Et si l'IA d'entreprise entrait déjà dans l'ère des stratégies multi-modèles ?
L'IA entre dans une phase plus mature, où les entreprises arbitrent désormais entre plusieurs modèles selon les usages, les coûts et le niveau de sensibilité des tâches.
Pendant longtemps, le débat sur l’IA s’est structuré autour d’une logique de classement : un champion, des challengers, une course permanente à la première place. Cette lecture a longtemps eu du sens, à l’image des premières années du cloud, quand chaque acteur cherchait à imposer sa plateforme comme référence unique.
Les données de production racontent aujourd’hui une autre histoire. Sur l’AI Gateway Production Index de Vercel, les modèles dits open-weight ont représenté 29% des tokens traités en juin 2026, pour moins de 4% de la dépense totale. À l’inverse, Anthropic a concentré 61% de la dépense pour 32% des tokens. Ces écarts suggèrent une segmentation déjà à l’œuvre avec les tâches les plus sensibles confiées aux modèles les plus robustes, tandis que les usages à plus fort volume et à moindre criticité migrent vers des options plus économiques.
Une bascule silencieuse
Cette logique d’allocation se lit aussi dans l’évolution globale des flux sur l’AI Gateway Production Index de Vercel : le volume total de tokens a progressé de 29% en un mois en juin, et la dépense totale de 27%, alors que le prix moyen par token est resté globalement stable. Le signal évoque un ajustement continu des arbitrages plutôt qu’un basculement brutal.
L’exemple de DeepSeek illustre cette rapidité car le modèle est passé d’un volume négligeable à 22,6% des tokens en juin. Cela montre à quelle vitesse les choix peuvent évoluer dès qu’une alternative moins chère et suffisamment performante s’impose en production.
Du réflexe de comparaison à la logique d’allocation
Concrètement, les directions techniques raisonnent de plus en plus en termes d’allocation : quel modèle pour une tâche de rédaction courante, quel autre pour un agent de développement critique, quel troisième pour une analyse à fort enjeu réglementaire. Chaque cas d’usage devient une décision d’architecture plutôt qu’un simple choix de fournisseur.
Cette logique apparaît aussi par type d’usage avec OpenAI qui domine la génération d’images avec 53% du volume, et les labs chinois captant environ deux tiers de la dépense vidéo. Là encore, aucun fournisseur ne s’impose sur l’ensemble des usages.
La gouvernance devient un avantage compétitif
Sur les cas les plus critiques et les plus agentiques, comme les agents de développement ou l’automatisation back-office, Anthropic concentre encore plus de 72% de la dépense. Cela suggère que la confiance et la fiabilité restent déterminantes là où les enjeux sont les plus élevés.
Pour les dirigeants, cela implique de repenser la gouvernance de l’IA au-delà d’un choix technologique ponctuel, comme une compétence organisationnelle continue capable d’absorber les évolutions de prix, les ruptures d’accès à certains modèles ou l’émergence rapide de nouveaux entrants.
Une nouvelle maturité de l’intelligence artificielle
Il serait prématuré d’en conclure que les positions sont figées. Les modèles les plus avancés conservent une longueur d’avance sur plusieurs usages exigeants et les équilibres continuent d’évoluer rapidement.
Certains conservent une avance réelle sur les usages les plus exigeants, et les positions peuvent encore évoluer vite. Les données de l’AI Gateway l’illustrent : entre mai et juin, la part de tokens d’OpenAI est passée de 12,5 % à 10,3 %, tandis que sa part de dépense progressait de 13,3 % à 16,1 %, signe d’une évolution du type de tâches qui lui sont confiées davantage que d’une évolution tarifaire.
Ce mouvement reste encore émergent, mais il dessine déjà une nouvelle forme de maturité. Les entreprises les mieux positionnées seront probablement celles capables d’adapter en continu leur portefeuille de modèles, plutôt que de chercher le fournisseur unique répondant à tous les besoins.
L’intelligence artificielle entre ainsi dans une phase où sa création de valeur dépend autant de son orchestration que de la qualité intrinsèque des modèles. Pour les entreprises, l’enjeu consiste désormais à développer cette capacité de pilotage, qui pourrait rapidement devenir un avantage concurrentiel aussi structurant que la maîtrise des achats, de la finance ou de la cybersécurité.