En entreprise, la fidélité aux modèles d’IA ne dure que quelques semaines
Le Databricks AI Index, tableau de bord public actualisé chaque semaine, montre à quelle vitesse les entreprises changent de modèle d'IA. Il repose sur le trafic de Unity Gateway, la passerelle par laquelle les clients de Databricks accèdent aux modèles, et sur un benchmark maison d'agents de code. Entre fin septembre et début novembre, Claude Opus 5.5, d'Anthropic, est passé en six semaines de 7,2 % à 38 % des tokens consommés sur les modèles propriétaires, devenant le premier de la passerelle. Sur la même période, Claude Fable 5.1, pourtant en tête du benchmark de code avec 96 % de réussite, est tombé de 5,5 % à 0,6 %. Databricks relève qu'un nouveau modèle phare sort environ chaque semaine depuis mai 2026. À la mi-année, les clients s'appuyaient surtout sur Anthropic, puis OpenAI a gagné du terrain avec GPT-6 Sol et Astra avant que la sortie d'Opus 5.5 ne redonne l'avantage à Anthropic.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Blog du Modérateur. Lire l'article original →
Ces mouvements s'accompagnent d'écarts de coût considérables à performance comparable. GPT-6 Luna et Opus 5.5 réussissent chacun 89 % des tâches du benchmark, mais Luna coûte en moyenne 0,05 dollar par tâche contre 1,62 dollar, soit environ 32 fois moins. Fable 5.1 revient à 7,47 dollars par tâche, tandis que Muse Wonder, de Meta, atteint 95 % pour 1,53 dollar. Gemini 3.8 Flash illustre le piège du prix du token : bas en apparence, il exige en moyenne 140 tours d'échange par tâche et aboutit à une facture de 11,97 dollars, l'une des plus élevées. Pour les entreprises, comparer les tarifs affichés ne suffit donc pas, il faut mesurer le coût réel par tâche accomplie. Le succès d'Opus 5.5, bien plus cher que Luna à score égal, rappelle aussi que le prix ne dicte pas seul les choix, la qualité perçue continuant de peser lourd dans les parts de marché des fournisseurs.
Cette volatilité pousse les éditeurs à évaluer chaque modèle dans les jours suivant sa sortie, ce que Databricks dit faire en interne. L'entreprise a ainsi renoncé à passer d'Opus 4.8 à Opus 5, faute de gain suffisant au regard du surcoût, mais a 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. Elle vend par ailleurs un outil de routage automatique entre modèles et recommande de réserver les plus coûteux aux tâches complexes, ce qui oriente évidemment son analyse. Les chiffres ne décrivent d'ailleurs que ses clients, pas l'ensemble du marché. L'index souligne enfin la montée des modèles open weight, dont les poids sont publiés. Sur les modèles servis directement par Databricks, leur part des tokens est passée de 7,3 % en juillet à 31 % début novembre, avec une progression concentrée avant fin septembre et un plafonnement depuis. Les fournisseurs détaillés, Zhipu, DeepSeek et Moonshot AI, sont tous chinois, et DeepSeek V4.1 Flash comme GLM 5.3 se partagent la 3e place du benchmark de code avec 93 %. Côté européen, Mistral AI a publié le 29 octobre les poids de Mistral Large 4 sur Hugging Face, mais le modèle ne figure pas parmi les familles recensées par l'index, qui cite GLM, Kimi, DeepSeek, Qwen, Llama, GPT-OSS et Gemma.
Les entreprises européennes peuvent s'appuyer sur ces données pour comparer le coût réel par tâche des modèles, tandis que Mistral Large 4, publié en poids ouverts, n'est pas recensé par l'index.