Les modèles ouverts s'imposent dans les conférences de résultats : de simple option technique pour les ingénieurs, ils deviennent un mot récurrent des dirigeants. Selon une alerte Beating AI du 28 septembre relayant une enquête du Financial Times, les mentions de modèles ouverts ou open source dans les conférences de résultats et réunions d'investisseurs des entreprises américaines ont été multipliées par environ six en août et septembre sur un an. Les modèles ouverts se diffusent des entreprises technologiques vers l'industrie traditionnelle.
Les chiffres parlent d'eux-mêmes. PNC Financial, le géant de la logistique CH Robinson et Siemens ont récemment parlé publiquement de l'utilisation de modèles ouverts dans leurs opérations internes. La facture IA de Tinder est la note la plus parlante de ce tournant : ses dépenses IA annualisées sont passées d'environ un million de dollars en janvier à environ dix millions en juillet, et l'entreprise a commencé à confier une partie des requêtes ordinaires à des modèles ouverts.
AT&T joue à une échelle supérieure et sa stratégie est explicite : environ 40 % de ses tâches IA sont déjà traitées par des modèles ouverts, et l'entreprise compte porter cette part à environ 70 %. Ses systèmes IA internes traitent quelque 45 milliards de tokens par jour, avec un routage par paliers : les tâches simples aux modèles ouverts bon marché, le travail complexe aux modèles fermés de pointe d'OpenAI et d'Anthropic.
Contexte : c'est d'abord la facture qui a gonflé, pas le nombre de paramètres
Pourquoi maintenant ? Parce que les agents quittent la fenêtre de chat pour la programmation, la recherche et le travail de bureau, faisant passer la consommation de tokens par tâche de quelques milliers à des centaines de milliers, voire des millions. Les factures IA des entreprises augmentent bien plus vite que la baisse des prix des tokens. La multiplication par dix de Tinder en six mois est une photographie de cette explosion des usages.
La réponse des entreprises n'est pas de changer de fournisseur, mais de mettre en place un « routage par paliers » : les requêtes ordinaires vers les modèles ouverts, les tâches complexes vers les modèles fermés de pointe. Après l'ouverture du code de Kimi K3 en juillet, environ la moitié des clients de Hex auraient adopté Kimi et Harvey utiliserait le GLM de Zhipu, selon une analyse de BlockBeats. Les modèles ouverts absorbent d'énormes volumes de requêtes ordinaires tout en entraînant les géants des modèles fermés dans une guerre des subventions.
Pourquoi c'est important : le pouvoir de fixation des prix est sous pression avant les capacités
L'apparition des « modèles ouverts » dans les conférences de résultats signifie que le langage des directeurs financiers a changé : les dépenses IA passent d'un investissement d'innovation évident à un poste de coûts à expliquer et à optimiser. C'est le véritable signe que les modèles ouverts ont pris place à la table.
Pour les laboratoires de modèles fermés, la compétition glisse de « qui est le plus performant » à « qui réalise la même tâche au moindre coût ». La guerre des prix ne porte plus seulement sur les tarifs des tokens, mais sur le coût total d'une tâche accomplie — un point également relevé par de récentes analyses chinoises sur les lancements quasi simultanés d'OpenAI, Anthropic, Xiaomi et SpaceXAI, qui rendent tous l'intelligence moins chère.
Pour les développeurs et les PME, la conclusion est concrète : le routage par paliers est déjà devenu la norme. Inutile d'attendre des modèles de pointe moins chers : déplacer les tâches simples loin des modèles coûteux réduit la facture immédiatement. Le travail complexe reste aux modèles de pointe ; l'écart de capacités demeure, mais l'argent est dépensé plus intelligemment.
L'entrée des modèles ouverts dans les conférences de résultats marque le moment où la logique de « réduction des coûts » a été officiellement adoptée par les directions. Le prochain round de la compétition se jouera non seulement sur les paramètres et les benchmarks, mais aussi sur qui présente la facture la plus avantageuse.
