Dites « stratégie IA » à voix haute, et écoutez ce que vous voulez vraiment dire
Demandez à dix dirigeants produit ou ingénierie de décrire la stratégie IA de leur entreprise : la plupart répondront par le nom d'un seul fournisseur. Parfois deux. Presque aucun ne remarquera qu'il vient de décrire une dépendance, pas une stratégie. Un plan entièrement construit autour de la feuille de route, des tarifs et de la disponibilité d'une seule entreprise est un pari que la plupart des équipes n'ont jamais formalisé.
Ce pari était défendable tant qu'il n'existait, en pratique, qu'un seul niveau crédible de modèles de pointe. Ce n'est plus vrai. Continuer à agir comme si c'était encore le cas constitue le véritable risque caché dans la plupart des documents de « stratégie IA » actuels.
Le marché est devenu multipolaire, discrètement
Un laboratoire chinois peut désormais livrer un modèle de raisonnement qui égale les performances des modèles occidentaux de pointe pour une fraction du coût d'entraînement supposé, puis donner ses poids à qui veut les inspecter et les exécuter. Une jeune entreprise française de trois ans à peine est devenue la référence que les gouvernements européens citent lorsqu'on leur demande si le continent peut construire sa propre IA de pointe. Une équipe sud-africaine produit une IA linguistique qui gère l'alternance entre les langues africaines mieux que n'importe quel agent conversationnel généraliste, parce qu'elle a été conçue par des personnes qui résolvent ce problème précis plutôt qu'un problème générique. Rien de tout cela n'apparaît si votre seul critère consiste à déterminer lequel de deux laboratoires américains a présenté la meilleure démonstration ce trimestre.
L'AI Index de Stanford(lien externe, nouvel onglet) suit ce basculement depuis plusieurs années : le développement de modèles, les investissements dans les capacités de calcul et les publications à poids ouverts ne sont plus concentrés dans un seul pays comme ils l'étaient encore trois ans auparavant. Les États du Golfe financent leurs propres instituts de recherche. Le Technology Innovation Institute(lien externe, nouvel onglet) des Émirats arabes unis compte parmi ceux qui développent des capacités de recherche proches du niveau de pointe grâce à un soutien souverain plutôt qu'au capital-risque. Il n'est pas nécessaire de présenter cette évolution comme un affrontement géopolitique pour qu'elle compte dans une feuille de route produit. Il suffit d'y voir un ensemble de solutions réelles et utilisables.
Les chaînes d'approvisionnement ont appris cette leçon il y a des décennies
Les équipes chargées de la chaîne d'approvisionnement ont cessé de confier leurs composants critiques à une source unique il y a plusieurs décennies, pour une raison banale et bien comprise : un point de défaillance unique reste un point de défaillance unique, quelle que soit la qualité du fournisseur. La stratégie relative aux fournisseurs d'IA a largement ignoré cette leçon. Une architecture d'IA reposant sur un seul fournisseur subit chacune de ses décisions futures en matière de tarifs, de licences, de disponibilité et de géopolitique, que l'entreprise ait sciemment accepté cette exposition ou non.
C'est le même argument qui fait du cloud souverain un avantage concurrentiel plutôt qu'un coût de conformité : maîtriser le lieu et les conditions d'exécution constitue un actif stratégique, et non une note de bas de page. Des cadres réglementaires comme le règlement européen sur l'IA imposent déjà ce type de réflexion pour les cas d'usage à haut risque. L'angle mort se situe sous ce seuil, là où les équipes se rabattent indéfiniment sur le modèle pour lequel elles ont déjà un compte, sans jamais en formaliser la raison.
À quoi ressemble une véritable stratégie multirégionale
Commencez par un inventaire, pas par une politique. Recensez les processus qui dépendent aujourd'hui d'un seul fournisseur de modèles et, pour chacun, demandez-vous ce qui se passerait si ce fournisseur doublait ses prix, modifiait ses conditions ou devenait indisponible dans votre région dès demain. La plupart des entreprises n'ont jamais fait cet exercice pour l'IA, alors qu'elles n'accepteraient jamais une telle situation pour une base de données cloud critique ou un prestataire de paiement.
Traitez ensuite la diversité des modèles avec la même rigueur que les petits modèles efficients imposent déjà dans la gestion des capacités : toutes les tâches n'ont pas besoin du même niveau de modèle et tous les modèles n'ont pas besoin de venir du même endroit. Une tâche de classification, une traduction destinée à un marché africain et une décision financière réglementée dans l'Union européenne peuvent raisonnablement reposer sur trois modèles différents, choisis pour trois raisons distinctes : le coût, la couverture linguistique et la juridiction. Aucune de ces raisons ne devrait être « parce que c'est le compte que nous avons déjà ».
Cela ne signifie pas qu'il faut courir après chaque nouvelle publication de laboratoire. Le moment technologique de l'Afrique rappelle utilement pourquoi : le bon outil est celui qui répond à la contrainte réelle, pas celui qui suscite le plus d'attention ce mois-ci.
À retenir
Dressez la liste des processus d'IA qui dépendent d'un seul fournisseur et traitez-la comme un registre de risques, pas comme un annuaire de fournisseurs.
