Dans le monde de l’intelligence artificielle, les projecteurs se braquent sur les modèles géants comme GPT-5, Gemini ou Claude. Pourtant, ce sont les petits modèles ( plus simples, rapides et économiques ) qui transforment réellement le quotidien des entreprises.

Alors que les grands laboratoires d’IA rêvent d’atteindre l’intelligence artificielle générale, celle qui rivaliserait avec l’esprit humain, la réalité du terrain est tout autre. Les dirigeants d’entreprises qui utilisent déjà l’IA pour automatiser leurs opérations affirment qu’ils s’appuient surtout sur de modestes modèles spécialisés. Ces outils plus légers, souvent appelés « small language models », suffisent largement à accomplir les tâches répétitives ou ciblées qu’exige le monde des affaires.

L’ingénieur Kyle Lo, du Allen Institute for AI, résume bien la situation : « Pour la majorité des opérations informatiques dont les entreprises ont besoin aujourd’hui, les grands modèles ne sont pas nécessaires. » C’est la logique de la chaîne de montage appliquée à l’IA : des données entrent, des résultats sortent, et entre les deux, une série de petits modèles accomplissent chacun une étape bien précise.

Plusieurs entreprises américaines illustrent ce virage. La start-up Aurelian automatise les appels non urgents aux centres 911 ; Hark Audio identifie et extrait les meilleurs moments de millions de balados ; Gong aide les équipes de vente à analyser des milliers d’appels téléphoniques pour repérer les points faibles. Même Airbnb utilise des modèles compacts, parfois issus d’Alibaba, pour résoudre automatiquement une grande partie de ses requêtes clients.

Meta, de son côté, avoue privilégier de petits modèles pour cibler et diffuser ses publicités, car les plus gros seraient trop coûteux à faire tourner. Les grands modèles servent surtout à transférer leurs connaissances vers ces versions miniaturisées, plus faciles à déployer à grande échelle.

L’écart de coût est vertigineux : chez OpenAI, un million de jetons traités par GPT-5 Nano revient à environ 0,10 $, contre plus de 3 $ pour GPT-5 complet. Dans un contexte où chaque requête peut en consommer des milliers, les économies sont considérables. Et contrairement aux apparences, ces petits modèles n’ont rien de « bêtes » : ajustés ou entraînés sur des données spécifiques, ils deviennent redoutablement efficaces pour des tâches précises.

Comme le résume Christopher Mims, l’avenir de l’IA en entreprise ne se construit pas à coups de supercalculateurs, mais plutôt sur des chaînes d’outils modestes, reliés avec ingéniosité. Une révolution industrielle silencieuse, faite de milliers de petites intelligences qui, ensemble, accomplissent un grand travail.

Source : Wall Street Journal

+++

Tous les jours de la semaine, du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.