La tendance à affiner (fine-tuning) des modèles d’IA à bas coût à partir des données et de l’expertise propres à l’entreprise émerge comme un contrepoids aux modèles d’IA avancés d’OpenAI et d’Anthropic.
Auparavant, les modèles d’IA spécialisés dans le droit, la santé ou l’éducation ne pouvaient que rattraper les anciennes générations d’IA, mais de nombreux tests récents montrent que l’écart se réduit considérablement.
Harvey AI a affiné le modèle Kimi 2.6 pour le secteur juridique, améliorant les performances de près de 40 % et atteignant un niveau équivalent aux modèles d’IA avancés pour seulement environ 1/11 du coût.
Cependant, cet avantage s’est rapidement réduit lorsqu’Anthropic a publié une nouvelle version d’Opus offrant des performances plus élevées sur le même test.
Bridgewater Associates s’est associé au Thinking Machines Lab pour affiner le modèle Qwen3-235B en utilisant les données, les processus et l’expérience internes de l’équipe d’investissement.
Le modèle après ajustement a atteint une précision d’environ 85 %, réduisant les erreurs de près de 30 % par rapport aux modèles d’IA avancés dans les tâches d’analyse financière, pour un coût d’environ 1/14 seulement.
Le succès vient du fait que le modèle apprend non seulement la bonne réponse, mais aussi la manière dont les experts de Bridgewater prennent réellement des décisions dans leur travail quotidien.
L’article prédit l’apparition d’entreprises spécialisées dans la fourniture de services de construction et de maintenance de modèles d’IA propres à chaque organisation, plutôt que de simplement vendre l’accès à des modèles de fondation.
Microsoft a également mis en garde les entreprises contre la dépendance vis-à-vis d’un petit nombre de modèles d’IA fermés, en raison du risque de perte de contrôle sur les données et sur la valeur des connaissances.
L’article soulève simultanément la question de savoir si les employés sont prêts à transférer des connaissances accumulées sur plusieurs années pour former l’IA de l’entreprise si cela peut réduire leur propre rôle.
📌 Conclusion : La compétition dans le domaine de l’IA est en train de passer de la construction du modèle le plus puissant à l’exploitation des connaissances exclusives de chaque entreprise. Les essais tels que Harvey AI ou Bridgewater prouvent qu’un modèle à bas coût, après avoir été affiné avec des données et de l’expérience internes, peut égaler ou dépasser les performances des modèles d’IA avancés pour un coût de 1/11 à 1/14 seulement. Si cette tendance se poursuit, l’avantage pourrait passer des fournisseurs de modèles d’IA aux entreprises qui possèdent des données, des processus et des connaissances spécialisées exclusifs.
