// CLUBIC — INTELLIGENZA ARTIFICIALE
"Voulez-vous payer dix fois plus cher ?" : le patron d'IBM défend l'IA locale
Pourquoi payer le prix fort pour utiliser une intelligence artificielle quand des modèles d’IA presque aussi performants peuvent fonctionner sur ses propres machines ? Pour IBM, l’essor des modèles à poids ouverts pourrait bien rebattre les cartes du marché, aussi bien dans les entreprises que chez les particuliers.
Faut-il vraiment mobiliser les modèles d’intelligence artificielle les plus puissants pour résumer un document ou répondre à un e-mail ? Le patron d’IBM, Arvind Krishna, en doute sérieusement. Lors de la présentation des résultats trimestriels du groupe, le 21 octobre, il a défendu les mérites des modèles à poids ouverts, dont les performances se rapprocheraient désormais de celles des meilleures IA propriétaires pour une fraction de leur coût.
Selon lui, ces modèles atteindraient environ 90% de l’efficacité de leurs concurrents fermés, avec un coût par token représentant 10 à 25% de celui des modèles de pointe fermés. « Voulez-vous payer dix fois plus cher ? », interroge ainsi le dirigeant. Des chiffres rapportés par The Register qu’il faut toutefois considérer avec prudence, IBM n’ayant pas détaillé le protocole permettant d’établir cette comparaison. Ces estimations ne décrivent pas non plus les performances des petits modèles que l’on peut installer sur un PC personnel.
Les modèles à poids ouverts ont un avantage considérable. On peut les télécharger et les exécuter sur ses propres machines, sans nécessairement passer par les serveurs de leur concepteur.
Leurs poids correspondent aux milliards de paramètres numériques ajustés durant l’entraînement. Leur publication permet de faire fonctionner le modèle localement et, selon la licence, de l’adapter à des besoins particuliers. Cela n’en fait pas automatiquement des logiciels open source, puisque les données et les méthodes utilisées pour les entraîner peuvent rester secrètes.
L'offre s’est considérablement étoffée ces derniers mois. IBM développe sa famille Granite, Alibaba propose Qwen, tandis que DeepSeek, Mistral et même OpenAI, avec gpt-oss, disposent de modèles dont les poids sont accessibles.
Tous n’offrent évidemment pas les mêmes performances ni les mêmes libertés d’utilisation, mais les entreprises ont désormais l’embarras du choix.
L’intérêt dépasse largement la facture. En faisant tourner une IA sur leurs propres serveurs, les entreprises peuvent exploiter leurs documents internes sans les transmettre systématiquement à un fournisseur extérieur. Elles disposent aussi de davantage de latitude pour personnaliser les modèles et maîtriser leur infrastructure. Arvind Krishna prend pour exemples les résumés d’e-mails, l’analyse de contrats, les réponses aux appels clients ou la rédaction de messages. « Toutes ces tâches peuvent être réalisées aussi bien avec une solution bien moins chère », assure-t-il.
Les économies potentielles s’accompagnent toutefois d’exigences techniques. « Où sont mes ingénieurs spécialistes des kernels ? », s’interroge également le patron d’IBM, qui évoque le réseau entre les GPU et la mise en cache des résultats. Au prix des machines et de l’électricité s’ajoutent donc la maintenance, la sécurisation des installations et les compétences nécessaires pour faire fonctionner l’ensemble. Pour une petite structure qui sollicite occasionnellement un assistant, une offre hébergée peut rester plus avantageuse.
Arvind Krishna constate aussi que les grandes entreprises examinent davantage la rentabilité de leurs investissements dans l’IA. Elles redoutent, selon ses propos repris par le Wall Street Journal, des dépenses « incontrôlables, sans véritable retour ». La recherche de modèles moins coûteux répond donc à une préoccupation concrète. IBM a d’ailleurs tout intérêt à défendre cette approche, puisque le groupe commercialise précisément les logiciels et les infrastructures nécessaires à son déploiement.