La bataille de l’intelligence artificielle a longtemps semblé devoir produire quelques vainqueurs. OpenAI, Google, Anthropic, Meta, xAI et désormais plusieurs acteurs chinois ont investi des sommes considérables pour entraîner des modèles toujours plus puissants. La logique paraissait simple : celui qui disposerait du meilleur modèle capterait une part essentielle de la valeur.
Cette lecture devient moins évidente à mesure que le marché se densifie. Le Stanford AI Index a calculé que le coût d’utilisation d’un modèle atteignant le niveau de GPT-3.5 sur le benchmark MMLU était passé de 20 dollars par million de tokens en novembre 2022 à 0,07 dollar en octobre 2024. Une division par plus de 280 en moins de deux ans. Selon les tâches étudiées, Stanford observe des baisses annuelles encore plus rapides.
Dans le même temps, les écarts se réduisent entre les meilleurs systèmes. Le rapport AI Index 2026 souligne le rapprochement des performances des principaux modèles américains et chinois. Cette convergence reste imparfaite : les modèles fermés conservent un avantage sur certaines tâches complexes et les différences de fiabilité, de vitesse ou d’usage des outils restent importantes. Mais pour une part croissante des usages ordinaires, plusieurs modèles offrent déjà des résultats suffisamment proches pour que le prix, la latence ou la disponibilité entrent davantage dans la décision.
Le meilleur modèle n’est pas nécessaire partout
Une entreprise n’a aucune raison d’utiliser systématiquement le modèle le plus puissant pour résumer un courriel, classer des documents, extraire une donnée ou reformuler un texte. À l’inverse, certaines tâches de raisonnement, de programmation ou d’analyse réclament davantage de capacités.
Le choix du modèle devient donc lui-même un problème d’optimisation. Pour chaque demande, il faut arbitrer entre qualité, coût, rapidité, disponibilité, confidentialité ou spécialisation. Dans cette économie, le modèle ressemble progressivement à une ressource informatique parmi d’autres : indispensable, mais pas nécessairement choisie une fois pour toutes.
OpenRouter illustre cette évolution. La plateforme donne accès à plusieurs centaines de modèles provenant de dizaines de fournisseurs derrière une interface commune. Elle propose également différents mécanismes de routage et de repli d’un fournisseur vers un autre. Une application peut ainsi utiliser plusieurs modèles sans reconstruire toute son infrastructure à chaque changement.
L’acquisition d’OpenRouter annoncée en août par Stripe mérite d’être regardée sous cet angle. Stripe n’a pas acheté un laboratoire chargé de développer son propre modèle fondamental. Le groupe a acquis une infrastructure située entre les producteurs de modèles et ceux qui les utilisent.
Le signal est d’autant plus intéressant que Nvidia a annoncé quelques semaines plus tard le rachat de Hugging Face, plateforme devenue centrale dans la découverte, la diffusion et le déploiement des modèles ouverts. Deux opérations très différentes, mais qui témoignent d’un même intérêt pour les endroits où se rencontrent l’offre et la demande d’intelligence artificielle.
Quand la valeur change d’endroit
Parler de commodité ne revient pas à affirmer que GPT, Claude, Gemini ou DeepSeek seraient interchangeables. Les différences techniques demeurent et certaines peuvent justifier des écarts de prix importants. La commoditisation décrit plutôt une situation dans laquelle plusieurs fournisseurs deviennent suffisamment bons pour répondre à un même besoin, rendant leur remplacement plus simple et leur pouvoir de fixation des prix plus limité.
L’informatique a déjà connu ce type d’évolution. La puissance de calcul ou le stockage n’ont jamais cessé d’être essentiels lorsque leur prix a chuté. Une partie de la valeur s’est simplement déplacée vers les logiciels, les services, les plateformes et les usages construits au-dessus de ces infrastructures.
L’IA pourrait suivre une trajectoire comparable. Si les modèles continuent à progresser tout en devenant moins chers et plus nombreux, la différenciation se jouera davantage dans les données propriétaires, la mémoire, les agents, la sécurité, les interfaces, l’intégration aux processus métiers ou la capacité à sélectionner le bon modèle au bon moment.
Cette évolution change aussi la manière de regarder la compétition actuelle. La question ne porte plus seulement sur le prochain modèle qui dominera les classements. Elle concerne également les acteurs capables de devenir les intermédiaires incontournables entre une demande et l’intelligence chargée d’y répondre.
La guerre des modèles ne disparaîtra pas. Sur les tâches les plus exigeantes, quelques points de performance supplémentaires peuvent encore représenter beaucoup de valeur. Mais si la qualité moyenne continue de monter tandis que les prix baissent, le marché pourrait progressivement considérer le modèle non plus comme un produit unique auquel rester fidèle, mais comme une ressource que l’on appelle selon le besoin.
Dans cette hypothèse, fabriquer la meilleure intelligence restera un avantage. Savoir choisir, distribuer et intégrer la bonne intelligence au bon moment pourrait devenir tout aussi stratégique.
Augustin GARCIA
