En quatre ans, les modèles de langage ont changé de nature et d’échelle. Les prix des tokens se sont effondrés, des architectures comme le MoE ont émergé, et les agents quittent le laboratoire pour le terrain. L’adoption s’est déplacée vers l’entreprise, avec Anthropic en tête en 2025, tandis que DeepSeek a imposé ses innovations à cadence rapide.
En 2025, l’adoption bascule vers l’entreprise et les agents
Après une année 2024 dominée par le grand public, l’adoption s’est déplacée vers l’entreprise en 2025. La génération Claude 4, sortie en mai 2025, a apporté une capacité de raisonnement prolongé associée à l’utilisation d’outils, offrant au modèle la possibilité de réfléchir et d’exécuter des actions en boucle. Claude Code, initialement proposé comme aperçu de recherche, a atteint 1 milliard de dollars de revenus annualisés en six mois et, d’après SemiAnalysis, cet outil serait à l’origine d’environ 4% des commits publics sur GitHub. Au mois de septembre, Claude Sonnet 4.5 est devenu le premier modèle considéré par des entreprises comme suffisamment fiable pour fonctionner de façon autonome pendant plus de 30 heures, avec la possibilité de revenir à des points de contrôle précédents et de gérer des sous-agents en tâche de fond. En parallèle, le Model Context Protocol, présenté comme un standard ouvert pour connecter les chaînes d’outils d’entreprise à l’IA, s’est imposé comme socle interopérable, atteignant près de 97 millions d’installations en mars 2026. Les chiffres d’adoption illustrent ce changement : plus de 300 000 clients professionnels en octobre 2025, près de 80% du chiffre d’affaires généré par les entreprises, 470 000 postes déployés chez Deloitte, et une progression des revenus de 1 à 9 milliards de dollars en douze mois.
Raisonnement, contextes étendus et chute des prix des tokens
La période a vu un saut qualitatif du raisonnement. En septembre 2024, OpenAI a livré o1, entraîné pour « penser avant de parler » via renforcement sur des chaînes de pensée, au prix de 15/60 dollars par million de tokens. En termes de capacités, Gemini 1.5 Pro a étendu la fenêtre de contexte à un million de tokens en février 2024, tandis qu’en mai 2024, GPT-4o a réuni la voix et la vision réactives au sein d’un modèle unique. L’année 2025 a vu l’arrivée de modèles tels que Gemini 2.5 et des descendants de la gamme GPT-4o, entraînés nativement sur la vidéo, le son et les interfaces, avec la compréhension vidéo en direct passant de la phase de démonstration à celle de produit. Cette montée en puissance s’est accompagnée d’une baisse marquée des prix. Fin 2023, GPT-3.5 Turbo était facturé 0,50/1,50 dollars par million de tokens et GPT-4 Turbo 10/30, après un intermédiaire à 10/30 lors du lancement de GPT-4 Turbo avec 128K de contexte et des connaissances arrêtées à avril 2023. À l’origine, fin 2022, l’accès au meilleur modèle par API s’élevait autour de 20 dollars par million de tokens, et GPT-4 au lancement coûtait 30/60.
Le tournant DeepSeek : MoE massif et entraînement optimisé
DeepSeek a accéléré la bascule architecturale vers le Mixture-of-Experts. DeepSeekMoE a proposé un modèle de 16 milliards de paramètres totaux avec seulement 2,7 milliards actifs par token. En février 2024, DeepSeekMath a introduit la Group Relative Policy Optimization, une méthode de renforcement plus économique adaptée au raisonnement multi-étapes. DeepSeek-V2, en mai 2024, a poussé l’approche à 236 milliards de paramètres totaux, 21 milliards actifs, une fenêtre de 128K tokens, et la Multi-head Latent Attention pour compresser le cache KV. En décembre 2024, DeepSeek-V3 a étendu le concept à 671 milliards de paramètres totaux et environ 37 milliards actifs par token, avec des experts partagés accessibles à tous les tokens. D’autres contributions incluent la Multi-Token Prediction, un routage d’experts finement granulaire et un entraînement à grande échelle en FP8. La trajectoire a commencé dès 2023 : fondation du laboratoire en juillet par Liang Wenfeng, publication de DeepSeek Coder le 2 novembre, puis de DeepSeek LLM 7B/67B le 29 novembre, des modèles compétents de classe Llama 2 mais peu remarqués hors de Chine. La stratégie décrite associe publication technique, libération des poids et baisse agressive des prix. Dans l’open source, Mixtral 8x7B avait préparé le terrain en décembre 2023 avec 8 experts et environ 47 milliards de paramètres totaux pour 13 milliards actifs par token.
La recherche en IA vous passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Des démos aux usages : agents, outils et protocoles
L’année 2024 a été marquée par les premières démonstrations probantes d’agents : en octobre, Anthropic a dévoilé « Computer Use », qui donne la possibilité à Claude de manipuler un écran ; « Devin » a été présenté comme agent autonome pour l’ingénierie logicielle ; OpenAI a introduit « Operator » en janvier 2025. Sur le plan méthodologique, le RLHF a cédé davantage de terrain au RL avec des récompenses vérifiables, où les objectifs sont constitués de tests unitaires, de solutions mathématiques et de sorties validées formellement. Les processus de rétroaction se sont faits plus rapides et plus automatisés, l’humain adoptant davantage le rôle d’entraîneur que celui de correcteur. En entreprise, cette agentique s’est accompagnée de mécanismes de contrôle et d’orchestration : Claude 4 a combiné délibération et outillage, Claude Sonnet 4.5 a été utilisé en autonomie sur de longues durées, et le Model Context Protocol s’est imposé pour relier les chaînes d’outils à l’IA.
Jalons 2023 et contexte initial de 2022
L’année 2023 a posé les fondations techniques : lancement de GPT-4 en mars (multimodal, texte puis vision), appels de fonction en juin pour relier des outils via JSON, et Interprète de code en juillet pour l’exécution Python. En novembre, GPT-4 Turbo a apporté une fenêtre de 128K tokens, des connaissances arrêtées à avril 2023 et un tarif de 10/30. Google a répondu en décembre avec Gemini 1.0, décliné en Ultra, Pro et Nano, et la RAG est devenue la méthode standard pour injecter des données pertinentes dans le contexte. L’open source s’est structuré autour de Llama 2 (poids ouverts, 7 à 70B), Mistral 7B qui a surpassé des modèles plus grands, et la popularisation du MoE. Malgré cela, les modèles ouverts sont restés derrière l’état de l’art tout en offrant un bon rapport coût-utilité. Le point de départ, fin 2022, a été le lancement de ChatGPT le 30 novembre, gratuit au public et bâti sur GPT-3.5, descendant de GPT-3 (175B paramètres) dont l’architecture exacte n’a pas été publiée. L’accès API au meilleur modèle coûtait alors environ 20 dollars par million de tokens, et ChatGPT aurait atteint 100 millions d’utilisateurs en deux mois. Fin 2023, les tarifs étaient tombés à 0,50/1,50 pour GPT-3.5 Turbo et 10/30 pour GPT-4 Turbo. Ces jalons s’inscrivent dans un contexte 2022 chahuté : guerre en Ukraine déclenchée en février, sanctions et volatilité énergétique ; resserrement monétaire de la Fed à 4,25–4,50% en décembre avec un 10 ans autour de 3,88% ; un dollar à 131 yens, une dette américaine à 31 trillions, environ 140 milliards de dette cumulée pour quatre géants du logiciel, et un Brent à 93 dollars.
