Changer de modèle d'IA : le faire sans tout casser

Le 16 octobre 2026, sur la scène de TechCrunch Disrupt, le patron de Replit a annoncé que l’agent de développement de sa plateforme passait par défaut sur les modèles d’un autre fournisseur, en invoquant le coût, le partenariat et la performance. Depuis le 5 octobre, Mistral, Anthropic, Google et Meta avaient chacun sorti ou ouvert un nouveau modèle. Pour une entreprise qui a branché l’IA dans ses outils, la question n’est plus de choisir le meilleur modèle une fois pour toutes, mais de pouvoir en changer sans tout reprendre.

Ce billet de notre rubrique IA d’entreprise ne classe aucun de ces modèles : il décrit ce qu’il faut avoir en place pour profiter du prochain, quel qu’il soit. Les sorties citées ont été vérifiées le 20 octobre 2026 chez les éditeurs et dans la presse, et ces catalogues bougent vite ; ce n’est pas non plus un conseil juridique sur vos contrats avec les fournisseurs.

Octobre 2026 : un mois de sorties, aucun classement

1. 5 octobre

   Mistral présente Large 4, en préversion par son API, avec une publication des poids annoncée pour fin octobre.

2. 7 octobre

   Anthropic sort Claude Haiku 5.5, un petit modèle qui coûte en moyenne environ 75 % de moins à faire tourner que le précédent, selon l’éditeur.

3. 13 octobre

   Google ouvre Gemini 4 Argon aux développeurs, deux semaines après l’avoir annoncé.

4. 15 octobre

   Meta publie Muse Spark Open, un modèle aux poids ouverts conçu pour tourner sur des Mac Studio dotés d’environ un téraoctet de mémoire.

5. 16 octobre

   Replit change le modèle par défaut de son agent.

Les sources sont celles des éditeurs et de la presse : Le Monde Informatique pour Mistral, la page d’Anthropic, le blog de Google et TechCrunch pour Meta. Leurs scores de performance sont publiés par les éditeurs eux-mêmes : ils disent ce que chaque modèle sait faire en général, pas ce qu’il fera sur vos dossiers.

Le cas Replit est plus instructif que les sorties. Selon TechCrunch, dont le titre a été corrigé le 17 octobre, les modèles de l’ancien fournisseur restent proposés aux utilisateurs, et la plateforme se dit « agnostique » en matière de modèles. Autrement dit, le changement a été une décision commerciale, pas un chantier technique : c’est exactement la position qu’une entreprise veut tenir face à ses propres fournisseurs.

Pourquoi on change de modèle

Quatre raisons reviennent, et aucune ne se prévoit au moment du premier choix :

1. Le prix bouge, dans les deux sens : un nouveau modèle moins cher sort, ou un tarif de lancement se termine.
2. La qualité bouge : un modèle plus récent fait mieux sur votre tâche, ou une mise à jour fait moins bien sur un point qui comptait.
3. Les conditions bougent : conservation des données, lieu de traitement, usage pour l’entraînement, accord commercial.
4. La disponibilité bouge : un modèle est retiré du catalogue, ou une panne vous laisse sans réponse pendant des heures.

Les trois pièces qui rendent le changement banal

La couche d’abstraction fait que vos automatisations, votre CRM ou votre assistant interne appellent « le modèle de classement » ou « le modèle de rédaction », pas un produit nommé. Changer, c’est modifier une ligne de la table, et tout ce qui en dépend suit.

Vos propres tests répondent à la seule question qui compte : le nouveau modèle fait-il aussi bien sur vos dossiers ? Les classements publics ne le disent pas. La méthode, du choix des cas au verdict, est dans notre article sur l’évaluation d’un modèle avant la production.

Le routage évite de payer le modèle le plus cher pour trier des courriels. Il fait aussi de chaque sortie une opportunité : un modèle moins cher qui passe vos tests prend la tâche, sans toucher aux autres. Ce que cela change sur la facture est détaillé dans notre guide du coût de l’IA en tokens.

Ce qui casse quand on change mal

L’appel au modèle se remplace en une ligne. Ce qui casse, c’est ce qui a été réglé pour un modèle précis sans qu’on le sache :

• les consignes : une formulation qui marchait avec un modèle peut être comprise autrement par un autre ;
• les formats de sortie : un champ manquant ou une virgule mal placée, et l’automatisation suivante s’arrête ;
• le découpage du texte : Anthropic précise ainsi, sur sa page de lancement, que Haiku 5.5 consomme un peu plus de tokens par tâche que son prédécesseur, parce que son découpeur a changé ; le gain réel se mesure sur vos textes, pas sur la grille tarifaire ;
• les limites : taille de contexte, débit autorisé, langues prises en charge.

Ce que ça change pour une équipe de 20 à 500 personnes

La plupart des entreprises n’appellent pas un modèle elles-mêmes : elles utilisent des logiciels qui le font pour elles. Trois questions à poser à chacun de ces éditeurs :

1. Quel modèle utilisez-vous, et pouvez-vous en changer si la qualité baisse ou si nos conditions de données l’exigent ?
2. Où vivent nos consignes, nos documents et nos historiques, et pouvons-nous les récupérer ?
3. Que se passe-t-il en cas de panne de votre fournisseur d’IA : repli, file d’attente, ou service arrêté ?

Pour vos propres automatisations, la règle est simple : pas de nom de modèle en dur, des tests qui vous appartiennent, et un modèle de repli. Les grands profils de modèles, sans palmarès, sont présentés dans notre comparatif des modèles d’IA, et l’option d’un modèle aux poids ouverts installé chez vous dans l’IA privée en quatre niveaux. La place de ce choix dans un projet d’ensemble est décrite dans notre guide pour intégrer l’IA en entreprise, et le reste de l’actualité du mois dans notre actu IA d’octobre pour les dirigeants.

Pour une passerelle multi-modèles, un banc d’essai sur vos propres contenus et une table de routage revue chaque trimestre, voyez notre offre IA au juste coût.

Questions fréquentes

Sources

1. Le Monde Informatique pour Mistral (nouvel onglet)lemondeinformatique.fr
2. La page d’Anthropic (nouvel onglet)anthropic.com
3. Le blog de Google (nouvel onglet)blog.google
4. TechCrunch pour Meta (nouvel onglet)techcrunch.com
5. Selon TechCrunch (nouvel onglet)techcrunch.com