NEA : les modèles à poids ouverts couvrent de nombreux usages

Pour Aaron Jacobson, partenaire chez NEA, les modèles à poids ouverts couvrent déjà une partie croissante des besoins et devraient gagner du terrain. Des signaux de marché, comme les dépenses autour d'Opus 5 d’Anthropic, alimentent une pression sur les prix. Mais l’origine chinoise de certains modèles avancés freine leur déploiement dans des contextes sensibles. Les modèles de pointe gardent, selon lui, la main sur les problèmes les plus complexes, à l’heure où l’industrie glisse des chatbots vers des agents.

Sécurité et provenance freinent certains déploiements en entreprise

Aaron Jacobson souligne qu'aux États-Unis, la disponibilité de modèles à poids ouverts se heurte à une contrainte majeure : les plus avancés sont d’origine chinoise. Certaines entreprises acceptent d’utiliser ces modèles pour générer du code ou accomplir d’autres tâches, tandis que beaucoup d’autres interdisent qu’ils soient employés pour le code ou les données. Pour une part importante du marché, y compris des charges de travail d’entreprise, ces modèles pourraient techniquement fournir un travail moins coûteux et potentiellement suffisant. Cependant, leur provenance et le fait qu’ils ne soient pas véritablement open source suscitent des préoccupations de sécurité qui freinent leur adoption. Dans ce contexte, les tâches concernées sont soit confiées à des modèles ouverts non chinois jugés moins performants, soit à des modèles fermés de pointe plus coûteux. Plus les données sont sensibles, plus ces réserves sont marquées : le code source est considéré comme extrêmement sensible, tout comme les usages liés aux finances ou aux données clients. Des développeurs individuels, eux, utilisent déjà des modèles à poids ouverts.

Prix : signaux de marché et pression sur les modèles de pointe

D’après des informations relayées par le Financial Times et provenant de Ramp, Opus 5 d’Anthropic, une solution à tarif réduit, a pris l’avantage sur Fable en termes de dépenses commerciales depuis sa sortie à la fin du mois de juillet. Aaron Jacobson met en avant deux mouvements de pression sur les prix : dans de nombreux cas d’usage au sein des startups et de certaines sociétés, les modèles open source répondent aux besoins pour une partie des tâches de génération de code ; ces modèles sont aussi moins onéreux, car ils ne supportent pas la « taxe » associée à l’exploitation d’un modèle de pointe. Des tokens jugés tout aussi bons, ou suffisamment bons, tirent les prix vers le bas, tandis que les modèles de pointe maintiennent des tarifs élevés pour couvrir leurs coûts de formation. Parallèlement, les modèles à poids ouverts progressent, deviennent moins chers et plus faciles à personnaliser, ce qui pousse les fournisseurs fermés à enrichir leurs fonctionnalités pour fidéliser leurs clients. Les entreprises arbitrent ainsi entre coût, contrôle et sécurité dans leurs choix de modèles.

Cas d’usage : déléguer le simple, garder le complexe pour les modèles de pointe

Aaron Jacobson réserve les modèles de pointe aux problèmes très difficiles ou ouverts, notamment ceux qui nécessitent une planification longue. Il cite des tâches comme organiser des vacances de bout en bout, avec réservation des vols, ou encore développer une application bancaire très exigeante sur le plan de la sécurité. Dans ce schéma, un modèle de pointe prend en charge la planification et une génération de tokens plus complexe, tout en redirigeant les sous-tâches plus simples vers des modèles moins coûteux. Il estime que pour de nombreuses tâches quotidiennes, des modèles moins chers suffisent et qu’il n’est pas nécessaire de tout envoyer sur des intelligences de pointe. Il situe ces recommandations dans un mouvement plus large de l’ère des chatbots vers celle des agents.

Cadre technique et cap stratégique défendus par NEA

Aaron Jacobson distingue trois catégories : l’open source, où l’on dispose des données et pipelines pour réentraîner et obtenir les poids ; l’open weight, où seuls les poids sont accessibles sans transparence sur les données d’entraînement ; et les modèles fermés de pointe, opérés via API, sans accès aux poids. Il juge ces derniers meilleurs sur un large éventail de problèmes et pour le codage, tout en rappelant qu’ils sont plus coûteux et pas toujours les plus utiles. Son débat central porte sur la nécessité réelle d’une intelligence de pointe pour chaque tâche, alors que les poids ouverts deviennent suffisants pour de nombreux usages et mettent à l’épreuve le modèle économique des acteurs fermés. Il anticipe un passage d’une décennie marquée par le « plus c’est gros, mieux c’est » vers une décennie dominée par l’utilisation efficace des modèles. Dans cette perspective, il estime que les écosystèmes ouverts sont suffisamment performants et que les entreprises n’ont pas besoin de s’engager systématiquement sur des modèles de pointe, tout en plaçant ce débat au cœur de la prochaine phase de l’industrie.