Les modèles d’IA open source gagnent du terrain en 2026
Les modèles d’IA open source gagnent de plus en plus de terrain dans le monde des affaires, en raison de la réduction des coûts, de l’augmentation de la concurrence et du besoin de flexibilité. Selon le rapport Vercel AI Gateway Production Index – octobre 2026, les modèles avec des paramètres ouverts ont représenté 71,5 % du volume de tokens traités par la plateforme Vercel AI Gateway en septembre 2026. Pendant cette même période, ils ont généré 23 % des dépenses enregistrées par la plateforme.
Les données publiées par Vercel indiquent un changement important sur le marché de l’intelligence artificielle: les entreprises utilisent de plus en plus de modèles, comparent les fournisseurs et répartissent leurs budgets entre des solutions avec des prix et des caractéristiques différents.
Le rapport met également en évidence une autre tendance pertinente : tandis que les dépenses totales pour l’utilisation des modèles d’intelligence artificielle ont fortement augmenté, le prix moyen d’un token a diminué de 47 % par rapport à décembre 2025.
Les modèles d’IA open source et open-weights dominent le volume d’utilisation
Un des résultats les plus importants du rapport Vercel est la part de 71,5 % du volume total de tokens traités par l’AI Gateway, attribuée aux modèles avec accès libre aux paramètres en septembre 2026.
Un token est une unité de texte utilisée par les modèles d’intelligence artificielle pour le traitement des informations. Le volume de tokens peut inclure le texte saisi par l’utilisateur, les réponses générées, les tokens utilisés pour le raisonnement et certaines données réutilisées par des mécanismes de mémoire temporaire.
Selon Vercel, les modèles avec accès libre aux paramètres ont dépassé pour la première fois les modèles avec accès restreint en termes de volume traité en août 2026. En septembre, cette tendance s’est renforcée.
Cependant, une distinction technique est importante : le terme « open source » n’est pas toujours équivalent à « accès libre aux paramètres ». Certains modèles permettent l’accès aux poids appris pendant l’entraînement, sans que les données d’entraînement et tous les composants nécessaires à la reproduction du processus soient disponibles au public.
Par conséquent, le rapport Vercel analyse les modèles classés dans la catégorie des modèles avec accès libre aux paramètres, selon la classification utilisée par la plateforme. Cette catégorie ne doit pas être automatiquement confondue avec la définition stricte d’un modèle complètement gratuit.
Les dépenses pour les modèles d’IA avec accès libre aux paramètres ont augmenté de plus de 70 fois
L’augmentation de l’utilisation s’accompagne d’un changement important dans les budgets alloués à l’intelligence artificielle. En juin 2026, les modèles open-weights représentaient environ 5 % des dépenses via Vercel AI Gateway. En septembre, leur part avait atteint 23 %, ce qui signifie qu’environ un dollar sur quatre dépensé via la plateforme était alloué à ces modèles.
De plus, Vercel montre que, entre décembre 2025 et septembre 2026, les dépenses pour les modèles avec accès libre aux paramètres ont augmenté de plus de 70 fois. Pendant la même période, les dépenses pour les modèles de pointe avec accès restreint ont augmenté d’environ dix fois.
Ces chiffres n’indiquent pas nécessairement que les modèles d’IA open source remplacent complètement les solutions commerciales. Au contraire, le rapport montre que de nombreuses équipes augmentent simultanément leurs budgets pour les deux catégories.
La tendance suggère que les organisations choisissent des modèles en fonction de la tâche qu’elles doivent accomplir, du coût et des résultats obtenus, plutôt que de dépendre exclusivement d’un seul fournisseur.
DeepSeek démontre qu’un grand volume de traitement n’implique pas automatiquement des coûts élevés
Un exemple pertinent du rapport est DeepSeek-V4.1-Flash, qui a traité presque la moitié du total des tokens enregistrés en septembre via Vercel AI Gateway, tout en ne représentant que 2,6 % des dépenses associées à la catégorie de modèles offrant un accès libre aux paramètres.
Selon Vercel, le prix par token de ce modèle était environ cinq fois inférieur à la moyenne de la catégorie.
Ce résultat met en évidence une caractéristique importante du marché : les modèles à prix réduit peuvent traiter de très grands volumes d’informations sans générer une part similaire de dépenses.
Pour les entreprises, de telles solutions peuvent être intéressantes dans des activités telles que la classification de documents, l’extraction de données, le résumé d’informations et l’automatisation de tâches répétitives.
Cependant, le coût ne devrait pas être le seul critère de sélection. La qualité des réponses, le temps de traitement, la sécurité et la compatibilité avec les applications existantes doivent être évalués avant l’implémentation.
Kimi et DeepSeek illustrent deux stratégies différentes
Le rapport Vercel montre que les modèles open-weights contribuent à l’augmentation des dépenses dans plusieurs segments de prix.
En septembre 2026, les modèles Kimi K3, développés par Moonshot AI, ont eu une contribution importante à l’augmentation des dépenses pour cette catégorie. Vercel estime que les modèles avec un coût par token d’au moins quatre fois supérieur à la moyenne de la catégorie ont généré environ deux tiers de l’augmentation des dépenses pour les modèles avec paramètres ouverts.
En revanche, DeepSeek-V4.1-Flash a attiré un très grand volume de traitement à un coût relativement bas.
Cette différence montre que les modèles avec paramètres ouverts ne forment pas une catégorie uniforme. Certains sont utilisés pour des volumes élevés de demandes économiques, tandis que d’autres peuvent attirer des budgets plus élevés en raison de leurs caractéristiques et de leur mode d’utilisation.
Pour les entreprises, le choix approprié dépend de l’équilibre entre performance, coût et complexité des activités pour lesquelles le modèle est utilisé.
Les coûts diminuent, l’utilisation de l’intelligence artificielle augmente
Un autre résultat important du rapport est l’augmentation d’environ 13 fois des dépenses totales via Vercel AI Gateway en septembre 2026, par rapport à décembre 2025.
Dans le même intervalle, le prix moyen estimé par token a diminué de 47 %. En d’autres termes, les organisations dépensent plus pour l’intelligence artificielle, même si le prix moyen du traitement est devenu plus bas. Une explication est l’expansion de l’utilisation : les entreprises intègrent ces technologies dans plusieurs applications et processus.
Vercel indique également qu’un client payant médian, actif à la fois en décembre et en septembre, a plus que doublé ses dépenses pendant cette période. Cette évolution suggère que la réduction du coût unitaire peut encourager l’expansion de l’utilisation. Lorsque le traitement devient plus accessible, les organisations peuvent automatiser des activités supplémentaires ou utiliser des modèles plus fréquemment.
Cependant, la baisse du prix moyen ne garantit pas la réduction du budget total. Les dépenses dépendent également du volume des demandes, de la complexité des tâches et des modèles choisis.
Les entreprises changent de plus en plus souvent de modèles d’IA et de fournisseurs
Le rapport Vercel souligne également une mobilité accrue parmi les équipes utilisant l’intelligence artificielle. En septembre 2026, près d’une équipe sur deux a changé le modèle utilisé le plus fréquemment, et près d’une équipe sur trois a changé son fournisseur de modèles préféré.
Pour le deuxième indicateur, Vercel a signalé un record dans son indice. Les organisations qui ont traité au moins un milliard de tokens entre décembre 2025 et septembre 2026 ont utilisé, en moyenne, 42 modèles différents, chaque version étant comptée séparément.
Ces données montrent que de nombreuses entreprises ne s’appuient plus sur une seule solution pour toutes leurs activités. Elles peuvent utiliser différents modèles pour des tâches différentes et peuvent changer de configuration lorsque des alternatives plus efficaces apparaissent. Pour les organisations développant des applications basées sur l’intelligence artificielle, cette flexibilité peut réduire la dépendance à un seul fournisseur. En même temps, cela implique des tests, une surveillance et la vérification de la compatibilité entre les modèles.
Les modèles d’IA chinois sont également utilisés par des fournisseurs américains
Le rapport Vercel présente également une tendance intéressante concernant la distribution commerciale des modèles développés en Chine. En septembre 2026, près de 70 % des dépenses via la plateforme pour des modèles chinois ont été dirigées par des fournisseurs basés aux États-Unis. En décembre 2025, cette part était inférieure à 10 %.
Par exemple, les modèles DeepSeek ont représenté 58 % du volume total de tokens traités via la plateforme, mais 6,6 % des dépenses. Plus de quatre cinquièmes des tokens associés aux modèles DeepSeek ont été traités directement par l’entreprise, tandis que deux dollars sur cinq dépensés pour ces modèles sont passés par des fournisseurs américains. Dans le cas de Moonshot AI, la société derrière les modèles Kimi, les fournisseurs américains ont traité environ neuf tokens sur dix associés à ses modèles via la plateforme analysée.
Ces données montrent que le développement d’un modèle et la distribution de son accès sont des activités distinctes. Un modèle peut être créé par une entreprise d’un pays et offert aux utilisateurs par l’infrastructure commerciale d’une entreprise d’un autre pays.
Pour les organisations, cet aspect souligne l’importance de vérifier le fournisseur effectif du service, les conditions de traitement des données et les exigences juridiques applicables.
Que doivent analyser les entreprises avant d’adopter des modèles d’IA open source ?
L’augmentation de la popularité des modèles open source et de ceux avec des paramètres ouverts ne signifie pas qu’ils conviennent à toutes les applications. Avant l’implémentation, les entreprises devraient évaluer :
- Coût total : prix d’utilisation, infrastructure, administration et maintenance.
- Qualité des résultats : précision des réponses par rapport aux tâches réelles.
- Licence : droits d’utilisation commerciale, de modification et de distribution.
- Sécurité : protection des données, contrôle d’accès et gestion des informations confidentielles.
- Flexibilité : possibilité de changer de modèle sans modifications majeures de l’application.
- Ressources techniques : équipements et compétences nécessaires pour gérer la solution.
En particulier, les organisations doivent éviter de choisir un modèle uniquement sur la base de sa popularité ou de son prix. Une solution bon marché peut devenir coûteuse si elle nécessite des corrections fréquentes des résultats ou une infrastructure supplémentaire.
Ainsi, l’avantage stratégique ne réside pas seulement dans le choix d’un modèle open source, mais dans la capacité de sélectionner, de comparer et d’utiliser efficacement plusieurs modèles.
