Les histoires de comptes d’IA non durables poussent un nombre croissant d’entreprises vers moins cher et – selon beaucoup – plus transparent. C'est ce qu'a confirmé Werner Vogels, CTO d'Amazon, lors du sommet du 10 juillet 2026.
L’explosion des coûts de l’IA pousse les entreprises vers l’open source
La course à l’intelligence artificielle se heurte à un problème de plus en plus évident : le projet de loi. Les modèles phares développés par OpenAI, Anthropique Et Google DeepMind elles offrent des performances de haut niveau, mais leurs coûts de fonctionnement – calculés sur la consommation symbolique – mettent en difficulté même les entreprises les plus capitalisées.
Le cas d'Uber est emblématique. L’entreprise a dépensé l’intégralité de son budget IA pour 2026 en seulement quatre mois. D’autres entreprises auraient dépensé d’importantes ressources après avoir échoué à limiter l’utilisation de l’IA par leurs employés. Une sonnette d’alarme qui a ébranlé tout le secteur.
« Le coût est un élément clé de votre architecture, vous devez en tenir compte », a déclaré Vogels. «Avez-vous vraiment besoin du modèle le plus grand et le plus cher pour résoudre ce problème ? La réponse est non.»
L’avantage économique des modèles open source
Les modèles d’IA open source – également souvent appelés « pondérations ouvertes » – peuvent être téléchargés gratuitement. Le seul coût important est l’infrastructure cloud nécessaire à leur fonctionnement. Même en ajoutant cette dépense, le résultat est presque toujours moins cher que l’utilisation de modèles propriétaires plus avancés.
Il ne s’agit pas seulement d’économiser de l’argent. Après la phase initiale d’expérimentation frénétique alimentée par le battage médiatique autour des grands modèles linguistiques, de nombreuses organisations entrent dans une phase plus pragmatique, axée sur le retour sur investissement. L’accent est passé de « que peut faire l’IA » à « combien cela coûte-t-il de la maintenir au fil du temps ».
Les données du marché confirment cette tendance. Comme le rapporte CNBC, la part des jetons utilisés par les entreprises américaines sur les modèles open source chinois via la plateforme OpenRouter a régulièrement dépassé depuis février 2026, avec des pointes allant jusqu’à 46 %. La moyenne des douze mois précédents n'était que de 11 %. Les modèles chinois open source peuvent coûter à partir de par rapport aux principaux modèles d'Anthropic et d'OpenAI, selon les données de la même plateforme.
Werner Vogels au sommet de l'ONU : la transparence comme priorité stratégique
Lors du sommet AI for Good, le CTO d'Amazon n'a pas seulement parlé de coûts. Vogels a insisté sur un deuxième facteur qui guide les choix des entreprises : transparence sur les données de formation
« La transparence devient extrêmement importante », a-t-il déclaré. « Les gens veulent savoir quelles données sont utilisées. »
Ce besoin se fait particulièrement sentir dans des secteurs tels que soins de santéle administration publique et le travail humanitaire, où comprendre comment un système d’IA a été formé – et comment il prend ses décisions – peut être aussi important que ses performances. « Si ces personnes servent des communautés vulnérables et ne font pas confiance au système, elles ne l'utiliseront pas », a ajouté Vogels.
Open source ne signifie pas transparence totale
Les modèles open source permettent aux développeurs d'inspecter et de modifier le code et d'affiner leurs données plus facilement. Cela les rend plus adaptés aux besoins de ceux qui travaillent dans des domaines sensibles. Cependant, il convient de noter que même la plupart des fournisseurs de modèles de poids ouverts ne divulguent pas entièrement toutes les données sur lesquelles le modèle a été initialement formé.
La question de la confiance reste donc ouverte, mais la direction est claire : les entreprises préfèrent les systèmes offrant au moins la possibilité de vérification, plutôt que les boîtes noires complètement fermées.
Le contexte concurrentiel : les modèles chinois
La migration vers des modèles d’IA open source s’inscrit dans un cadre concurrentiel complexe. Des entreprises chinoises comme DeepSeek et Z.ai réduisent rapidement l’écart de performance avec leurs concurrents américains, en proposant des alternatives considérablement moins coûteuses. Le modèle GLM 5.2 de Z.ai, sorti en juin 2026, se classait à moins d'un point de pourcentage derrière le modèle Opus 4.8 d'Anthropic sur un benchmark agent étroitement suivi, à environ un cinquième du coût.
La startup d'IA Lindy a déplacé 100 % de son trafic des modèles Claude d'Anthropic vers DeepSeek, le PDG Flo Crivello déclarant : « Nous l'avons fait et vous pouviez voir la courbe des coûts s'effondrer. » Cette décision, a-t-il ajouté, permettra à Lindy d'économiser des millions de dollars en quelques mois seulement.
Ollama et la croissance de l'écosystème open source
Le buzz autour des modèles d’IA open source ne concerne pas seulement les grands acteurs. Ollama, un outil open source qui permet aux développeurs d'exécuter des modèles d'IA directement sur leurs ordinateurs, a levé une série B de 65 millions de dollars menée par Theory Ventures, portant son financement total à 88 millions de dollars.
Lancé en 2023, Ollama compte désormais 8,9 millions de développeurs actifs mensuels et est présent dans 85 % des entreprises Fortune 500, toutes comptant seulement 14 salariés. Le fondateur Jeff Morgan a expliqué que le tournant s'est produit vers janvier 2026, lorsque des modèles ouverts plus grands sont devenus capables d'effectuer des tâches agentiques telles que la programmation.
« Il ne s'agit pas d'un choix entre modèles ouverts et fermés », a précisé Peter Fenton de Benchmark, membre du conseil d'administration d'Ollama. «Mais chaque entreprise ayant des coûts d'inférence élevés a un projet vital qui la pousse vers des modèles de pondération ouverts.»
Le nouvel outil Amazon pour la recherche scientifique
Lors du sommet, Vogels a également présenté un nouvel outil d'IA open source développé par Amazon, conçu pour aider les chercheurs à trouver rapidement des ensembles de données scientifiques pertinentes grâce à des requêtes en langage naturel.
L'outil se connecte au registre AWS de données ouvertes, qui héberge plus de 1 100 ensembles de données provenant d'organisations telles que la NASA, la NOAA et le NIH. Au lieu de parcourir des catalogues complexes, les chercheurs peuvent effectuer des requêtes directes, comme rechercher des images satellite ou des ensembles de données génomiques avec des licences spécifiques, pour obtenir des résultats en quelques instants.
Supprimer les obstacles pour les institutions aux ressources limitées
L’objectif déclaré est de remplacer les processus qui nécessitaient auparavant des heures de travail, en réduisant les barrières techniques, en particulier pour les scientifiques travaillant dans des institutions aux ressources limitées. L’outil vise à accélérer la recherche dans des domaines tels que la science du climat et la santé publique, en rendant les données ouvertes véritablement accessibles à ceux qui en ont le plus besoin.
Il s'agit d'une démarche cohérente avec la stratégie plus large d'Amazon : se positionner comme l'infrastructure de référence pour l'IA open source, offrant à la fois la plate-forme cloud sur laquelle exécuter des modèles et les outils permettant d'exploiter les données publiques.
Parce que ce tournant compte vraiment
Le message qui ressort du sommet de l’ONU et du marché est sans ambiguïté : l’ère de l’IA « à tout prix » touche à sa fin. Les entreprises ne peuvent plus se permettre de construire leurs systèmes exclusivement sur les modèles les plus chers, et la disponibilité d’alternatives open source de plus en plus performantes remodèle l’équilibre concurrentiel.
Le jeu n’est pas seulement économique. L’adoption croissante des modèles chinois par les entreprises occidentales crée une dynamique concurrentielle importante. Et la question de la transparence – sur les données utilisées pour former les modèles et sur la manière dont les décisions sont prises – deviendra de plus en plus centrale à mesure que l’IA pénètre des secteurs où les erreurs ont de réelles conséquences sur les personnes.
Ceux qui peuvent proposer des modèles d’IA open source combinant faible coût, performances compétitives et transparence vérifiable auront un énorme avantage stratégique.
FAQ
Pourquoi les entreprises se tournent-elles vers des modèles d’IA open source ?
Les entreprises migrent vers des modèles d’IA open source principalement pour réduire les coûts opérationnels croissants. Ces modèles sont généralement beaucoup moins chers que les modèles propriétaires, car ils nécessitent que vous payiez uniquement pour le fonctionnement de l'infrastructure cloud, plutôt que pour les frais de jeton par utilisation.
Quelles préoccupations le CTO d'Amazon a-t-il souligné concernant la transparence de l'IA ?
Werner Vogels a souligné que la transparence des données de formation des modèles est devenue une priorité pour les entreprises, en particulier dans des secteurs tels que la santé, l'administration publique et le travail humanitaire, où la confiance dans le système est une condition nécessaire à son utilisation.
À quoi sert le nouvel outil d’IA open source d’Amazon ?
L'outil permet aux chercheurs de rechercher des ensembles de données scientifiques pertinents en utilisant le langage naturel, en se connectant au registre AWS de données ouvertes qui contient plus de 1 100 ensembles de données provenant d'organisations telles que la NASA, la NOAA et le NIH. L’objectif est de réduire les barrières techniques, notamment pour les institutions aux ressources limitées.
Contenu créé avec l’aide de l’intelligence artificielle et de la révision éditoriale humaine.
Voir l’article original en italien
