Les entreprises construiront-elles leurs propres modèles d'IA générative ou les achèteront-elles ?

Les entreprises construiront-elles ou achèteront-elles leurs modèles de génération d'IA ? L'une des décisions cruciales que devront prendre les entreprises, les gouvernements, les institutions académiques et les centres de calcul intensif dans un très proche avenir est de savoir s'il vaut mieux former leurs propres modèles d'intelligence artificielle (IA) et les piles logicielles inférentielles qui les rendent utiles, ou les acquérir auprès de tiers pour intégrer rapidement l'IA à leurs applications. Alors que les grands acteurs de l'IA, comme OpenAI, Anthropic, xAI, Google, Alibaba et DeepSeek, investissent des sommes colossales pour former des modèles d'IA toujours plus vastes et plus sophistiqués, la plupart des organisations ont des besoins très spécifiques et des quantités relativement limitées de données spécialisées pertinentes pour leurs opérations. Cette situation implique une dépense prévisible tant pour les modèles généralistes que pour des modèles plus spécialisés par domaine. Au fil des décennies, l'évolution de l'ensemble des logiciels d'entreprise a suivi un schéma similaire : les premiers systèmes de comptabilité centralisée des grandes machines ont progressivement évolué vers des suites industrielles sophistiquées, chacune intégrant la logique métier spécifique d'un fabricant, d'un distributeur, d'un détaillant, etc. C'est une tendance que les analystes de Gartner anticipent également pour les modèles de génération d'IA (GenAI), même si cela prendra du temps avant que ces modèles différenciés ne soient largement adoptés. D'après les dernières prévisions de Gartner, la dépense totale des utilisateurs finaux en modèles GenAI devrait atteindre 14,2 milliards de dollars en 2025, soit presque 2,5 fois plus que la dépense de l'année dernière, estimée à 5,7 milliards de dollars. En 2023, la dépense en modèles GenAI de tierce partie était encore limitée, à 1,4 milliard de dollars, mais devrait exploser en 2024 avec une hausse de 4,2 fois. Il est difficile de prédire comment cette dépense pourrait évoluer par la suite, mais une multitude de facteurs déterminera son rythme. Un élément important sera l'architecture future des modèles GenAI. Si les modèles experts mélangés (mixture of experts)avec des capacités multimatérielles se révèlent plus précis que les modèles monolithiques gigantesques, jusqu'à présent dominants, et peuvent être formés sur des grappes relativement petites, alors le marché des modèles GenAI de tierce partie devrait décoller. Cela suppose que les concepteurs de ces modèles les licencieront à un prix raisonnable et fourniront des versions adaptées aux secteurs industriels, voire spécifiques à chaque organisation. Cependant, si les couts de formation descendent suffisamment pour permettre le développement et la mise en œuvre de modèles sur des grappes encore plus petites, les entreprises opteront peut-être pour la formation en interne de leurs propres modèles et l'installation de leurs propres clusters inférentiels. Inversement, si la formation de modèles nécessite un tel volume d'infrastructure que la majorité des compagnies ne peut s'y atteler — ou n'a pas accès aux GPU ou XPU nécessaires — alors elles devront s'appuyer sur des modèles GenAI externes et dépenser beaucoup d'argent pour cela, enrichissant ainsi les modélisateurs qui auront récupéré une partie des investissements massifs consentis ces cinq dernières années. Gartner affirme que d'ici 2027, la moitié des modèles d'IA utilisés par les entreprises seront spécifiques à un domaine, contre seulement 1% (mesuré par la révenue, il est supposé) en 2024. On observe également une augmentation progressive de la part des dépenses de logiciels GenAI consacrée aux modèles eux-mêmes, passant de 25,2% en 2023 à 38,2% en 2025. Il est important de souligner que ces chiffres de Gartner ne tiennent pas compte des investissements substantiels que les créateurs de modèles réalisent aujourd'hui pour développer leurs technologies, ni des futurs investissements des organisations s'il leur faut créer leurs propres modèles. Traditionnellement, une grande partie des logiciels d'entreprise a été développée en interne et non par des tiers, un facteur souvent négligé dans les analyses de marché. Malgré tout, cet investissement colossal existe bel et bien et pourrait avoir un impact significatif sur les perspectives de dépenses en IA. Évaluations et profils d'acteurs Ce dilemme entre construction et acquisition de modèles IA soulève des interrogations majeures au sein de l'industrie. Les professionnels reconnaissent l'avantage de pouvoir intégrer rapidement l'IA en achetant des modèles déjà existants, ce qui peut accélérer considérablement le processus d'innovation et de mise en production. Toutefois, la formation en interne offre un contrôle total sur l'adéquation des modèles aux exigences spécifiques de l'entreprise, ce qui peut s'avérer crucial pour certains secteurs. OpenAI, Anthropic, xAI, Google, Alibaba et DeepSeek sont les principaux acteurs actuels sur le marché des modèles GenAI, avec des investissements massifs dans la formation et l'amélioration continue de leurs modèles. Ces entreprises disposent d'infrastructures avancées et de ressources techniques considérables, leur permettant de proposer des modèles généralistes performants qui peuvent être adaptés à diverses industries. L'adoption de solutions personnalisées et la flexibilité des licences de ces modèles seront clés pour leur succès futur sur un marché compétitif en pleine expansion. En somme, le choix entre la construction et l'achat de modèles GenAI dépendra étroitement des coûts, des besoins spécifiques et des ressources disponibles pour chaque organisation. Les prochaines années seront cruciales pour voir émerger les modèles de référence et déterminer l'évolution du marché de l'IA.