Choisir son IA sans s'enfermer

On me demande souvent quel modèle choisir, en attendant un nom. Je réponds rarement par un nom, pour une raison simple : celui que je citerais aujourd'hui ne serait probablement plus le bon dans un an.

La bonne question n'est pas « lequel est le meilleur », mais « lequel puis-je quitter sans tout reconstruire ».

Les grands modèles américains. Les plus avancés sur la plupart des usages, l'écosystème d'outils le plus riche, des offres professionnelles avec de vrais engagements contractuels. En contrepartie : une dépendance à des sociétés soumises à une juridiction non européenne, et des tarifs qui évoluent sans vous consulter.

Les modèles chinois. Des performances qui se rapprochent, souvent à des coûts nettement inférieurs, et plusieurs d'entre eux publiés en open source — ce qui permet de les faire tourner ailleurs que chez leur éditeur. Le sujet à traiter sérieusement est celui de la donnée et du contexte réglementaire si vous passez par leurs services hébergés.

Les modèles européens et français. L'argument de la juridiction et de l'hébergement, un vrai confort pour les sujets sensibles, et des acteurs qui se sont hissés à un excellent niveau. L'écosystème d'outils autour reste moins fourni, et il faut parfois accepter un léger écart sur les tâches les plus complexes.

L'open source hébergé chez vous. Vos données ne sortent jamais, vous ne dépendez d'aucun fournisseur et vous maîtrisez vos coûts. Le prix à payer est réel : des machines, des compétences pour les tenir, et l'écart de performance à accepter sur les tâches les plus exigeantes.

Ce n'est presque jamais le modèle lui-même. Changer de modèle, techniquement, c'est quelques lignes. Ce qui vous enferme, ce sont trois autres choses.

Les fonctionnalités exclusives. Dès que votre système repose sur une particularité offerte par un seul fournisseur, vous ne pouvez plus partir. C'est très pratique à court terme, et c'est exactement le piège.

Vos données chez eux. Si vos documents, vos historiques et vos index ne vivent que dans leur environnement, le coût de sortie n'est plus technique, il est organisationnel.

Vos instructions et vos réglages. Des mois d'ajustements écrits pour un modèle précis ne se transfèrent pas tels quels. Cette dette-là est invisible jusqu'au jour où vous voulez bouger.

Une couche d'abstraction entre votre application et le modèle, même rudimentaire. Le reste de votre système ne doit pas savoir à qui il parle.

Vos données chez vous. Vos documents, vos index, vos historiques restent dans votre environnement ; le modèle vient les consulter, il ne les héberge pas.

Un test de sortie, écrit dès le départ. Une vingtaine de cas réels avec les réponses attendues, que vous pouvez rejouer sur n'importe quel modèle. C'est ce qui transforme un changement de fournisseur en décision de quelques jours plutôt qu'en projet de six mois.

C'est exactement ce que j'ai construit dans mon architecture multi-agents : le rôle est défini par sa mission, pas par le modèle qui l'exécute.

Ne cherchez pas le modèle unique. La plupart des organisations sérieuses en font tourner deux ou trois — un généraliste puissant pour le travail complexe, un petit et bon marché pour le volume, et parfois un modèle hébergé en interne pour les données qui ne sortent pas.

Cette répartition coûte moins cher qu'un modèle unique haut de gamme sur tout, et elle a un avantage décisif : vous avez déjà l'habitude de changer. Le jour où il faudra vraiment le faire, ce ne sera pas un événement.