AI Chronicles Explorer

Trafic IA des modèles ouverts : la bascule stratégique

Les modèles à poids ouverts captent plus de 7 jetons sur 10 dans les passerelles IA d'entreprise. Décryptage des chiffres et de la bascule stratégique à

Trafic IA des modèles ouverts : la bascule stratégique Ce que les chiffres du trafic IA révèlent vraiment sur l'économie des modèles ouverts LINK Les modèles à poids ouverts avalent désormais plus de sept jetons sur dix dans les passerelles IA d'entreprise, et leur part des dépenses a quadruplé en trois mois. Derrière ces chiffres, une bascule stratégique que peu d'équipes avaient anticipée. « Le meilleur moyen de prédire l'avenir de l'IA, c'est de regarder où va l'argent avant de regarder où vont les mots. » (Adapté d'un principe d'analyse de marché)

Il y a une chose fascinante dans les données de trafic : elles ne mentent pas. Quand on observe les jetons qui circulent réellement entre les applications en production et les laboratoires d'IA, on ne voit plus des promesses de démonstration, mais des arbitrages concrets. Le rapport mensuel d'AI Gateway pour octobre 2026 dresse un portrait saisissant de cette réalité, et il mérite qu'on s'y attarde.

Les modèles ouverts ont pris le volume, l'argent suit enfin

Pendant longtemps, les modèles à poids ouverts étaient perçus comme des alternatives de second rang : bon marché, pratiques pour prototyper, mais rarement au cœur des budgets sérieux. Ce mois-ci, la donne change. Selon les chiffres publiés dans le rapport Production Index d'octobre 2026 , les modèles ouverts traitent désormais plus de sept jetons sur dix, et leur part des dépenses a plus que quadruplé depuis juin, passant d'un dollar sur vingt à près d'un sur quatre.

Une croissance portée par les deux extrêmes

Ce qui est passionnant, c'est la mécanique interne de cette progression. Elle ne vient pas d'un seul segment de prix, mais des deux bouts de l'échelle. Les modèles les plus économiques tirent la croissance en volume, tandis que les modèles chers tirent la croissance en dépenses.

Kimi K3 en est l'illustration : les modèles facturés au moins quatre fois le prix moyen des modèles ouverts représentent environ deux tiers de la hausse des dépenses sur ce segment. À l'inverse, DeepSeek-v4.1-Flash a traité à lui seul près de la moitié des jetons de septembre, pour seulement 2,6 % des dépenses. Deux stratégies, deux réalités économiques.

Le paradoxe des modèles frontière : plus de dépenses, moins de part

Les modèles frontière connaissent une situation étrange. Leurs dépenses ont bondi de 900 %, mais leur part relative a chuté de 22 %. Autrement dit, le gâteau grossit vite, mais les parts se redistribuent. Les équipes ne se contentent plus d'un seul fournisseur de pointe : elles arbitrent.

La preuve la plus frappante : près d'une équipe sur trois a changé de laboratoire principal en septembre, un record absolu dans l'historique de l'indice. Cette volatilité raconte une chose simple : la fidélité à un fournisseur unique n'est plus une stratégie viable. Vous devez penser en portefeuille de modèles, pas en alliance exclusive.

Les modèles chinois passent par des fournisseurs américains

Voilà un chiffre qui mérite une pause. Près de 70 % des dépenses de septembre sur les modèles chinois ont transité par des fournisseurs basés aux États-Unis, contre moins de 10 % en décembre. Ce n'est pas un détail géopolitique, c'est un signal d'architecture : les entreprises cherchent la performance des modèles chinois tout en gardant une couche de confiance, de conformité et de facturation locale.

Pour vous, cela signifie que le débat « modèle ouvert contre modèle fermé » ou « modèle local contre modèle étranger » devient obsolète. La vraie question est celle de la chaîne d'approvisionnement : qui héberge, qui facture, qui garantit la conformité ?

Adoption rapide ne veut pas dire adoption rentable

Jev a été le modèle le plus rapidement adopté de l'histoire de la passerelle, atteignant 35 % des équipes payantes en deux semaines. Impressionnant. Mais sur cette même période, il n'a représenté que 0,27 % des dépenses. À l'inverse, Opus 5.5 a capté plus d'un dollar sur dix dès ses deux premières semaines.

La leçon est limpide : l'engouement pour un nouveau modèle ne se traduit pas automatiquement en valeur économique. Beaucoup d'équipes testent, peu généralisent. Votre indicateur de succès ne devrait pas être le nombre d'équipes qui essaient, mais la part de charge de travail réellement migrée.

Le prix par jeton baisse, les dépenses explosent

Les dépenses de septembre étaient environ treize fois celles de décembre, alors que le prix moyen par jeton a baissé de 47 %. C'est la loi de l'élasticité appliquée à l'IA : quand le coût unitaire chute, les usages explosent. On ne fait pas la même chose avec un jeton à moitié prix — on fait beaucoup plus, et souvent plus ambitieux.

Cette dynamique devrait guider vos choix budgétaires. Si vous raisonnez encore en « coût par requête », vous passez à côté de l'essentiel. La bonne métrique est le coût par résultat métier, pas le coût par appel d'API.

Pourquoi c'est important

Comprendre ces tendances vous permet de bâtir une stratégie IA qui résiste aux modes. Vous savez désormais que la diversification des modèles n'est pas une option mais une nécessité, que la baisse des prix ouvre des usages inimaginables il y a six mois, et que la rapidité d'adoption n'est pas un gage de valeur. Ces trois idées changent la façon dont vous arbitrez vos budgets et vos architectures.

Conclusion

L'économie des modèles IA entre dans une phase de maturité turbulente. Les modèles ouverts gagnent du terrain, les frontières se brouillent, et les équipes changent de fournisseur comme on change d'outil. C'est une bonne nouvelle : la concurrence tire tout le monde vers le haut, et vous, en tant que décideur, vous avez plus de leviers que jamais. Gardez les yeux sur les volumes réels, pas sur les annonces. C'est là que se joue la vraie bataille.

Points clés à retenir

Sources