> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/fr/2025/w24-six-month-review-of-large-model-applications.md).

# W24-Six mois d'applications des grands modèles

J'ai récemment regardé la WWDC, Google I/O, un entretien avec Pichai et plusieurs bilans des six derniers mois de l'IA.

L'IA entre dans une phase de mise en produit et d'intégration des écosystèmes. La compétition des modèles se calme, et la plupart des entreprises peuvent désormais assumer des applications qui servent d'enveloppe à ces modèles.

Les capacités et les prix évoluent. Les modèles ouverts rattrapent vite, voire dépassent certains modèles fermés, et les écarts entre les meilleurs se réduisent fortement. Les modèles locaux restent limités, mais Llama 3 70B peut désormais fonctionner sur un portable ordinaire avec des capacités proches de GPT-4. Le prix de l'inférence baisse continuellement, bien plus vite que ne le suggérait la loi de Moore à l'époque d'Internet. Pour les meilleurs modèles, la division annuelle du prix par dix est courante ; pour certains modèles légers ou distillés, elle atteint cent.

On disait auparavant que la valeur d'un produit d'IA se mesurait à sa vitesse de consommation de tokens. Un simple champ de prompt ou un chatbot attendant les questions ne suffit certainement pas. Mais maximiser cette consommation ne peut être le but. L'indicateur essentiel est la valeur produite par chaque token. L'évolution des modèles économiques le montre : le consensus passe de MaaS, Model as a Service, à RaaS, Results as a Service. Beaucoup d'entreprises B2B facturent les clients acquis ou convertis plutôt que les tokens consommés. Cela rappelle le passage de la publicité au volume à la publicité à la performance.

Nous n'avons pas observé de basculement où les interfaces naturelles, NUI, remplaceraient les interfaces graphiques, GUI. L'expérience quotidienne montre que cliquer et sélectionner reste souvent le plus efficace. Une tendance claire se dessine pourtant : les barres d'outils et menus traditionnels cèdent du terrain au langage naturel associé à une exécution intelligente, plus naturelle et intuitive.

Les défis de l'ingénierie applicative augmentent. Flatterie excessive, divulgation des prompts système, modèles qui dénoncent des comportements : autant de difficultés de sécurité et de maîtrise. Les appels d'outils, la gestion des droits et l'injection de prompts deviennent des problèmes centraux du passage en production.

Apple est effectivement en retard sur l'IA. Jobs disait que tout se ramenait au goût. Je pensais auparavant que ses exigences de goût et d'expérience expliquaient sa prudence. Après avoir essayé le multimodal de GPT-4o ou Gemini Live, je trouve ces produits déjà assez bons et séparés de Siri par une génération. La prudence ne suffit plus à expliquer cette stratégie.

Quand les grandes entreprises lancent des produits plus généraux, elles peuvent facilement couper l'herbe sous le pied aux applications spécialisées. Google propose par exemple AI Mode, pour les recherches conversationnelles complexes, et Agent Mode, capable de réaliser activement des tâches en plusieurs étapes, comme chercher un logement ou réserver des billets. Certains produits verticaux antérieurs, tels Perplexity ou Manus, perdent alors leur caractère distinctif.