L’IA en bref

Des foundation models aux systèmes agentiques, en passant par la révolution des LLMs locaux.

Résumé

L’IA a connu de multiples transformations depuis 2020. La première vague a été portée par le scaling — des modèles plus grands, plus de données, plus de calcul. En 2024, le focus s’est déplacé vers les modèles de raisonnement (o1, DeepSeek R1) capables de réfléchir à travers des problèmes multi-étapes. En 2025-2026, la frontière s’est à nouveau déplacée : l’IA agentique a émergé comme le paradigme dominant, où les modèles ne se contentent plus de répondre aux questions mais utilisent des outils de manière autonome, écrivent du code, naviguent sur le web et orchestrent des workflows multi-étapes.

Simultanément, la révolution open source a brisé l’hypothèse selon laquelle seuls les grands laboratoires pouvaient construire des modèles performants. DeepSeek, Qwen et Llama ont prouvé que des modèles à poids ouverts pouvaient égaler ou surpasser les modèles propriétaires sur de nombreuses tâches. Combiné à des frameworks d’inférence efficaces comme MLX et Ollama, exécuter des modèles puissants localement sur un laptop est devenu une réalité pratique.

Le paradigme model-as-a-service reste important, mais le paysage est désormais multipolaire : API cloud frontière pour la capacité maximale, modèles open source pour la personnalisation et la confidentialité, et inférence locale pour la vitesse et le coût. La discipline de l’ingénierie IA a mûri du “prompt engineering” vers la conception complète de systèmes agentiques.

Le paysage des modèles frontière (début 2026)

Modèles frontière propriétaires

Claude 4 / Opus 4 (Anthropic, 2025-2026) : L’état de l’art actuel pour le raisonnement complexe, le codage et les tâches agentiques. Claude 4 Opus domine les benchmarks de codage et constitue l’épine dorsale de Claude Code. Les tiers Sonnet et Haiku offrent d’excellents rapports capacité/coût. L’accent d’Anthropic sur l’utilisation d’outils et la réflexion étendue a fait de Claude le choix par défaut pour les workflows agentiques.
GPT-5 (OpenAI, 2025) : Un saut significatif par rapport à GPT-4o avec une multimodalité native, un raisonnement amélioré et un meilleur suivi d’instructions. Les modèles de raisonnement de la série o (o1, o3) ont introduit la chaîne de pensée au moment de l’inférence. GPT-5 intègre ces capacités nativement.
Gemini 2.5 Pro/Flash (Google, 2025-2026) : La réponse de Google à la vague des modèles de raisonnement. Gemini 2.5 Pro offre une fenêtre de contexte massive de plus d’1M de tokens et de solides capacités multimodales. Flash offre un compromis vitesse/coût convaincant. Intégration profonde avec l’écosystème Google (Search, Workspace, Cloud).

Modèles open source / à poids ouverts

L’écosystème open source a été la plus grande surprise de 2024-2025 :

Llama 4 (Meta, 2025) : La dernière version de Meta continue de repousser les limites des modèles à poids ouverts. Les variantes Scout et Maverick offrent une forte capacité généraliste à différents nombres de paramètres.
Qwen3 (Alibaba, 2025-2026) : La série Qwen surpasse largement les attentes pour sa taille. Qwen3-Coder est exceptionnel pour les tâches de code et fonctionne magnifiquement sur Apple Silicon via MLX. Qwen3-235B rivalise avec les modèles frontière sur de nombreux benchmarks.
DeepSeek R1 / V3 (DeepSeek, 2025) : DeepSeek R1 a prouvé que les modèles de raisonnement open source pouvaient rivaliser avec o1. DeepSeek V3 offre une capacité généraliste de classe frontière. Leurs percées en efficacité d’entraînement (architecture MoE, attention latente multi-tête) ont influencé tout le domaine.
Mistral Large / Codestral (Mistral, 2025) : Forte alternative européenne avec d’excellentes capacités multilingues et de génération de code.

Catégories de modèles spécialisés

Modèles de raisonnement : o1/o3, DeepSeek R1, QwQ — des modèles qui “réfléchissent” avant de répondre via une chaîne de pensée au moment de l’inférence. Révolutionnaire pour les mathématiques, les sciences et les problèmes complexes multi-étapes.
Modèles de code : Claude Opus 4, Qwen3-Coder, Codestral, DeepSeek-Coder V3 — optimisés pour la génération, la compréhension et l’édition de code.
Modèles d’embedding : voyage-3, text-embedding-3-large, BGE-M3 — convertissent le texte en vecteurs pour la recherche sémantique et les systèmes RAG.
Génération d’images : FLUX, Stable Diffusion 3, DALL-E 3, Midjourney v7 — de plus en plus photoréalistes et contrôlables.
Génération vidéo : Sora, Kling, MiniMax Video, Runway Gen-3 — 2025 a été l’année où la génération vidéo est devenue pratique.
Audio/Musique : ElevenLabs, Suno, Udio — synthèse vocale et génération musicale à une qualité quasi humaine.

Concepts fondamentaux de l’IA

Tokens : Unités fondamentales (mots ou fragments de sous-mots) utilisées par les modèles de langage pour traiter le texte. Règle empirique : 1 token correspond à environ 0,75 mot en anglais.
Fenêtre de contexte : Le nombre maximum de tokens qu’un modèle peut traiter en une seule interaction. Va de 8K (petits modèles locaux) à plus d’1M (Gemini 2.5 Pro). Des fenêtres plus grandes permettent de travailler avec des codebases ou des ensembles de documents entiers.
Traitement du langage naturel (NLP) : Le domaine de l’IA permettant aux ordinateurs de comprendre, générer et répondre au langage humain.
Multi-modalité : Systèmes IA traitant plusieurs types de données (texte, images, audio, vidéo) simultanément. La plupart des modèles frontière sont désormais nativement multimodaux.
Chaîne de pensée (CoT) : Technique où les modèles raisonnent étape par étape avant de produire une réponse. Peut être induite par le prompt ou intégrée au modèle (modèles de raisonnement).
Utilisation d’outils / Function calling : Modèles capables d’invoquer des outils externes — API, bases de données, exécution de code, navigation web — étendant leurs capacités au-delà de la génération de texte.
IA agentique : Systèmes où un LLM planifie de manière autonome, exécute des tâches multi-étapes, utilise des outils et s’adapte en fonction des résultats. Le paradigme dominant de 2025-2026.
MCP (Model Context Protocol) : Le protocole ouvert d’Anthropic pour connecter les modèles IA à des outils et sources de données externes. En passe de devenir un standard pour l’intégration d’outils dans tout l’écosystème.
RAG (Retrieval-Augmented Generation) : Augmentation des réponses LLM avec des connaissances externes récupérées pour améliorer la précision et réduire les hallucinations.

Ingénierie IA vs. ingénierie ML

L’ingénierie ML implique la construction et le déploiement de modèles de machine learning entraînés — classification, régression, détection d’anomalies — avec des données labellisées, du feature engineering et des pipelines d’évaluation de modèles.
L’ingénierie IA est la pratique de construire des applications au-dessus des foundation models. En 2026, elle s’est étendue bien au-delà du prompt engineering pour inclure :
- Conception de systèmes agentiques : Architecture de workflows autonomes multi-étapes avec utilisation d’outils, mémoire et récupération d’erreurs.
- Pipelines RAG : Construction de systèmes de récupération avec des bases de données vectorielles (Pinecone, Weaviate, pgvector) pour ancrer les réponses LLM dans vos données.
- Intégration d’outils via MCP : Connexion des modèles à des systèmes externes via le Model Context Protocol.
- Fine-tuning et distillation : Adaptation des foundation models ou distillation du comportement de grands modèles vers des modèles plus petits et plus rapides pour la production.
- Évaluation et garde-fous : Construction de frameworks d’évaluation systématiques car le “test au feeling” ne passe pas à l’échelle.
- Prompt engineering : Toujours pertinent pour les system prompts, les fichiers CLAUDE.md et les spécifications de sortie structurée — mais moins question d’astuces et plus de spécification claire.

La révolution des LLMs locaux

L’un des changements les plus significatifs de 2025-2026 a été la viabilité de l’exécution de modèles puissants en local :

MLX (Apple) : Framework de machine learning optimisé pour la mémoire unifiée d’Apple Silicon. Rend l’exécution de modèles de plus de 30B paramètres sur un MacBook Pro pratique.
Ollama : Gestion et service de modèles ultra-simple. ollama run qwen3-coder et vous codez avec un LLM local en quelques secondes.
llama.cpp / GGUF : Le moteur d’inférence fondamental qui a rendu les LLMs locaux possibles. Le format de quantification GGUF équilibre qualité et utilisation mémoire.
Quantification : Réduction de la précision du modèle (Q4, Q5, Q6, Q8) pour faire tenir des modèles plus grands dans moins de mémoire avec une perte de qualité minimale. Un modèle 70B quantifié en Q4 fonctionne sur 48 Go de mémoire unifiée.

Cela signifie que les développeurs peuvent désormais exécuter des assistants de codage performants, des systèmes RAG et même de petits workflows agentiques entièrement hors ligne, sur leur propre matériel, sans coûts d’API et avec une confidentialité complète.

Croissance et impact

L’ingénierie IA est devenue l’une des disciplines les plus critiques de la technologie. La conversation est passée de “devrions-nous utiliser l’IA ?” à “comment utiliser l’IA efficacement et de manière responsable ?” Chaque équipe produit intègre des capacités IA, chaque développeur utilise des outils assistés par l’IA, et les gains de productivité se composent à mesure que les outils s’améliorent. Les organisations qui gagnent sont celles qui sont passées de l’expérimentation à une intégration IA systématique et de qualité production.