ToolNavs Outils IA à découvrir
Proposer Connexion
Retour à Informations sur l’IA
Databricks AI Index est en ligne : les entreprises doivent choisir leurs modèles au meilleur rapport qualité-prix

Databricks AI Index est en ligne : les entreprises doivent choisir leurs modèles au meilleur rapport qualité-prix

Informations sur l’IA • Admin • • 24 vues

Le 16 novembre, Databricks a officiellement lancé l'AI Index, un indice public qui suit l'adoption des modèles d'IA en entreprise, les dépenses associées et les performances des agents de programmation. Les données proviennent de plus de 10 000 entreprises qui utilisent Unity Gateway, ainsi que d'évaluations fondées sur de vraies tâches de programmation internes à Databricks, mises à jour chaque semaine. La question à laquelle il répond est très concrète : avec un nouveau modèle presque chaque semaine, vers quel fournisseur basculer, et pour quoi vaut-il la peine de payer plus cher ?

Les entreprises changent de modèle plus vite qu'on ne l'imagine

En milieu d'année, la plupart des entreprises se concentraient encore sur quelques modèles d'Anthropic ; en novembre, le paysage s'est nettement fragmenté, et OpenAI a regagné des parts grâce à Sol et Astra, de la série GPT-6. Mais c'est toujours la qualité qui fait bouger les parts : en six semaines, Claude Opus 5.5 est passé de 7,2 % à 37,9 % des tokens des modèles propriétaires, portant la part globale d'Anthropic de 57,6 % à 68,8 %. Les modèles à poids ouverts progressent en parallèle : ils ne représentaient que 7,3 % du trafic de tokens des entreprises en juillet, contre 30,9 % au 2 novembre. Trois des dix meilleurs modèles du benchmark de programmation de Databricks sont des modèles à poids ouverts, et DeepSeek V4.1 comme GLM 5.3 affichent un taux de réussite de 93,1 %, ex aequo à la troisième place.

Un modèle bon marché peut coûter le plus cher à l'usage

Se fier au seul prix du token fausse l'évaluation des coûts. GPT-6 Luna et Claude Opus 5.5 affichent tous deux un taux de réussite de 89,1 %, mais accomplir une tâche coûte en moyenne 0,05 dollar avec le premier contre 1,62 dollar avec le second, soit environ 32 fois plus. Gemini 3.8 Flash a un prix du token bas, mais il lui faut en moyenne 140 échanges par tâche, ce qui le place à 11,97 dollars par tâche, parmi les plus chers du benchmark. La manière d'appeler un modèle peut aussi multiplier les coûts par plusieurs dizaines : un test d'OpenRouter a montré qu'une même tâche consommait 42 fois plus de tokens via MCP que via l'interface en ligne de commande. Un autre couple de chiffres illustre l'arbitrage : Claude Fable 5.1 domine le benchmark avec 96,0 % de réussite à 7,47 dollars par tâche, tandis que Muse Wonder atteint 94,9 % pour seulement 1,53 dollar. Payer près de cinq fois plus pour 1,1 point de plus n'en valait pas la peine pour la plupart des entreprises : la part de Fable 5.1 est tombée de 5,5 % à 0,6 % en six semaines.

La répartition des dépenses est tout aussi extrême : l'utilisateur médian dépense 2,49 dollars par semaine en IA, contre 699,74 dollars pour le 99e centile, soit 281 fois plus ; et la médiane a plus que doublé en six semaines, depuis 1,10 dollar. Le conseil de Databricks est de répartir selon la tâche : les modèles coûteux pour le travail complexe et à haut risque, les modèles bon marché pour le quotidien, et surtout de tester sur ses propres charges de travail réelles plutôt que de se fier à un classement. Les données de l'indice couvrent le 21 septembre au 7 novembre, et ses conclusions ne valent que pour les modèles et les charges évalués ; dans un autre contexte, les résultats peuvent différer.

Outils Recommandés

Plus