Réorganisation des trois axes de la concurrence en IA, pression sur les coûts des modèles open weight

Le marché de l'intelligence artificielle (IA) se divise en trois axes de concurrence : le modèle de frontière fermée, le modèle open weight et les entreprises d'application. L'analyse indique que la question de savoir qui crée le modèle le plus performant est moins importante que celle de savoir comment les clients d'entreprise utilisent l'IA en fonction des coûts et des conditions de contrôle.

Saurabh Gupta, co-fondateur et partenaire directeur de DST Global, a comparé l'économie de l'IA en 2026 à un "problème à trois corps" dans une colonne de Fortune. Il a observé que les laboratoires de frontière fermée comme OpenAI et Anthropic, le modèle open weight centré sur la Chine, et les entreprises d'application qui créent des produits au-dessus de ces deux modèles changent mutuellement leurs trajectoires.

Le modèle de frontière fermée permet aux développeurs de contrôler le modèle et le service, tandis que les utilisateurs y accèdent via des API ou des produits. Jusqu'à présent, les entreprises ayant le modèle le plus puissant détenaient clairement le leadership du marché, mais avec l'augmentation des dépenses en IA, les clients d'entreprise commencent à considérer le retour sur investissement et les problèmes de contrôle des données.

La colonne de Fortune a mentionné l'augmentation de la demande pour Anthropic, la pression sur le retour sur investissement des dépenses en IA, et le lancement de Muse Spark 1.1 de Meta et de Grok 4.5 de xAI comme des changements récents. Cela indique que la concurrence de performance entre les modèles fermés se poursuit, tandis que les coûts et la flexibilité de déploiement émergent comme un axe de concurrence distinct.

La présence du camp open weight a également augmenté. Moonshot a présenté 28 trillions de paramètres et une fenêtre de contexte de 1 million de tokens lors de l'annonce officielle de Kimi K3, et Z.ai a déclaré que GLM-5.2 possède 753 milliards de paramètres avec des poids publics et une licence MIT.

Open weight ne doit pas être confondu avec l'open source, qui signifie la publication complète du code source. Même si l'accès aux poids du modèle est autorisé, les données d'apprentissage, le code et les droits de redistribution ne sont pas nécessairement libres, et il est donc nécessaire de vérifier les licences et les conditions d'utilisation spécifiques à chaque modèle.

Cette tendance est également liée à la diffusion des modèles open weight à faible coût par les entreprises chinoises, comme nous l'avons rapporté précédemment. À l'époque, il a été expliqué que les entreprises d'IA chinoises, avec un accès limité aux semi-conducteurs, rivalisent avec les modèles fermés des entreprises américaines en mettant en avant l'efficacité des modèles et l'écosystème des développeurs étrangers.

Les entreprises américaines adoptent également une stratégie de modèles publics. Thinking Machines a publié Inkling le 15 juillet, et NVIDIA ($NVDA) a présenté la gamme de produits Nemotron 3 sous trois modèles publics : Nano, Super et Ultra.

NVIDIA a déclaré dans son communiqué qu'elle fournit des modèles publics, des données et des bibliothèques pour permettre aux développeurs de créer des agents IA adaptés à des tâches spécifiques. Cela peut être interprété comme un mouvement visant à répondre à la demande de combiner des modèles spécifiques plutôt que de traiter toutes les tâches uniquement avec des modèles de frontière fermée.

Pour les entreprises d'application, les coûts sont une variable directe. Posit AI a ajouté Kimi K3 et GLM-5.2 à sa gamme de produits le 10 août, expliquant que ces deux modèles sont offerts à un coût inférieur à celui des modèles fermés qui offrent des performances similaires.

Ces choix montrent que les entreprises d'application ne sont pas contraintes à un modèle fermé unique, mais choisissent des modèles en fonction des tâches. Les entreprises d'application, qui ont des points de contact avec les clients et des données opérationnelles, peuvent comparer non seulement les performances des modèles, mais aussi les coûts, les temps de latence et les conditions de sécurité.

Le rythme de croissance des laboratoires de frontière est également rapide. Reuters a rapporté que le chiffre d'affaires annualisé d'Anthropic à la fin juillet a dépassé 65 milliards de dollars (environ 90 trillions de wons), et Business Times a rapporté que le chiffre d'affaires annualisé d'OpenAI dépasse 40 milliards de dollars (environ 55 trillions de wons).

Cependant, ces chiffres ne représentent pas des revenus annuels vérifiés, mais plutôt une estimation des niveaux de revenus actuels annualisés. Cela peut être considéré comme un signe que la demande pour des modèles d'IA performants augmente, mais il faut le distinguer des résultats annuels réels ou des indicateurs de rentabilité.

Des risques politiques demeurent également. Reuters a rapporté que l'administration Trump a informé les entreprises d'IA qu'elle ne soumettrait pas les modèles open weight à des tests de sécurité volontaires. Cela s'inscrit dans le cadre des discussions sur la révision volontaire centrée sur l'IA de frontière fermée à la Maison Blanche que nous avons rapportées précédemment.

Le même rapport a distingué entre les modèles ayant des éléments clés publics et les modèles fermés contrôlés par certaines entreprises. À mesure que les modèles open weight se répandent, le débat sur qui sera responsable de la vérification de la sécurité et de la responsabilité de déploiement pourrait également s'intensifier.

Pour les entreprises coréennes, cette question se traduit par des coûts d'adoption de l'IA et des problèmes de contrôle des données. Lors du choix d'une IA pour les affaires, il n'est plus possible de se limiter à comparer uniquement des modèles fermés comme OpenAI ou Anthropic, mais il est devenu nécessaire d'examiner également les modèles open weight en provenance de Chine, les modèles publics américains et les services d'application qui les combinent.

En se basant uniquement sur les faits confirmés, l'équilibre du marché de l'IA ne s'est pas encore stabilisé d'un côté. Les modèles fermés augmentent leurs revenus et leurs performances, tandis que les modèles open weight mettent en avant les coûts et la flexibilité de déploiement, et les entreprises d'application réagissent au marché en combinant ces deux axes.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.