Le vide croissant entre l’IA d’entreprise et l’IA de pointe met les modèles de pondération ouverts sous les projecteurs

FONCTIONNALITÉ Le printemps est arrivé et cela signifie une autre vague de modèles d’IA à pondération ouverte de la part de Google, Microsoft, Alibaba et Nvidia. Mais cette fois, c’est un peu différent.

Dans le passé, ces modèles ressemblaient un peu à des jouets : des projets de recherche et des preuves de concept qui, bien qu’impressionnants par leur taille ou leur innovation, étaient encore loin des meilleurs modèles d’OpenAI, d’Anthropic ou de Google.

Mais Qwen 3.5, Gemma 4 de Google et les modèles de parole et d’image MAI de Microsoft sont un peu différents. Ces modèles ressemblent moins à des preuves de concept qu’à des produits d’entreprise.

« Nous sommes passés de plates-formes d’entreprise intéressantes à des plates-formes d’entreprise désormais sérieuses », a déclaré Andrew Buss, directeur de recherche principal chez IDC. El Reg.

Les modèles soulignent une dure réalité : le fossé entre l’IA d’entreprise et l’IA de pointe s’est considérablement creusé au cours des dernières années, et les modèles les plus puissants sont hors de portée de nombreuses entreprises.

« Je pense que nous assistons à une scission », a déclaré Buss. « Nous obtenons des modèles plus vastes et holistiques qui tentent presque de répondre aux besoins de tout le monde. Mais nous assistons également à l’émergence de modèles plus petits et plus spécialisés, adaptés et orientés vers des résultats ou des types de requêtes plus spécifiques. »

L’angle mort de l’IA souveraine des modèles frontières ?

L’accès aux meilleurs modèles d’OpenAI ou d’Anthropic nécessite d’exposer des données clients ou des propriétés intellectuelles potentiellement sensibles à une API ou un chatbot.

Les deux sociétés insistent sur le fait qu’elles n’utilisent pas de données d’entreprise ou d’API pour entraîner leurs modèles, mais ce sont les mêmes sociétés qui ont été traînées en justice à plusieurs reprises pour violation du droit d’auteur.

Les entreprises peuvent être disposées à utiliser Gemini ou Copilot pour rédiger des e-mails ou des propositions commerciales, mais leur donner accès à des données propriétaires n’est pas une solution.

L’alternative n’est pas géniale. Il existe une poignée de grands modèles chinois comme DeepSeek, Alibaba, Moonshot AI et MiniMax qui peuvent vous mettre à portée de main d’OpenAI ou d’Anthropic. Cependant, bon nombre de ces modèles nécessitent encore d’importants investissements en infrastructures. Même les systèmes d’entreprise de Nvidia et d’AMD vous coûteront entre 250 000 et 500 000 dollars chacun.

Mais selon le cas d’utilisation, les entreprises n’ont pas nécessairement besoin d’un modèle de classe frontière. Ce qui compte est de savoir si le modèle est suffisamment performant pour produire le résultat souhaité, a déclaré Buss.

Compte tenu de leur taille, les derniers modèles ouverts de Google, Alibaba, Microsoft et Nvidia sont non seulement remarquablement compétitifs, mais aussi relativement bon marché à exploiter.

Dans le classement textuel d’Arena AI, qui permet au public de voter pour quels modèles génèrent les meilleurs résultats, le Gemma 4 31B de Google (qui fait référence aux 31 milliards de paramètres qu’il intègre) est désormais le quatrième modèle ouvert le mieux classé, juste derrière le GLM-5 de Z.AI et le Kimi 2.5 Thinking de Moonshot AI, qui, avec 744 milliards et 1 billion de paramètres, sont des ordres de grandeur plus grands.

« Il existe un appétit et un désir pour l’IA dans les entreprises de toutes tailles, et nous pensons qu’elle présente un grand intérêt pour les entreprises du marché intermédiaire », a déclaré Buss. « Pour cela, nous avons besoin d’une gamme de matériel d’infrastructure ainsi que de types de modèles pouvant fonctionner dessus. »

Le nouveau modèle de paramètres 31B de Google peut facilement être exécuté avec une précision totale de 16 bits sur un seul RTX Pro 6000 Blackwell avec beaucoup d’espace restant pour prendre en charge un nombre raisonnable de requêtes simultanées et d’interactivité.

Il s’agit d’une carte qui se vend habituellement entre 8 000 et 10 000 dollars. C’est une histoire similaire avec Qwen 3.5, où tous les modèles, sauf les deux plus grands, tiendraient confortablement sur un seul GPU.

Dans de nombreux cas, ces petits modèles axés sur les entreprises n’ont même pas besoin d’autant de calcul, note Buss. « Nous n’avons pas souvent besoin de choses comme l’accélération GPU. Même un grand nombre de ces charges de travail d’IA, idéalement, peuvent être chargées et exécutées sur un serveur assez moderne basé sur un processeur », a-t-il déclaré.

Ces modèles plus petits et plus ciblés signifient qu’ils n’ont pas besoin de beaucoup, voire pas du tout, de ressources supplémentaires pour les personnaliser à l’aide de techniques telles que le réglage fin de QLoRA ou l’apprentissage par renforcement.

Qu’est-ce qui a changé ?

Alors, qu’est-ce qui a changé pour rendre ces modèles beaucoup plus performants ? Un peu, en fait.

L’année dernière a été marquée par une multitude de progrès non seulement dans la formation des modèles, mais également dans les cadres nécessaires pour les exploiter.

Vous vous souvenez peut-être de l’enthousiasme du marché autour de DeepSeek R1, qui a été l’un des premiers modèles frontières à pondérations ouvertes à utiliser l’apprentissage par renforcement (RL) pour reproduire le raisonnement en chaîne de pensée de GPT-o1 afin d’échanger du temps contre des résultats de meilleure qualité.

Cette approche, désormais appelée mise à l’échelle du temps de test, a aidé des modèles plus petits à compenser leur faible nombre de paramètres en « pensant » plus longtemps.

L’année dernière, de plus en plus de modèles ont également ajouté la prise en charge du traitement visuel et audio, leur permettant d’analyser les données visuelles, tandis que des architectures plus intelligentes et de meilleures techniques de compression ont encore réduit les ressources de calcul et de mémoire nécessaires à leur exécution.

Mais le changement le plus important réside peut-être dans le fait que les logiciels utilisés pour exploiter ces modèles afin d’effectuer le travail réel ont considérablement évolué.

Ces cadres signifient que les modèles ne se limitent pas aux données d’entraînement ; ils peuvent récupérer des informations sur le Web, des bases de données et des API, et prendre des mesures en fonction des résultats via des appels d’outils.

Les modèles de Google et de Nvidia ont été spécifiquement formés en pensant aux fonctionnalités. En d’autres termes, ils ne sont pas vraiment destinés à être utilisés comme modèles autonomes. Certains modèles, comme le MAI de Microsoft, vont encore plus loin en optimisant des domaines spécifiques tels que la reconnaissance vocale et la génération d’images.

Le défi consiste alors à choisir le bon modèle pour le travail, note Buss, suggérant qu’une sorte de système de recommandation sera probablement nécessaire.

Qu’est-ce que les développeurs de modèles en retirent ?

La possibilité d’exécuter des agents locaux ayant accès à des données propriétaires ne présente pas d’avantages particuliers. D’une part, même si ces modèles sont ouverts, il existe toujours un certain degré de verrouillage. Tous les agents créés avec ces modèles disposeront d’invites système et d’outils adaptés à cette architecture spécifique.

Il s’agit de pouvoir atteindre des marchés que les modèles plus gros ne peuvent pas atteindre, a expliqué Buss.

« Si des personnes se développent en utilisant vos technologies, vos approches et votre propriété intellectuelle, elles sont plus susceptibles de migrer et de rester dans votre écosystème », a-t-il déclaré. « Il s’agit essentiellement d’avoir un produit au point d’entrée… Si vous les attrapez jeunes, à mesure qu’ils grandissent, ils auront tendance à rester avec vous au fil du temps. »

Au-delà du jeu écosystémique, ces modèles locaux pourraient contribuer à réduire la consommation électrique des centres de données. L’idée n’est pas sans rappeler le GPT-5 d’OpenAI, qui n’est pas un modèle unique, mais plusieurs invites entre lesquelles les invites sont acheminées dynamiquement en fonction non seulement de la complexité mais également de différentes politiques.

La même logique pourrait être appliquée de manière désagrégée, dans laquelle un modèle de routage exécuté localement pourrait diriger les invites nécessitant l’accès à des données propriétaires vers un LLM local, tandis que les requêtes moins sensibles pourraient être transférées vers un fournisseur d’API.

« Je pense qu’il existe un éventail de solutions disponibles, depuis une solution entièrement privée sur site jusqu’à une sorte de solution dédiée au point d’utilisation dans les centres de données de colocation, dédiée dans le cloud public, jusqu’à un environnement partagé pour réaliser des économies si votre charge de travail ou vos invites ne sont pas sensibles », a déclaré Buss. ®