La prochaine course de l’IA : coût, contrôle et puissance de calcul

Industry Context

L'industrie de l'IA passe de la « compétition de capacité des modèles » à la « compétition de coûts et d'efficacité ». Ces dernières années, l'accent du secteur était mis sur le nombre de paramètres des modèles et les scores de référence, mais avec le déploiement des applications, les entreprises commencent à s'intéresser à l'économie et à la contrôlabilité du déploiement réel. Cet entretien de CNBC illustre clairement cette transition : Perplexity est en train de construire un nouveau modèle orchestrateur et a choisi de le développer sur la base de modèles open source chinois. Ce choix reflète en soi la maturité de l'écosystème open source, ainsi qu'une considération pragmatique face aux pressions sur les coûts des modèles à source fermée.

Market Impact

L'« token value per watt » proposé par Srinivas place l'efficacité de calcul au cœur de la concurrence. Cet indicateur lie directement la valeur de sortie du modèle à la consommation d'énergie, ce qui signifie que la compétitivité des entreprises d'IA à l'avenir dépendra non seulement de la qualité des modèles, mais aussi de l'avantage économique par unité de puissance consommée. Pour les clients, cela implique des coûts d'inférence plus faibles et des options de déploiement plus flexibles ; pour les investisseurs, il est nécessaire de réévaluer les entreprises d'IA qui ne s'appuient que sur l'expansion de l'échelle sans bénéficier d'un avantage en matière d'efficacité.

Competitive Landscape

L'essor des modèles open source est en train de remodeler la structure du marché. La croissance d'Ollama montre que les entreprises préfèrent de plus en plus exécuter des modèles téléchargeables et contrôlables, et ce changement de préférence exerce une pression directe sur les fournisseurs d'API à source fermée. Peter Fenton, de Benchmark, considère cette tendance comme un changement fondamental de la structure industrielle : les entreprises ne sont plus disposées à confier leurs données principales et le contrôle de leurs modèles à des tiers. Le choix de Perplexity de construire sur des modèles open source chinois montre également que, dans le contexte géopolitique actuel, l'écosystème open source est devenu une infrastructure essentielle pour l'innovation transrégionale.

Enterprise Implications

Pour les décideurs d'entreprise, l'enseignement clé est le suivant : l'initiative du déploiement de l'IA est en train de revenir à l'intérieur de l'entreprise. Grâce aux modèles open source et à l'exécution locale, les entreprises peuvent mieux contrôler la confidentialité des données, les besoins de personnalisation et la structure des coûts. Mais cela nécessite également de mettre en place des capacités correspondantes d'exploitation et de gouvernance des modèles. La faible barrière à l'entrée d'outils comme Ollama permet aux entreprises d'expérimenter rapidement, mais un déploiement au niveau production doit encore faire l'objet d'une évaluation rigoureuse.

Outlook

Au cours des 12 à 24 prochains mois, nous pourrions voir davantage d'entreprises adopter une architecture d'IA hybride : les tâches essentielles utilisent des modèles open source contrôlables, tandis que les tâches complexes font encore appel aux meilleures API propriétaires. Et le « token value per watt » deviendra un indicateur clé pour mesurer le retour sur investissement dans les infrastructures d'IA. Sur trois ans, les modèles open source et propriétaires coexisteront à long terme, mais le contrôle et l'efficacité des coûts détermineront la position finale de chaque acteur dans la chaîne de valeur.