Tech • IA • Robotique • Jeu
Un modèle open-weight à 6,3 milliards de dollars vient d’être humilié par les Français...
7/10INTRO
Mistral, Reflection AI et Moonshot AI ont chacun fait progresser cette semaine la course à l’IA à poids ouverts, illustrant une poussée plus large des gouvernements et des entreprises pour des modèles puissants qu’ils peuvent exécuter sans dépendre de plateformes propriétaires étrangères.
POINTS CLÉS
Pourquoi les modèles à poids ouverts comptent
L’IA à poids ouverts gagne en importance stratégique, car elle permet aux entreprises et aux gouvernements d’exécuter des modèles sur leur propre infrastructure au lieu d’envoyer invites et données sensibles à des fournisseurs externes. Cela réduit les inquiétudes liées à la surveillance, à la conservation des données, à l’escalade des examens de sécurité et à l’exposition de systèmes critiques comme les schémas des réseaux électriques. L’enjeu est devenu géopolitique, les États cherchant des modèles qu’ils puissent auditer, contrôler et déployer sur leur territoire.
Reflection AI lance Beam
Reflection AI, soutenue par Nvidia et valorisée à environ 25 milliards de dollars, a publié son premier modèle, Beam, après près de deux ans de levée de fonds. L’entreprise a indiqué que le modèle compte 501 milliards de paramètres, a été entraîné sur environ 24 billions de tokens et a mobilisé un calcul GPU estimé à 6,3 milliards de dollars. Reflection a précisé que l’entraînement de base de Beam a pris un peu moins de quatre semaines, suivi de quatre semaines supplémentaires de post-entraînement axé sur le code, l’usage d’outils et de longues tâches de type agent.
Le lancement de Beam s’est accompagné de réserves
Reflection a présenté Beam comme un grand modèle ouvert occidental, en affirmant qu’il peut rivaliser avec GLM 5.2 tout en utilisant environ un quart du matériel. Mais la sortie est restée limitée: l’accès nécessitait encore une invitation et les poids n’étaient pas encore disponibles publiquement. Il subsistait donc un écart entre le positionnement de Beam comme modèle ouvert et la réalité pratique, où les développeurs ne pouvaient pas encore le déployer pleinement eux-mêmes.
Mistral dévoile Mistral Large 4
La société parisienne Mistral a ensuite annoncé Mistral Large 4, un modèle nativement multimodal avec une fenêtre de contexte revendiquée de 1 million de tokens. Le modèle utilise une architecture de mixture-of-experts avec environ 1 trillion de paramètres, tout en n’activant qu’environ 49 milliards de paramètres par token. Cette conception vise à offrir la capacité de connaissance d’un système bien plus grand au coût d’exécution d’un modèle beaucoup plus petit.
Les revendications de performance visent le code et la sécurité
Mistral a déclaré que son modèle dépasse légèrement GLM 5.3 sur de longues tâches de programmation, surpasse Beam de 18 points sur un benchmark cité, et figure parmi les meilleurs pour détecter des failles de sécurité. Cet accent est commercialement important, car l’audit de sécurité et l’analyse d’infrastructures critiques sont des cas d’usage d’entreprise lucratifs. Toutefois, les affirmations les plus fortes restent préliminaires, l’entreprise ayant indiqué que l’entraînement n’était pas encore totalement achevé et que les poids devaient être publiés plus tard dans le mois sous une licence personnalisée.
Le chinois Moonshot a déjà atteint une échelle commerciale
Tandis que des laboratoires américains et européens dévoilaient de nouveaux systèmes, Moonshot AI passait du lancement de modèle à l’échelle financière. Son Kimi K3, publié en juillet, est décrit comme un modèle ouvert de 2,88 trillions de paramètres devenu si populaire que les nouveaux abonnements ont dû être suspendus en deux jours en raison de pénuries de GPU. Depuis, Microsoft, Amazon et Google auraient entamé des discussions pour l’héberger.
La valorisation de Moonshot s’envole malgré les controverses
Moonshot a bouclé un nouveau tour de financement sur une valorisation de 50 milliards de dollars, contre environ 4 milliards de dollars en novembre dernier, avec la participation d’un fonds chinois d’IA soutenu par l’État et des préparatifs pour une IPO à Hong Kong. L’entreprise a aussi été au cœur d’une controverse après que Anthropic l’a accusée d’avoir envoyé 300 000 requêtes via de faux comptes pour imiter Claude. Malgré cela, la hausse de valorisation a souligné la rapidité avec laquelle les principales entreprises chinoises de modèles ouverts gagnent en poids financier et stratégique.
L’écart concurrentiel n’est pas seulement technique
Les annonces de la semaine ont montré qu’« ouvert » couvre désormais un large spectre, allant de poids entièrement téléchargeables à un accès sur invitation et à des licences retardées. Le cœur de la compétition n’est plus simplement de savoir qui possède le plus grand modèle, mais qui peut offrir des systèmes déployables répondant aux exigences de performance, de souveraineté, de conformité et de coût. Pour les gouvernements et les secteurs réglementés, ces conditions peuvent compter autant que les victoires sur les benchmarks.
CONCLUSION
Les derniers lancements suggèrent que la course à l’IA à poids ouverts devient un affrontement autour du contrôle national, de la confiance des entreprises et de la capacité de déploiement, plutôt qu’une simple course à la taille des modèles. Mistral, Reflection AI et Moonshot AI incarnent désormais trois visions concurrentes de la manière dont l’infrastructure de l’IA avancée sera construite et gouvernée.
Poser une question