Présentation

Les entreprises qui déployent l'IA à grande échelle découvrent que la principale contrainte n'est plus la capacité des modèles, mais le contrôle. Alors que l'IA agentic passe de l'expérimentation aux processus métier, les entreprises réévaluent les risques de confier des données propriétaires à des modèles fermés, ouvrant la voie aux modèles d'IA open-weight.

Architecture et fonctionnement

Les modèles open-weight permettent aux entreprises de conserver le contrôle sur leurs données et de réduire les coûts. Selon Vipul Ved Prakash, co-fondateur et PDG de Together AI, les entreprises voient des différences de coûts comprises entre 6 et 60 fois entre les modèles ouverts et fermés. Les modèles open-weight peuvent être exécutés dans l'environnement de calcul choisi par le client, en suivant les exigences de conformité, de sécurité et de confidentialité des données.

Token usage on open-weight models has surged

Ceci est dû en partie au fait que les entreprises peuvent construire leurs propres « harnais » - des boucles d'orchestration qui leur permettent de basculer entre les modèles sous-jacents à une application avec un coût de commutation quasi nul. Cette flexibilité, associée au contrôle des données, transforme l'infrastructure ouverte en un avantage concurrentiel durable plutôt qu'en un simple poste budgétaire.

Implications et limites

Les entreprises sont de plus en plus préoccupées par le fait que l'envoi de processus métier propriétaires dans des modèles fermés pourrait effectivement donner à la concurrence un plan, comme l'a souligné Alex Karp, PDG de Palantir Technologies. Cette anxiété grandit à mesure que le volume de Together AI signale à quel point les charges de travail agentic sont en train de s'accroître rapidement. Les entreprises répondent en construisant leurs propres infrastructures ouvertes, ce qui leur permet de conserver le contrôle sur leurs données et de réduire les coûts, tout en créant des actifs intellectuels qui leur appartiennent.

En résumé, les modèles d'IA open-weight offrent aux entreprises une alternative aux modèles fermés, leur permettant de conserver le contrôle sur leurs données, de réduire les coûts et de créer des actifs intellectuels. Cette tendance est susceptible de se poursuivre à mesure que les entreprises continuent de déployer l'IA à grande échelle.