Les modèles open-weight traitent désormais 54 % du volume de tokens sur Vercel AI Gateway—contre 28 % en juin—tirés par DeepSeek et les laboratoires chinois. Pour les PME européennes qui opèrent sur des marges serrées, le calcul est brutal : les modèles efficaces en coût sont enfin viables en production, forçant une recalculation immédiate de la dépendance fournisseur et du coût total de possession.
Cette semaine, les modèles open-weight ont atteint 54 % du volume de tokens sur Vercel AI Gateway, surpassant pour la première fois les alternatives propriétaires. DeepSeek seul gère désormais environ un quart de tous les tokens de la plateforme—plus du double de la part de Google. Ce n’est pas un glissement marginal. C’est une restructuration fondamentale de la façon dont les charges de travail IA se routent, et cela frappe votre économie fournisseur plus fort que la plupart des titres ne l’admettent.
La vitesse d’adoption est ce qui compte. En avril, l’open-weight représentait 11 % du volume. En juin, 29 %. Maintenant, 54 %. Entre-temps, Anthropic seul capture 61-65 % de toutes les dépenses sur la plateforme en ne traitant que 30 % des tokens. Cet écart raconte toute l’histoire.
Que signifie cet écart ? Les entreprises routent désormais la majorité de leurs charges à bas coût vers des modèles qui coûtent environ un dixième du prix des alternatives propriétaires, tout en réservant le travail à enjeu élevé aux systèmes frontière onéreux. Ce n’est pas de l’indécision. C’est une discipline de routage impitoyable.
L’architecture de coûts fonctionne réellement pour les PME européennes
Imaginez une PME logistique de 50 personnes à Stuttgart qui a construit sa stratégie IA autour de Claude Opus pour tout. Chaque automatisation interne, chaque résumé client, chaque classification de document transitait par l’API d’Anthropic. Les coûts étaient prévisibles—facturation par token—mais ils s’accumulaient rapidement.
Cette même entreprise peut maintenant router 70 % de cette charge vers DeepSeek V4 Flash à environ un dixième du coût par token, envoyer les 20 % qui exigent vraiment un raisonnement profond vers Claude, et garder les 10 % restants comme buffer de secours. La facture IA totale ne baisse pas d’un facteur dix—parce que tout ne peut pas migrer—mais elle s’effondre facilement de moitié. Pour une PME de 50 personnes, c’est du cash réel.
Les laboratoires chinois ont entraîné ces modèles sous contrainte de contrôle d’exportation. Pas de clusters H100 ; ils ont travaillé avec les puces H800 et ont construit des architectures éparses mixture-of-experts qui activent seulement un sous-ensemble de paramètres par token. DeepSeek a entraîné son modèle V3 pour environ 5,6 millions de dollars. Les laboratoires frontière américains dépensent couramment des dizaines à des centaines de millions pour un seul modèle. Cette efficacité se traduit par le prix de l’API : DeepSeek a réduit les prix du V4-Pro de 75 % en mai. La firme chinoise 01.ai propose l’inférence à environ 14 cents par million de tokens—le plus bas du monde.
Le résultat ? Les modèles chinois dominent les benchmarks coût-par-intelligence, et ils ne sont plus des paris marginaux. GLM 5.2 de Z.ai, lancé en juin, a atteint le top des modèles Vercel en deux semaines—croissant 50x en volume de tokens quotidiens—tout en coûtant environ un cinquième du prix d’Anthropic Opus 4.8.
Ce que cela change vraiment pour votre approvisionnement
D’abord, la dépendance fournisseur vient de devenir coûteuse. Si votre PME reste sur une seule plateforme propriétaire pour toutes les charges IA, vous laissez de l’argent sur la table chaque mois. L’économie ne vous force pas à abandonner les modèles fermés—elle vous force à être intentionnel quant aux charges qui vont où.
Deuxièmement, vous avez un pouvoir de négociation que vous n’aviez pas il y a six mois. Quand l’open-weight était 11 % de la production, les fournisseurs américains pouvaient hausser les épaules. Maintenant qu’il s’agit de 54 %, et croît plus vite que quiconque l’avait prévu, ils ne peuvent pas. Si votre contrat arrive à renouvellement, ou si vous évaluez une nouvelle stratégie fournisseur IA, l’existence d’une alternative crédible et moins chère change entièrement la conversation.
Troisièmement, et cela compte davantage pour la conformité européenne : les modèles open-weight qui tournent sur votre infrastructure signifient que vos données restent dans votre juridiction. Selon votre secteur—services financiers, santé, droit—ce n’est pas un plus. C’est une exigence. Les API propriétaires forcent les données à sortir de vos frontières ; l’open-weight non.
Mais—et c’est critique—la victoire open-weight n’est pas universelle. Les modèles fermés capturent la majorité des dépenses pour une raison : sur les tâches de raisonnement les plus difficiles, le travail multimodal, et la codification d’agents au bord de ce qui est possible, les modèles frontière conservent encore un avantage. Vous ne remplacez pas Opus sur un agent critique ou sur du travail où une erreur coûte cher. Vous la remplacez sur les 60-70 % du travail où elle est excessive, et c’est là que se trouve l’argent.
Voici sur quoi j’insisterais : ne laissez pas cette donnée être une simple curiosité. Au moment où l’open-weight a franchi 50 % sur Vercel, un seuil a été traversé. Chaque PME européenne devrait consacrer une après-midi à auditer laquelle de vos charges IA exige vraiment une capacité frontière, et lesquelles sont juste là parce qu’elles ont toujours été là. Cet audit se rembourse le premier mois.
La stratégie fournisseur gagnante en 2026 n’est pas « tout ouvert » ou « tout propriétaire ». C’est la discipline de routage : modèles bon marché pour le volume, modèles onéreux pour la précision, et assez de flexibilité structurelle pour que vous puissiez déplacer les charges à mesure que de nouveaux modèles arrivent et que les prix s’effondrent.
FAQ
Dois-je héberger moi-même les modèles open-weight ?
Non. Vous pouvez les exécuter via un hébergement géré (modal, together.ai, lambda) qui vous donne les avantages de coût sans la surcharge opérationnelle. Vous louez du calcul plutôt que de concéder des licences. C’est toujours moins cher que les API propriétaires pour gros volume, et vous évitez la complexité infrastructurelle.
Mais les modèles open-weight resteront-ils disponibles ?
Pour l’instant, oui—mais il y a un risque. Le ministère du Commerce chinois envisagerait apparemment des contrôles d’exportation sur les modèles IA avancés chinois, similaires aux mouvements américains sur Anthropic. Si des restrictions arrivent, les téléchargements de poids pourraient devenir licenciés plutôt que libres. Pour les PME européennes, la réponse pratique est : traitez l’open-weight comme un outil de réduction de coûts aujourd’hui, pas comme un remplacement permanent du propriétaire. Gardez votre sourcing diversifié.
Comment savoir si une charge peut migrer vers open-weight ?
Commencez par du travail haut volume, bas enjeu : résumés de documents, classification, extraction de routine. Ces travaux tournent bien au-dessous de la capacité frontière et se remboursent immédiatement. Évitez de déplacer du travail qui exige du raisonnement rare, de la résolution de problèmes nouvelle, ou où une erreur vous coûte. Testez sur une charge pilote d’abord, mesurez latence et précision, puis élargissez seulement si les deux sont acceptables.
Les fournisseurs américains réduiront-ils les prix pour concurrencer ?
Ils bougent déjà. Mais l’écart est dur à combler. Un modèle frontière américain reflète des années d’échelle, R&D, et investissement d’intégration. Un modèle open-weight chinois reflète l’efficacité et les contraintes d’exportation. Les États-Unis ne peuvent pas égaler le prix chinois sans casser leur économie de modèle. À la place, attendez-vous à ce qu’ils se différencient sur la capacité (qu’ils ont), l’intégration (qu’ils contrôlent), et les relations d’entreprise (qui comptent). Pour les PME, ce n’est pas suffisant.
Regardez la stratégie Qwen d’Alibaba—ils alimentent délibérément l’écosystème open-weight comme moyen de construire l’adoption et de vous enfermer dans leur pile plus large. Ce n’est pas de l’altruisme. C’est un jeu fournisseur à long terme. La différence est : au moins avec open-weight, vous tenez les poids et vous n’êtes pas enfermés par licence. Avec le propriétaire, vous êtes enfermés par architecture.
Quoi faire lundi matin
1. Exécutez un audit de charge. Laquelle de vos applications IA frappe des modèles propriétaires onéreux ? Laquelle pourrait tourner aussi bien sur open-weight ? Suivez le volume de tokens et le coût par tâche.
2. Testez une charge haut-volume, bas-risque sur une alternative open-weight. Utilisez un hôte géré (pas auto-hébergé) pour éviter la surcharge infrastructurelle. Mesurez coût, latence, et précision.
3. Renégociez tout contrat fournisseur arrivant à expiration dans les six prochains mois. Le fait que 54 % des charges de production tournent désormais sur open-weight change votre pouvoir. Utilisez-le.
4. N’abandonnez pas entièrement le propriétaire. Gardez les modèles fermés pour le travail critique de mission, haut-enjeu exigeant du raisonnement. La stratégie hybride est là où se trouvent les vraies économies.
J’écris chaque jour sur la stratégie IA et les décisions d’approvisionnement sur RDZ Media sur LinkedIn. Si vous construisez une stratégie d’approvisionnement ou évaluez l’infrastructure IA, je préférerais que vous contredisiez mes prises de position plutôt que de les prendre pour argent comptant. Venez débattre.
0 Comments