Note de la rédaction: La fermeture de Mythos cette semaine a rappelé à de nombreux entrepreneurs en IA une question occultée par les discussions sur les coûts: lorsque les capacités fondamentales d’un produit reposent sur des modèles et plateformes externes, que possède réellement l’entreprise ?

Ces dernières années, les modèles open source étaient souvent discutés dans le cadre de « substituts moins chers aux modèles de pointe ». Mais cet article estime que le coût n’est pas la variable la plus critique, c’est le contrôle qui l’est. Pour une entreprise d’IA, utiliser l’API d’un modèle de pointe permet de lancer un produit rapidement et de réduire la barrière technique, mais cela signifie aussi que ses capacités fondamentales peuvent être soumises aux règles, aux prix, aux ajustements stratégiques, voire aux décisions de retrait du fournisseur du modèle.

L’article avance en outre que « posséder l’intelligence » n’équivaut pas à abandonner les modèles de pointe, mais plutôt que les entreprises devraient intégrer leurs données, flux de travail, connaissances du domaine, critères d’évaluation et cas limites dans un système de modèles qu’elles contrôlent. La compétition future en IA ne sera pas nécessairement dominée par un seul et unique plus grand modèle, mais verra émerger plusieurs « fronts » : des modèles généraux de pointe, des modèles affinés spécifiquement pour l’entreprise, des modèles dédiés à des secteurs verticaux, ainsi que des systèmes d’acheminement composés de multiples modèles travaillant en synergie.

La fermeture de Mythos sert donc de rappel : le véritable avantage concurrentiel à l’ère de l’IA ne réside pas seulement dans la capacité d’utiliser des modèles puissants, mais dans celle de transformer l’intelligence en un actif propre à l’entreprise.

Voici l’article original :

Mythos a fermé cette semaine. Que vous soyez d’accord ou non avec cette décision, ce n’est plus vraiment le sujet.

Ce qui a vraiment frappé beaucoup de gens, c’est qu’une entreprise bâtie sur une intelligence qu’elle ne contrôle pas s’est soudain retrouvée exposée à des décisions qu’elle ne pouvait influencer. Après avoir vu cela, de nombreux fondateurs se posent la même question : dans mon activité, quelles parties sont en réalité juste « louées » ?

Ces dernières années, les discussions sur les modèles open source tournaient surtout autour du coût : peuvent-ils vraiment accomplir la tâche ? Si oui, combien moins chers sont-ils que d’utiliser l’API d’un modèle de pointe ?

Aujourd’hui, nous avons des réponses assez claires. Nous avons collaboré avec des entreprises comme @RampLabs, @cursor_ai, @harvey, et l’approche est généralement similaire : partir d’un modèle open source performant, l’affiner avec le contenu de travail qui importe vraiment pour l’entreprise, et le comparer continuellement au modèle de pointe via une évaluation rigoureuse.

Les résultats sont à chaque fois surprenants. Sur les tâches qui comptent le plus pour l’entreprise, un modèle open source bien optimisé peut souvent, à un coût très faible, atteindre une qualité proche, voire égale, à celle du modèle de pointe.

Mais ce que cette semaine a vraiment fait comprendre, c’est que le coût n’a jamais été la question la plus importante.

La question plus profonde est celle du contrôle. À qui appartient réellement l’intelligence dont dépend votre produit ?

De nombreux débats récents sont résumés par la distinction entre « louer » et « posséder ». Cette analogie n’est pas parfaite, mais elle est utile.

Louer l’intelligence

La location, c’est génial... jusqu’à ce qu’il y ait un problème. L’appartement est meublé, les lumières s’allument, l’eau coule, les réparations sont gérées. C’est pourquoi la plupart des entreprises empruntent cette voie au départ.

Les API de modèles de pointe sont des produits remarquables. Elles permettent aux startups de construire des choses qui semblaient inimaginables il y a quelques années.

Mais louer implique aussi des limites. Le propriétaire peut augmenter le loyer, décider des rénovations possibles, changer les règles. Et parfois, pour des raisons qui ne vous concernent pas, il peut vous dire : il est temps de partir.

Vous n’avez rien fait de mal. Vous avez juste construit votre activité sur le terrain de quelqu’un d’autre.

C’est aussi pourquoi l’histoire de Mythos résonne chez tant de personnes. Lorsque vos capacités fondamentales dépendent entièrement de la plateforme d’un tiers, vous êtes exposé à des décisions qui échappent à votre contrôle.

La plupart du temps, cela n’a pas d’importance. Mais parfois, cela devient soudainement crucial.

Posséder l’intelligence

La leçon à tirer n’est pas que les entreprises devraient cesser d’utiliser les modèles de pointe. Loin de là. Les laboratoires de modèles de pointe ont réalisé des prouesses technologiques. La plupart des produits devraient les utiliser. Nous-mêmes les utilisons.

À bien des égards, les modèles de pointe deviennent une infrastructure. Mais infrastructure et propriété sont deux choses différentes.

Vous pouvez utiliser une infrastructure publique tout en possédant ce qui crée réellement de la valeur pour votre activité. Dans le domaine de l’IA, « posséder » signifie partir d’un modèle open source de pointe et le façonner autour de ce qu’il y a de plus unique dans votre entreprise.

Vos données.

Vos flux de travail.

Vos connaissances du domaine.

Vos cas limites.

Vos critères d’évaluation.

Votre définition du « bon ».

Avec le temps, ce modèle devient de moins en moins générique, et de plus en plus capable de refléter le travail réel que votre entreprise effectue quotidiennement. C’est là que la valeur est créée.

Imaginez une maison. Déplacer les meubles est facile, peindre un mur aussi. Mais si votre avenir dépend de la structure même de la maison, tôt ou tard, vous voudrez pouvoir déplacer les murs. Il en va de même pour l’intelligence.

Lorsque l’intelligence vous appartient vraiment, personne ne peut discrètement retirer le sol sous les pieds de votre produit.

C’est aussi la raison pour laquelle nous avons construit Fireworks de cette manière.

Nous intégrons l’entraînement et l’inférence dans un même système, permettant aux entreprises d’adopter les meilleurs modèles open source, de les façonner autour des questions les plus importantes pour leur activité, et de les déployer de manière stable en production.

Pas seulement consommer l’intelligence. Mais la posséder.

Il n’y a pas qu’un seul front

Cette semaine a aussi apporté un éclairage optimiste : l’avenir de l’IA ne dépend pas d’un seul modèle qui remporterait tout.

Il n’y a pas qu’un seul front. Il y a plusieurs fronts.

Les modèles de pointe en sont un.

Un modèle affiné avec des années de connaissances propres à une entreprise en est un autre.

Un modèle spécialisé qui résout un problème étroit mieux qu’aucun autre modèle en est un autre encore.

Un système capable d’acheminer les requêtes vers plusieurs modèles, les faisant collaborer pour surpasser un modèle unique sur de nombreuses tâches, est aussi un front.

Le changement le plus intéressant dans l’IA n’est pas qu’un modèle devient de plus en plus intelligent, c’est que l’intelligence devient de plus en plus personnalisable.

Les entreprises qui l’emporteront ne seront pas nécessairement celles qui possèdent le plus grand modèle, mais celles qui sauront transformer l’intelligence en un actif unique.

Perspectives

Nous avons passé beaucoup de temps cette semaine à réagir à l’actualité, mais nous avons choisi de continuer à publier des produits : @Kimi_Moonshot K2.7 Code, @MiniMax_AI M3, @Alibaba_Qwen 3.7 Plus.

L’avenir que j’anticipe n’est pas celui d’un modèle qui absorberait discrètement tout ce qu’il voit.

Mais celui où de nombreuses équipes pourront posséder leur propre part du front.

Si la fermeture de Mythos vous amène à repenser ces compromis, nous serions ravis d’en discuter.