L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Le marché des modèles à poids ouvert attire de lourds investissements : Nvidia serait sur le point de racheter Hugging Face pour 13 milliards de dollars, après un accord à 6 milliards avec Poolside, et Stripe a mis plus de 7 milliards sur OpenRouter. L’adoption reste limitée mais monte, avec des usages ciblés sur des charges d’inférence répétitives et des promesses de contrôle accru.
Des volumes colossaux et une adoption encore limitée
Fireworks affirme traiter 40 trillions de tokens chaque jour, un volume que sa PDG Lin Qiao dit supérieur à celui des API de Gemini ou d’OpenAI. Malgré ces usages importants, l’adoption des modèles à poids ouvert reste faible : 6 % des entreprises les utilisent selon Ramp, et seulement 2 % des ingénieurs logiciels interrogés d’après Jellyfish. Face à la hausse des coûts d’inférence, certaines entreprises se tournent vers des modèles moins chers proposés par Moonshot, DeepSeek ou Alibaba. Patrick Collison, cofondateur et PDG de Stripe, souligne que les tokens sont essentiels pour les entreprises qui développent avec l’IA, et que la valeur économique dépendra de l’utilisation efficace des ressources de calcul rares.
Pourquoi basculer vers l’« open-weight » (ou s’en tenir aux modèles de pointe)
D’après Nik Albarran, les modèles à poids ouvert sont principalement adoptés pour des charges d’inférence répétitives à fort volume, comme les chats de service client, où ils peuvent être ajustés pour répondre de façon économique. Il précise que, pour l’instant, les entreprises choisissent ces modèles surtout pour le contrôle et la configurabilité, plutôt que pour réduire leurs dépenses. À l’inverse, pour des tâches de codage ou d’agent, les modèles propriétaires restent privilégiés, notamment parce qu’ils offrent un accès plus simple et parfois des subventions en tokens.
Des acquisitions à plusieurs milliards dans l’écosystème « open-weight »
Les opérations de rachat se multiplient : Nvidia a conclu un accord de 6 milliards de dollars avec Poolside, dont la majorité des employés doit rejoindre le groupe. Deux semaines auparavant, Stripe a acquis OpenRouter pour plus de 7 milliards de dollars, présenté comme le principal fournisseur de modèles à poids ouvert pour les entreprises. Dans ce contexte, une acquisition de Hugging Face par Nvidia pour 13 milliards de dollars est rapportée et attend confirmation. Hugging Face, plateforme de partage de modèles ouverts et de benchmarks, occupe une place centrale pour les développeurs qui construisent hors des laboratoires propriétaires.
Les calculs stratégiques autour des puces et des modèles
OpenAI et Google développent leurs propres puces d’inférence, et OpenAI a présenté cette semaine les capacités d’une puce appelée Jalapeño. Face à cette évolution, Nvidia chercherait à limiter sa dépendance aux hyperscalers et laboratoires de pointe, tout en visant une part du marché de la création de modèles. Nvidia dispose déjà de Nemotron, une famille de modèles à poids ouvert dont l’adoption reste limitée. Prendre le contrôle du principal espace de développement de modèles ouverts aux États-Unis lui donnerait accès à une large base d’utilisateurs à orienter vers ses puces et ses standards. Dans ce paysage, Fireworks, dirigé par Lin Qiao et régulièrement évoquée comme cible potentielle, se positionne comme routeur et hôte de modèles pour les entreprises.
Ce que projettent Albarran et Qiao pour la suite
Nik Albarran estime que l’adoption des modèles ouverts deviendra plus facile à mesure que les flux de travail IA se structureront, et que l’auto-hébergement prendra de l’importance lorsque les processus seront suffisamment avancés. Il indique aussi qu’une hausse des prix chez les laboratoires de pointe pourrait pousser davantage d’entreprises à envisager ces alternatives. Lin Qiao mise sur la diversité croissante des LLMs, qu’elle considère comme de plus en plus adaptés à des besoins spécifiques, et recommande aux éditeurs d’embaucher un chercheur interne pour développer des modèles à partir de leurs produits et données. Elle défend l’idée d’une intelligence spécialisée, avec un modèle par cas d’usage. Dans ce contexte, la domination d’OpenAI et d’Anthropic n’est pas considérée comme acquise, tandis que les géants technologiques diversifient leurs investissements et s’intéressent à la technologie ouverte.
