En entreprise, la fidélité aux modèles d’IA ne dure que quelques semaines

En entreprise, la fidélité aux modèles d’IA ne dure que quelques semaines
4 min de lecture

Un modèle d’IA peut gagner la faveur des entreprises en quelques semaines, tandis qu’un autre perd presque toute sa place. C’est ce que montre le Databricks AI Index, un tableau de bord public mis à jour chaque semaine. Il s’appuie sur le trafic de Unity Gateway, la passerelle par laquelle les clients de Databricks accèdent aux modèles d’IA, et sur un benchmark d’agents de code maison. Ces chiffres décrivent les usages des clients de Databricks, et non l’ensemble du marché.

Un nouveau modèle peut s’imposer en quelques semaines

Depuis mai 2026, un nouveau modèle phare sort environ chaque semaine, selon le décompte de Databricks. À la mi-année, la plupart des clients s’appuyaient surtout sur une poignée de modèles d’Anthropic. OpenAI a ensuite gagné du terrain avec GPT-6 Sol et Astra, avant que la sortie de Claude Opus 5.5, fin septembre, ne redonne l’avantage à Anthropic.

En six semaines, Claude Opus 5.5 est passé de 7,2 % à 38 % des tokens consommés sur les modèles propriétaires, ce qui en fait le premier modèle de la passerelle. Sur la même période, Claude Fable 5.1, pourtant en tête du benchmark de code de l’éditeur, est tombé de 5,5 % à 0,6 %. « La qualité des modèles continue d’influencer fortement les parts de marché des fournisseurs », observe Databricks. Le tokens, unité de texte traitée par un modèle et sur laquelle se base sa facturation, sert ici de mesure de l’usage.

Databricks dit appliquer la même logique en interne, en évaluant chaque nouveau modèle dans les jours qui suivent sa sortie. L’entreprise a ainsi renoncé à passer d’Opus 4.8 à Opus 5, faute d’un gain suffisant pour ses usages au regard du surcoût. Elle a en revanche fait d’Opus 5.5 le modèle par défaut de Claude Code, après avoir mesuré un coût par session inférieur de 29 % à celui de son prédécesseur.

Les entreprises ont-elles pour autant multiplié les fournisseurs ? Selon Databricks, environ 64 % de ses clients ne passaient que par un seul fournisseur de modèles en juillet, contre 28 % au 2 novembre. L’indicateur est cumulatif : il compte tous les fournisseurs utilisés par une entreprise depuis le 20 juillet. Le point de juillet porte donc sur une semaine d’usage, celui de novembre sur plus de trois mois. Il mesure la part d’entreprises ayant essayé plusieurs fournisseurs, sans dire si elles les utilisent en parallèle.

Le modèle le plus adopté n’est pas le plus économique

Le benchmark de l’index soumet des modèles de neuf laboratoires à des tâches tirées du travail des propres développeurs de Databricks, puis mesure leur taux de réussite et leur coût moyen par tâche. À niveau proche, les écarts de coût sont importants. GPT-6 Luna et Claude Opus 5.5 réussissent tous deux 89 % des tâches, mais Luna coûte en moyenne 0,05 dollar par tâche, contre 1,62 dollar pour Opus 5.5, soit environ 32 fois moins.

Gemini 3.8 Flash affiche un prix du token bas, mais il lui faut en moyenne 140 tours d’échange par tâche, pour une facture de 11,97 dollars, l’une des plus élevées du benchmark. Claude Fable 5.1 arrive en tête avec 96 % de réussite, pour 7,47 dollars par tâche. Muse Wonder, de Meta, atteint 95 % pour 1,53 dollar, soit, selon l’index, près de cinq fois moins cher.

Les modèles n’ont pas besoin du même volume de travail pour aboutir. « Des prix du token plus bas ne garantissent pas des coûts plus faibles » lorsqu’un modèle doit en faire davantage pour mener une tâche à bien, résume l’éditeur. Databricks, qui vend un outil de routage automatique entre modèles, conseille de réserver les plus coûteux aux tâches complexes.

Les modèles open weight gagnent du terrain

L’index relève aussi la montée des modèles open weight, dont les poids sont publiés et que chacun peut héberger. Sur les modèles servis directement par Databricks, leur part des tokens est passée de 7,3 % en juillet à 31 % début novembre. Ce périmètre exclut le trafic routé vers Anthropic ou OpenAI. La progression s’est concentrée entre juillet et fin septembre, et la part plafonne depuis.

Les fournisseurs open weight détaillés par l’index, Zhipu, DeepSeek et Moonshot AI, sont tous chinois. Trois modèles open weight figurent dans le top 10 du benchmark de code, dont DeepSeek V4.1 Flash et GLM 5.3, à égalité à la troisième place avec 93 % de réussite. Côté européen, Mistral AI a publié le 29 octobre les poids de Mistral Large 4 sur Hugging Face, mais ce modèle ne figure pas parmi les familles recensées par l’index.

L’index est publié par Databricks, sans institut tiers. Il agrège l’usage anonymisé de plus de 10 000 entreprises clientes, des jeunes pousses du numérique aux groupes du Fortune 500. Les données d’usage couvrent la période du 20 juillet au 2 novembre 2026, et le benchmark de code est arrêté au 10 novembre.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x