Contexte de la compétition

Au premier semestre 2024, Anthropic et OpenAI dominaient les classements de puissance grâce à leurs modèles de génération de texte, tandis que Google semblait relégué à un rôle secondaire après le lancement de Gemini 3 à la fin de l'année précédente. Meta, malgré un investissement de plusieurs milliards de dollars dans le recrutement et l’infrastructure – notamment l’acquisition de Scale AI et le soutien d’Alexandr Wang – n’avait pas encore présenté de modèle capable de rivaliser avec les leaders.

Nouveaux modèles de Google et Meta

Google a présenté Gemini 4 Argon, décrit comme capable d’égaler ou de surpasser les offres phares d’OpenAI et d’Anthropic sur « de nombreux benchmarks ». Le même jour, Meta a lancé Muse Wonder Full, que l’entreprise affirme pouvoir tenir tête à GPT‑6 Astra, Claude Opus 5.5 et Claude Fable 5.1 sur les mêmes critères d’évaluation. Ces annonces s’inscrivent dans un contexte de réorganisation interne chez Google : Jeff Dean a quitté l’entreprise avec plusieurs chercheurs, Demis Hassabis a réduit son implication quotidienne à DeepMind, et plusieurs équipes DeepMind ont été transférées vers la branche principale de Google.

Analyse des performances et du positionnement tarifaire

Les déclarations de Google précisent que le coût par token de Gemini 4 Argon est inférieur de jusqu’à 80 % à celui des modèles concurrents pendant la période promotionnelle, avec un écart persistant après la fin de l’offre. Cette stratégie tarifaire vise à compenser le retard perçu en matière de performances brutes. Meta, quant à lui, mise sur l’intégration de Muse Wonder Full dans son assistant « Muse agent », exploitant ainsi son écosystème de plusieurs milliards d’utilisateurs pour générer du trafic et des données d’entraînement supplémentaires.

Implications et limites

Le retour de Google et l’émergence de Meta augmentent la volatilité du marché des grands modèles de langage, rappelant que les avantages financiers et l’accès à d’immenses bases d’utilisateurs peuvent rapidement rééquilibrer les forces. Cependant, les déclarations restent basées sur des benchmarks internes dont la pertinence pour les applications réelles n’est pas toujours claire. Par ailleurs, la montée des préoccupations de sécurité et les appels à ralentir le développement des IA soulèvent des questions quant à la durabilité de cette course à la puissance.