Databricks a transformé la « sortie de nouveaux modèles » en un pipeline qui tranche en trois jours : le jour du lancement, les 12 000 employés y ont accès ; trois jours plus tard, les données mesurées décident de la promotion ou du retrait du modèle. Databricks a décrit ce processus interne dans son blog officiel le 28 septembre 2026, pour répondre à deux problèmes que connaît toute entreprise qui dépense beaucoup en IA.
Le premier : « frontier » n'est pas toujours la vraie frontière. Databricks cite Opus 5.0, moins bien noté que le moins cher Opus 4.8 dans les évaluations qualité internes de ses ingénieurs, pour un prix plus élevé — migrer massivement sans vérification vers un nouveau modèle en « régression », c'est se nuire à soi-même. Le second : l'explosion des coûts. Quand Databricks a ouvert GPT Astra à un groupe témoin sans garde-fous de coût, la dépense IA moyenne par développeur a bondi de 60 % en une nuit — impossible à budgéter à l'échelle de dix mille personnes.
Trois temps : accès le jour J, garde-fous budgétaires, verdict en trois jours
D'abord, rendre les nouveaux modèles disponibles à tous dès le jour J, mais avec le tag « expérimental ». La distribution passe par Unity Gateway, développé en interne — plaque tournante centrale pour la gouvernance, la gestion des coûts et l'observabilité ; Claude Code, Codex et Omnigent (maison) sur les portables des employés récupèrent la dernière configuration au lancement via un UG CLI préinstallé. Ensuite, quatre budgets par utilisateur servent de garde-fou : un plafond mensuel, une limite quotidienne anti-dérapage, un « budget frontière qualité » réservé aux modèles haut de gamme et un « budget expérimental » pour les nouveaux modèles, afin d'éviter l'usage massif de modèles non éprouvés. Enfin, au bout de trois jours, trois signaux tranchent : des benchmarks privés internes (tâches hors ligne plus duels ancien contre nouveau), le bouche-à-oreille des utilisateurs intensifs et le suivi des coûts via les traces OpenTelemetry.
Données mesurées : Opus 5.5 en baisse de 29 %, GPT-6 Sol en baisse de 48 %
La semaine du 21 septembre a servi de test grandeur nature : Opus 5, GPT-6 Sol et GPT-Luna sont sortis à quelques jours d'intervalle ; Databricks les a ouverts à tous le jour même et a confirmé trois jours plus tard que les trois se situent sur la frontière coût/qualité, avant de les adopter. À cohorte comparable par rapport à la semaine précédente :
| Comparaison | Ancien modèle (coût moy./session) | Nouveau modèle (coût moy./session) | Évolution |
|---|---|---|---|
| Opus 4.8 vs Opus 5.5 | 5,94 $ | 4,23 $ | -29 % |
| GPT-5.6 Sol vs GPT-6 Sol | 4,52 $ | 2,34 $ | -48 % |
Verdict : Opus 5.5 devient le modèle par défaut de Claude Code la semaine prochaine ; GPT-6 Sol, bien que moins cher, est parfois de qualité inférieure à GPT-5.6 Sol — il ne deviendra donc pas le défaut de Codex, mais rejoindra seulement la boîte à outils du routeur intelligent.
La valeur de ce playbook n'est pas de savoir « quel modèle a gagné », mais de fournir une réponse d'entreprise réplicable : les scores de benchmark ne valent pas la performance réelle sur vos propres charges de travail — la sélection doit reposer sur des données mesurées ; et le contrôle des coûts ne peut reposer sur la bonne volonté, il faut un mécanisme budgétaire. Le fait qu'Opus 5.5 ait été promu par défaut dans les tests de Databricks corrobore aussi la double avance du modèle sur le coût et la performance.
