Databricks a dévoilé le Databricks AI Index, un observatoire consacré à l’adoption, aux performances et aux coûts des modèles d’intelligence artificielle en entreprise. Fondée sur les données anonymisées de plus de 10 000 organisations utilisant Unity Gateway, son étude met en évidence une diversification des fournisseurs et une progression des modèles à poids ouverts, dont les paramètres sont publiés. Elle souligne aussi de forts écarts de coûts entre les solutions.
Publié le 16 novembre 2026, cet indice combine des données de consommation et des évaluations d’agents de programmation, c’est-à-dire de logiciels d’IA capables d’enchaîner des actions pour accomplir une tâche, réalisées à partir de tâches internes. L’objectif est de mesurer les performances des modèles, mais aussi leur efficacité économique dans des environnements professionnels.
Le multi-fournisseur progresse
Selon Databricks, 64 % des entreprises utilisant Unity Gateway n’avaient sollicité qu’un seul fournisseur de modèles d’IA en juillet 2026. Au 2 novembre, cette proportion était tombée à 28 %, ce qui témoigne d’une diversification des technologies utilisées. Cet indicateur comptabilise toutefois les fournisseurs sollicités depuis le 20 juillet, y compris lorsqu’une entreprise n’a testé un fournisseur supplémentaire qu’une seule fois.
Les modèles à poids ouverts enregistrent eux aussi une progression importante. Leur part dans les tokens, ces unités de texte traitées par un modèle, envoyés aux modèles hébergés par Databricks via Unity Gateway est passée de 7,3 % en juillet à 30,9 % début novembre. Ce chiffre mesure un volume de tokens dans cet environnement, et non la proportion d’entreprises ayant adopté ces modèles.
Cette croissance montre néanmoins des signes de ralentissement. D’après une analyse de Tomasz Tunguz, la part des modèles à poids ouverts a atteint environ 33 % en septembre 2026 avant de se stabiliser autour de 31 %, dans un contexte de fortes réductions tarifaires d’OpenAI. Cette évolution suggère que les stratégies de prix peuvent influencer les choix technologiques des entreprises, sans établir à elles seules un lien de causalité.
Des écarts de coûts majeurs
Dans ses évaluations de programmation, Databricks classe trois modèles à poids ouverts parmi les dix premiers. DeepSeek V4.1 et GLM 5.3 atteignent notamment un taux de réussite de 93,1 %, un résultat qui illustre leur compétitivité face aux modèles propriétaires sur les tâches testées.
L’étude souligne également que des performances comparables peuvent entraîner des coûts très différents. GPT-6 Luna et Claude Opus 5.5 obtiennent chacun un taux de réussite de 89,1 %, mais leur coût moyen par tâche atteint respectivement 0,05 et 1,62 dollar, soit un écart d’environ 32 fois.
Ce constat doit toutefois être nuancé selon les usages. Databricks indique avoir retenu Claude Opus 5.5 comme modèle par défaut de Claude Code en interne, après avoir constaté une amélioration de la qualité et une réduction de 29 % du coût par session par rapport à son prédécesseur. Le prix des tokens ne suffit donc pas à déterminer la rentabilité réelle d’un modèle.
Des dépenses concentrées
L’étude révèle par ailleurs d’importantes disparités dans les dépenses d’IA entre collaborateurs. La consommation hebdomadaire médiane atteint 2,49 dollars par utilisateur, contre 699,74 dollars pour les utilisateurs situés au 99e percentile, soit un écart d’environ 281 fois.
Cette concentration reflète la diversité des usages, entre les salariés qui sollicitent ponctuellement un assistant conversationnel et les développeurs qui exécutent chaque jour des agents de programmation. Pour les entreprises, ces différences renforcent l’importance du suivi budgétaire, de la gouvernance des usages et de l’optimisation des ressources.
Avec cet AI Index, Databricks dit vouloir aider les organisations à comparer les modèles selon leurs performances, leurs coûts et leurs besoins métiers. Unity Gateway propose notamment des outils de supervision, de contrôle budgétaire et de routage intelligent des requêtes vers les modèles les plus adaptés. Les résultats restent toutefois limités au périmètre des entreprises utilisant la plateforme et aux tâches de programmation évaluées, et ne constituent pas une mesure représentative de l’ensemble du marché mondial de l’intelligence artificielle.
