Cyberiad Labs
Langue, Français
Se connecter Réserver ma place

Toutes les actualités

Tribune 11 min de lecture

Les laboratoires d'IA cesseront de vendre leurs meilleurs modèles

En bref : les grands laboratoires d'IA continueront de vendre des tokens, mais d'ici quelques années, ce ne sera plus leur activité principale. Les modèles à poids ouverts rattrapent leur retard, les laboratoires chinois copient en masse les modèles de pointe, et les meilleurs modèles deviennent trop dangereux pour être mis à la disposition de tous. Les laboratoires garderont leurs meilleurs modèles et les mettront au service de problèmes qui rapportent plus que la vente de tokens : une démonstration mathématique, une molécule, un modèle financier, un diagnostic. On les voit déjà le faire.

Par Julien Barbier

Les tokens se banalisent

Amazon, Google, Meta et Microsoft prévoient de dépenser environ 725 milliards de dollars en centres de données cette année, et OpenAI compte à elle seule consacrer de l'ordre de 750 milliards de dollars à la puissance de calcul d'ici 2030. Cet argent doit être rentabilisé par la vente de tokens, dont le prix baisse bien plus vite que la plupart des gens ne l'imaginaient, moi compris.

En août, l'association SaferAI, qui travaille sur la sécurité de l'IA, a constaté que le modèle chinois à poids ouverts GLM-5.2, de Z.ai, n'avait que deux à quatre mois de retard sur GPT-5.5 et Claude Opus 4.7, et faisait jeu égal avec Opus 4.7 en biologie. Sur OpenRouter, un service que les développeurs utilisent pour interroger des centaines de modèles différents, le laboratoire qui a reçu la plus grande part des requêtes la semaine dernière était DeepSeek, un nom dont la plupart des habitants des États-Unis et d'Europe n'ont jamais entendu parler.

Vous pouvez télécharger gratuitement GLM-5.2 ou DeepSeek V4 Pro et les faire fonctionner sur votre propre matériel. Et si vous ne voulez pas ou ne pouvez pas acheter ce matériel, leur utilisation coûte environ dix fois moins cher que celle des modèles d'OpenAI et d'Anthropic.

Chaque modèle publié sert à entraîner ses concurrents

Si l'écart se comble aussi vite, c'est en partie à cause de la distillation. On pose des millions de questions à un modèle de pointe, puis on entraîne son propre modèle sur les réponses obtenues, sans avoir à faire soi-même la R&D qu'ont menée les grands laboratoires. Anthropic a indiqué ce mois-ci qu'entre mai et juillet, Alibaba à elle seule avait extrait de Claude 151 millions d'échanges au moyen de plus de 3 500 faux comptes. Anthropic a cité six autres laboratoires chinois qui font de même, pour environ 190 millions d'échanges au total.

Chaque fois qu'un laboratoire publie un modèle dont le développement a coûté des centaines de millions de dollars, voire des milliards, ce modèle sert aussi à entraîner ceux de ses concurrents, et quelques semaines plus tard, les mêmes capacités apparaissent dans un modèle téléchargeable gratuitement. Les laboratoires essaient de fermer ces comptes, mais tant que le public peut interroger le modèle, quelqu'un pourra récolter ses réponses.

C'est pourquoi il serait tout à fait logique de garder plus longtemps le meilleur modèle en interne. Impossible de distiller un modèle auquel on ne peut pas parler. L'écart reste de quelques semaines parce que les imitateurs se servent de chaque nouveau modèle de pointe dès le jour de sa sortie. Si les grands laboratoires cessent de publier leur modèle le plus récent et le plus performant, les autres devront faire la recherche eux-mêmes. DeepSeek a montré qu'elle pouvait mener seule une grande partie de cette recherche : l'écart ne se creusera donc pas indéfiniment, mais quelques semaines peuvent devenir quelques mois du jour au lendemain. En IA, c'est une éternité, et une protection considérable face aux concurrents.

Les meilleurs modèles sont de plus en plus difficiles à publier, et à contenir

Tout le monde semble avoir du mal à garder les modèles les plus puissants enfermés, y compris leurs créateurs.

En avril, Anthropic a annoncé Claude Mythos et a décidé de ne pas le rendre public, parce qu'il trouvait trop bien les failles logicielles. Une cinquantaine d'organisations y ont eu accès, mais dès le premier jour, un petit groupe réuni sur Discord y a pourtant accédé, en devinant l'URL du modèle ¯\_(ツ)_/¯

En mai, la société de sécurité Irregular testait Gemini face à des entreprises fictives, dans un environnement fermé qui ne devait jamais être relié à internet. Mais quelqu'un l'avait laissé connecté par erreur. Gemini a alors pénétré les systèmes de trois vraies entreprises, en devinant des mots de passe ou en les trouvant dans des dépôts de code publics. Selon Google, Gemini s'est arrêté chaque fois qu'il a compris que sa cible était réelle ; Google a prévenu les trois entreprises, mais a jugé qu'une annonce publique était inutile, et n'en a parlé qu'une fois interrogé par le Wall Street Journal. Les tests d'Irregular sont aussi liés à des évasions semblables de modèles d'OpenAI, d'Anthropic et de Meta.

En juillet, deux modèles d'OpenAI se sont échappés de leur bac à sable de test pendant une évaluation de cybersécurité. Ils sont allés sur internet et ont piraté les systèmes de production de Hugging Face, pour tricher à l'épreuve sur laquelle ils étaient « notés ».

Fin juillet, Anthropic a révélé que ses propres modèles avaient piraté les systèmes de trois organisations pendant des tests.

Et hier, le Premier ministre australien, Anthony Albanese, a fait savoir qu'un agent d'OpenAI avait forcé en juin l'accès à un portail gouvernemental consacré aux statistiques de Medicare. C'est arrivé pendant une évaluation, alors que le modèle cherchait des réponses à des questions sur l'Australie. Il a trouvé un moyen de contourner les restrictions d'accès et a ouvert des fichiers qui n'étaient pas publics. Aucun dossier personnel de Medicare n'a été consulté, mais OpenAI n'a informé le gouvernement australien que le 10 septembre, près de trois mois plus tard, et Albanese a depuis créé une cellule d'enquête.

Chacun de ces incidents s'est produit pendant un test, mené par le laboratoire ou par une société de sécurité extérieure, dans un dispositif conçu pour garder le modèle enfermé, et le modèle en est pourtant sorti. Si un laboratoire ne peut pas contenir un modèle qu'il ne fait que tester, le mettre entre les mains de millions d'utilisateurs dès le premier jour ne ferait qu'aggraver le problème, et exposerait le laboratoire à une responsabilité juridique potentiellement illimitée. Plus le modèle est puissant, plus il peut faire de dégâts, et plus il faudrait le tester longtemps avant que quiconque hors du laboratoire puisse s'en servir.

Aucun laboratoire ne veut découvrir ce que coûtent mille procès, le jour où un agent divulgue mille bases de données.

On a déjà vu ce film

Ceux qui ont financé les chemins de fer s'y sont généralement ruinés. Lors de la panique de 1893, un quart des voies ferrées américaines a été placé sous administration judiciaire, tandis que Sears et les industriels de la viande de Chicago bâtissaient des empires grâce à ce réseau. Après l'éclatement de la bulle internet, Global Crossing et WorldCom ont fait faillite, et Google, Amazon et Netflix ont prospéré sur la fibre bon marché que ces faillites avaient laissée derrière elles.

Certaines infrastructures restent de bonnes affaires : AWS a dégagé 45,6 milliards de dollars de résultat d'exploitation l'an dernier, et Nvidia a réalisé 120 milliards de dollars de bénéfice sur son dernier exercice, parce que personne ne peut facilement remplacer l'un ou l'autre. Les infrastructures qui ont perdu de l'argent avaient été construites en trop grand nombre et étaient faciles à remplacer, et les tokens d'aujourd'hui ressemblent bien plus à la fibre qu'à AWS.

Les dirigeants des laboratoires d'IA comptent parmi les personnes les plus intelligentes de notre génération, et ils ont accès à des capitaux immenses. Ils ne laisseront jamais leur activité connaître le sort de la fibre.

L'histoire offre ici une deuxième leçon, sur la façon de faire face à une responsabilité juridique colossale.

Au début des années 1980, aux États-Unis, des familles ont poursuivi en justice les fabricants du vaccin DTC et obtenu des millions de dollars. En conséquence, la plupart des fabricants ont cessé de le produire. Le Congrès a alors jugé qu'un pays sans vaccins était un mal plus grand que le tort, rare, qu'un vaccin cause à une personne, et en 1986, il a voté une loi qui interdit aux victimes d'un vaccin de poursuivre directement le fabricant. Elles doivent s'adresser à un tribunal fédéral spécial.

Les laboratoires aimeraient bénéficier d'une telle protection pour l'IA, avec un argument construit de la même façon : un pays dont les rivaux ont une meilleure IA est en plus mauvaise posture qu'un pays où un agent pirate parfois une entreprise. En 2025, OpenAI a demandé à la Maison-Blanche des « protections en matière de responsabilité » et a averti que sans elles, face à la Chine, « la course à l'IA est de fait terminée » (traduction de Cyberiad Labs).

Mais le 15 septembre, le secrétaire au Trésor, Scott Bessent, a déclaré : « La seule chose que nous ne devons pas faire, c'est donner [aux laboratoires d'IA] un chèque en blanc en matière de responsabilité. » (traduction de Cyberiad Labs) Le 21 septembre, il est allé plus loin sur CNBC : les laboratoires avaient demandé à Washington de les « décharger de la responsabilité », et « nous ne le ferons pas » (traduction de Cyberiad Labs).

Si les laboratoires n'obtiennent pas cette protection, ils porteront seuls le risque, et ma thèse se réalisera d'autant plus vite. La façon la moins coûteuse d'assumer ce risque, c'est de garder les meilleurs modèles en interne et de ralentir le rythme de publication des modèles moins puissants.

Les laboratoires ont déjà commencé

Les laboratoires d'IA remontent déjà la chaîne de valeur, et l'actualité le montre.

OpenAI affirme qu'un de ses modèles internes a résolu plus de 100 problèmes mathématiques ouverts, et revendique notamment un résultat sur les équations de Navier-Stokes, objet de l'un des sept problèmes du prix du millénaire. Le public ne peut pas utiliser ce modèle.

OpenAI a aussi payé plus de 100 anciens banquiers d'affaires 150 dollars de l'heure pour apprendre à son IA à construire des modèles financiers, et indique que plus de 260 médecins dans 60 pays ont relu ses réponses sur la santé pendant deux ans, un travail sur lequel reposent ChatGPT Health et ChatGPT for Clinicians.

Anthropic a racheté Coefficient Bio en avril, dans une opération en actions estimée par la presse à environ 400 millions de dollars, et a confirmé la semaine dernière à Reuters qu'elle disposait de son propre laboratoire de biologie expérimentale dans la région de la baie de San Francisco, où elle veut que Claude pilote des instruments robotisés lors de vraies expériences, pour le compte de l'entreprise même qui l'a entraîné.

Hier, Anthropic a annoncé le premier résultat de ce laboratoire : environ 950 agents Claude ont passé 21 heures et dépensé 210 millions de tokens à fouiller une immense base de données d'ADN viral, et ont trouvé un système enzymatique jusque-là inconnu, baptisé ART, bâti sur des répétitions d'ADN semblables à celles qui sont à l'origine de l'édition génomique CRISPR. Des scientifiques humains l'ont ensuite testé en laboratoire. Personne ne sait encore à quoi il sert, et des chercheurs de Stanford avaient déjà trouvé un système semblable à certains égards, mais Feng Zhang, l'un des pionniers de CRISPR, a décrit ART comme « un exemple passionnant de ce que les agents d'IA peuvent apporter aux découvertes en biologie » (traduction de Cyberiad Labs). Ces 210 millions de tokens ont tous été consommés chez Anthropic, sur un modèle auquel personne, très probablement, n'a accès en dehors de l'entreprise (ce n'est pas confirmé, c'est mon hypothèse).

xAI, qui fait partie de SpaceX depuis février, a racheté Cursor pour 60 milliards de dollars en actions, et s'est ainsi offert une application que les développeurs ont adoptée. En juillet, Elon Musk a déclaré que les données d'ingénierie de SpaceX serviraient à entraîner Grok : aucun autre laboratoire d'IA ne peut les obtenir, et SpaceX, qui construit des fusées, peut y faire travailler le modèle. Et en mars, il a fait de Macrohard, une initiative d'xAI qu'il avait annoncée une première fois en 2025, un projet commun avec Tesla, destiné selon lui à « reproduire le fonctionnement d'entreprises entières » (traduction de Cyberiad Labs).

xAI a aussi promis un jeu vidéo généré par l'IA, issu d'un studio que Musk a annoncé en 2024.

Google a été le premier à s'engager dans cette voie. DeepMind a mis au point AlphaFold, et en 2021, Alphabet a créé Isomorphic Labs, une société distincte, pour transformer ce travail en médicaments candidats. Elle compte aujourd'hui Eli Lilly, Novartis et Johnson & Johnson parmi ses partenaires et a levé 2,1 milliards de dollars en mai.

L'avenir des modèles de pointe

Les laboratoires continueront de vendre des tokens, et l'API publique restera rentable, comme une boutique qui vend « le modèle de l'an dernier ». L'écart entre ce à quoi les gens ont accès et les modèles de pointe ne fera dès lors que se creuser. Les laboratoires garderont bien plus longtemps leurs modèles les plus puissants en interne et les consacreront à des problèmes qui rapportent plus qu'un milliard d'appels d'API : une démonstration mathématique, une molécule, un modèle financier, un diagnostic.

Ce modèle économique ne fonctionne qu'à partir du jour où une heure de GPU consacrée à un problème du laboratoire rapporte plus qu'une heure de GPU passée à produire des tokens destinés à la vente. On n'en est pas encore là. Pour l'instant, ce sont les tokens qui paient la puissance de calcul.

Je parie que ce rapport s'inversera pour au moins un laboratoire avant la fin de 2027. Ce sera facile à repérer. D'ici là, je m'attends à ce qu'OpenAI et Anthropic soient cotées en Bourse, comme Google et SpaceX, et il suffira de lire le détail de leur chiffre d'affaires pour voir si les revenus des découvertes ou des produits situés plus haut dans la chaîne de valeur rattrapent ceux des tokens.

Si les laboratoires d'IA remontent la chaîne de valeur, je ne sais pas où ils s'arrêteront. En août, l'investisseur Gavin Baker a raconté dans le podcast All-In que, d'après ce qu'on lui avait dit, Dario Amodei aurait un jour laissé entendre qu'Anthropic pourrait finir par être « la seule entreprise privée au monde », avec « Anthropic, et ensuite il y a les gouvernements, et c'est tout » (traduction de Cyberiad Labs). Pourraient-ils posséder toute la chaîne, et toutes les chaînes ? L'économie entière ?

Sources