader en termes de volumes de jetons, traitant désormais un peu plus d’un tiers des jetons transitant par l’infrastructure de l’entreprise. Z.ai – le laboratoire derrière le modèle populaire GLM-5.2 – a grimpé à une respectable quatrième place au cours de la même période.
Mais si vous faites défiler jusqu’aux dépenses globales en jetons, vous verrez qu’Anthropic représente toujours plus de la moitié des dépenses globales en IA sur la plate-forme. Étant donné qu’une grande partie du changement récent provient de la hausse des prix d’Anthropic, l’action a légèrement baissé au cours du mois dernier, mais pas de manière significative.
OpenRouter raconte une histoire similaire, capturant un segment de marché beaucoup plus important (mais légèrement moins professionnel). DeepSeek V4 Flash est le principal gagnant en termes d’utilisation globale, traitant 5,3 billions de jetons par semaine. Le modèle frontière le plus populaire, l’Opus 4.8, gère un peu plus de 2 000 milliards de dollars. OpenRouter ne classe pas les modèles en fonction des dépenses totales, mais il enregistre le coût moyen des jetons pour l’Opus 4.8 comme étant environ 23 fois plus élevé que celui du V4 Flash (1,37 $ par million de jetons, contre seulement 6 cents), ce qui signifierait qu’Opus capturait probablement encore la part du lion des dépenses.
Ces chiffres ne reflètent même pas le dernier arrivé, le Nemotron de Nvidia, qui est sur le point de passer en tête du peloton grâce aux liens solides de Nvidia et à l’extrême adaptabilité du modèle.
Ces chiffres ne prouvent pas pleinement le point de vue de Zhang sur les cycles de vie de l’IA, mais ils montrent que les laboratoires pionniers comme Anthropic ne souffrent pas trop de la montée de l’open source – du moins pas encore. Une explication est que le marché des tâches adressables par l’IA croît si rapidement que les meilleurs modèles sont capables de maintenir leur position simplement en dominant les déploiements à un stade précoce. Comme le dit Zhang : « Les laboratoires pionniers continueront à être propriétaires des découvertes. L’open source sera de plus en plus propriétaire de la production ». Une autre explication pourrait être que, même si les clients se tournent vers l’open source, de nombreux cas d’utilisation sont si difficiles qu’ils ne peuvent pas être entièrement remplacés par des alternatives moins chères.
Quoi qu’il en soit, cette économie de modèles à deux niveaux pourrait devenir une caractéristique relativement stable de l’économie de l’IA.
Pas plus tard qu’en septembre dernier, j’écrivais sur la possibilité que les laboratoires de la fondation finissent par vendre des grains de café à Starbucks, c’est-à-dire servir d’intrants tandis que la couche application en récoltait les bénéfices. Certaines parties de cette prédiction se sont réalisées : les jeux d’IA verticale sont passés à des modèles plus légers, par exemple, et l’économie des startups « wrapper GPT » est restée globalement stable.
Mais nous constatons également que, jeton pour jeton, les fournisseurs frontières ont été en mesure de conserver la partie la plus recherchée du marché : le prix symbolique premium. Et cela ne semble pas devoir changer de sitôt.
Lorsque vous achetez via des liens dans nos articles, nous pouvons gagner une petite commission. Cela n’affecte pas notre indépendance éditoriale.
