Un modèle d'IA qui tourne sur un téléphone vient d'être annoncé. Un modèle français open-weight rivalise avec les meilleurs modèles propriétaires. Hugging Face affirme que la course au modèle frontière touche à sa fin. Et si vous êtes dirigeant de PME, vous recevez tout ça en vrac dans votre fil d'actualité sans savoir quoi en faire.
Je vois cette question toutes les semaines chez mes clients : « Gauthier, on prend Mistral ou GPT ? On met quoi dans notre agent Hermes ? Est-ce que ça vaut le coup d'héberger nous-mêmes ? »
Depuis trois ans, je déploie des architectures qui mélangent modèles locaux et APIs propriétaires. J'ai fait les deux choix, je les ai défaits, je les ai refaits. J'ai payé des factures d'API qui auraient dû être des factures de serveur, et installé des serveurs qui auraient dû rester des abonnements API.
Cet article n'est pas un comparatif de benchmarks. C'est ce que j'ai appris en faisant.
Le choix n'est plus binaire — et c'est une bonne nouvelle
Jusqu'à récemment, le raisonnement était simple : les modèles ouverts étaient des jouets, les modèles propriétaires étaient les seuls utilisables en production. J'ai commencé comme tout le monde : GPT pour tout, facture qui monte, puis découverte des modèles ouverts, puis passage à l'hybride.
Ce qui a changé cette année est suffisamment important pour qu'un dirigeant de PME repositionne sa stratégie.
OpenAI a lancé GPT-5.6 le 9 juillet — trois modèles : Sol (le flagship, qui bat Claude Fable 5 aux benchmarks Agents' Last Exam), Terra (le modèle équilibré pour usage général), et Luna (le modèle économique). Le rapport performance/prix s'est amélioré, mais la dépendance à une API américaine reste inchangée pour les données.
Anthropic a répondu avec Claude Fable 5, qui tient tête à GPT-5.6 Sol sur les tâches de raisonnement complexe et de génération de code. Les deux modèles sont excellents — et les deux posent exactement les mêmes questions de souveraineté des données.
Pendant ce temps, les modèles ouverts ont rattrapé leur retard. Mistral a publié plusieurs modèles open-weight (Mixtral 8x22B, Mistral Nemo, Small) sous licence Apache 2.0. Llama 3 d'Meta offre des performances qui rivalisent avec GPT-5.6 Terra sur la plupart des tâches courantes. DeepSeek, Qwen, Gemma — la liste s'allonge chaque mois. J'héberge aujourd'hui des modèles chez des clients pour des tâches que j'aurais cru impossibles sans API il y a deux ans.
Bonsai 27B, annoncé mi-juillet 2026, pousse la logique encore plus loin : 27 milliards de paramètres conçus pour du matériel modeste. Si ce modèle tient ses promesses, la question « est-ce que j'ai besoin d'un GPU ? » disparaît pour la majorité des cas d'usage PME. Un VPS à 10 €/mois devient suffisant.
Mais l'inverse est vrai aussi. Le propriétaire n'est pas mort. GPT-5.6 Sol et Claude Fable 5 continuent de progresser. Pour certaines tâches — raisonnement complexe, analyse contractuelle, génération créative — le gap avec l'open source existe encore. La différence, c'est que vous pouvez désormais choisir précisément quand l'accepter.
Ce n'est pas un débat idéologique entre open source et propriétaire. C'est un choix d'ingénierie et d'économie. Et comme tous les choix d'ingénierie, il dépend de votre contexte.
Ce que j'ai appris en déployant des modèles chez mes clients
J'ai accompagné une douzaine de PME et services dans le choix et le déploiement de leur infrastructure IA. Voici ce qui ressort du terrain.
Première leçon : la souveraineté des données est le vrai filtre, pas le coût.
Avant même de comparer les prix, posez cette question : mes données peuvent-elles sortir de France ?
Le Cloud Act américain permet aux autorités US d'exiger de toute entreprise constituée aux États-Unis — OpenAI, Anthropic, Google, Microsoft, Amazon — la communication des données stockées sur leurs serveurs, même situés en Europe. Le RGPD impose des garde-fous, mais le Cloud Act peut les contourner.
J'ai un client dans l'assurance qui traitait des données de sinistres — noms, adresses, montants, antécédents médicaux — via GPT-4. Personne n'avait réalisé que ces informations partaient aux États-Unis. Nous avons basculé sur Mistral Nemo hébergé chez Scaleway. Le coût mensuel a été divisé par 15 et le problème juridique a disparu. Le modèle est moins performant sur des tâches créatives, mais pour l'analyse de sinistres — classement, extraction, synthèse — il fait exactement le même travail.
Deuxième leçon : 80 % des tâches PME ne nécessitent pas un modèle frontière.
Quand je déploie un agent Hermes ou un workflow n8n chez un client, les tâches sont rarely exotiques : classer des documents, extraire des données, générer des réponses standard, analyser un sentiment, résumer un échange.
J'ai testé systématiquement : sur ces tâches, un modèle 7 à 12 milliards de paramètres auto-hébergé (Mistral Nemo, Llama 3.1 8B) obtient des résultats comparables à GPT-5.6 Terra dans 80 à 90 % des cas. Pas « presque aussi bien ». Aussi bien. La différence n'est pas mesurable dans l'usage quotidien.
| Tâche | Modèle 7-12B auto-hébergé | GPT-5.6 (Terra/Luna) / Claude Fable 5 |
|---|---|---|
| Classement de documents | Excellent | Excellent |
| Extraction de données | Très bon | Excellent |
| Réponses standard et FAQ | Excellent | Excellent |
| Support client premier niveau | Excellent | Excellent |
| Analyse de sentiment | Excellent | Excellent |
| Résumé de documents courts | Très bon | Excellent |
| Génération JSON structuré | Très bon | Excellent |
| Support client complexe | Limité | Bon |
| Analyse juridique | Risque sans relecture | Acceptable avec relecture |
Troisième leçon : le coût des API propriétaires suit une courbe exponentielle que les dirigeants sous-estiment.
Un client a commencé avec GPT-5.6 Luna pour un agent de support client. 30 € par mois au début. Puis 80. Puis 200. Six mois plus tard, il payait 450 € par mois sans que personne ait validé la dépense. Le modèle n'avait pas changé. Le volume, si.
J'ai installé un Mistral Nemo sur un VPS chez lui. Coût : 9 € par mois. Le modèle local gère 90 % des requêtes. Les 10 % complexes — les cas où le client est mécontent et la réponse demande du doigté — sont routés vers GPT-5.6 Luna. Facture d'API mensuelle : 25 €. Total : 34 €/mois au lieu de 450. Et les données sensibles (coordonnées, historique de commande) ne quittent plus le serveur.
C'est ce genre de décision qui ne se voit pas dans un benchmark.
Ce qui reste du domaine propriétaire
Il serait malhonnête de dire que les modèles ouverts remplacent tout. Certains cas restent mieux servis par les API propriétaires — et je les utilise moi-même.
Le raisonnement complexe et multi-étapes. Une analyse de contrat qui croise plusieurs clauses, vérifie la cohérence réglementaire et produit une synthèse argumentée — GPT-5.6 Sol et Claude Fable 5 sont significativement meilleurs.
La génération de code avancée. Pour écrire une fonction complexe ou déboguer un problème obscur, Claude Code et GPT-5.6 valent leur coût. Je les utilise tous les jours.
La latence minimale. Une API propriétaire répond en 200 à 500 ms. Un modèle auto-hébergé sur CPU — sauf GPU — répond en 1 à 5 secondes. Pour un chatbot client temps réel, la différence se voit.
Mais ces cas représentent une fraction du volume total. La clé, c'est de ne pas payer le prix fort sur les 80 % qui ne le nécessitent pas.
La stratégie hybride : concrètement, comment je le mets en place
Voici l'architecture que j'installe aujourd'hui chez mes clients. Elle est suffisamment rodée pour tenir dans quelques paragraphes.
La brique locale (le volume) : Un serveur CPU à 6-10 €/mois chez Scaleway, Hetzner ou OVH. Un modèle Mistral Nemo 12B ou Llama 3 8B en 4-bitquantized. Ollama ou vLLM pour servir le modèle. Le serveur tourne 24h/24 et répond aux requêtes en tâche de fond — classification, extraction, résumé.
La brique API (l'escalade) : Un compte OpenAI ou Mistral API pour les requêtes complexes. Pas d'abonnement fixe — du paiement à l'usage. Le volume est suffisamment faible pour que la facture reste sous 30 €/mois.
Le routage (le cerveau) : Dans n8n ou dans l'agent Hermes, chaque requête arrive avec un score de confiance. Si le modèle local répond avec une confiance > 85 %, la réponse part directement. Si la confiance est entre 60 et 85 %, la réponse est proposée à un humain pour relecture rapide. En dessous de 60 %, la requête est routée vers l'API propriétaire.
Ce n'est pas de la théorie. J'ai ce système qui tourne chez trois clients actuellement, avec des variantes. Le plus ancien a 14 mois de fonctionnement sans incident.
Un exemple concret
Prenons le cas d'un cabinet d'expertise comptable que j'accompagne. 8 collaborateurs, 200 clients PME. Leur besoin : classer automatiquement les pièces comptables que les clients envoient par email — factures, notes de frais, relevés bancaires, contrats.
Avant : une assistante passait 15 heures par semaine à trier manuellement les pièces jointes des emails. Parfois 250 à 300 documents par semaine.
Ce que nous avons mis en place :
- Un serveur OVH à 7 €/mois, Mistral Nemo 12B
- Un workflow n8n qui récupère les emails, extrait les pièces jointes, les envoie au modèle pour classement (facture fournisseur / note de frais / relevé bancaire / contrat / divers), puis range chaque document dans le dossier correspondant sur Drive
- Les documents que le modèle classe avec une confiance < 70 % (environ 8 % du volume) remontent dans une file de vérification que l'assistante traite en 5 minutes
Résultat après 6 mois :
- L'assistante passe 2 heures par semaine au lieu de 15
- Le taux d'erreur de classement est passé de ~5 % (manuel, fatigue) à < 1 %
- Le modèle local gère 92 % des documents sans intervention
- Coût d'infrastructure : 7 €/mois de serveur + 2 €/mois d'appels Mistral API pour les cas complexes
Si nous avions tout fait passer par GPT-5.6 Luna, la facture mensuelle aurait été d'environ 150 € pour le même volume — et les données des clients (bilans, fiches de paie, relevés bancaires) seraient parties aux États-Unis via Azure. Le cabinet n'était pas prêt à prendre ce risque, et il avait raison.
5 questions pour décider
Si vous lisez cet article en vous demandant par où commencer, voici les questions que je pose à mes clients lors du premier rendez-vous.
1. Mes données peuvent-elles sortir de France ?
Si la réponse est non (RH, médical, bancaire, clients), la question est tranchée : auto-hébergement ou Mistral via API France. GPT-5.6 et Claude Fable 5 exclus.
2. Combien de requêtes IA par mois ?
Moins de 10 000 : une API propriétaire peut être plus simple. Plus de 50 000 : l'auto-hébergé devient indispensable. Entre les deux, faites le calcul.
3. Quelle latence est acceptable ?
Chatbot temps réel : API propriétaire. Traitement par lots : auto-hébergé.
4. De quel niveau de performance avez-vous vraiment besoin ?
Pas celui des benchmarks — celui de votre quotidien. Pour classer des factures, un modèle 8B auto-hébergé est aussi bon que GPT-5.6 Terra. Pour générer des propositions commerciales créatives, le propriétaire reste supérieur.
5. Avez-vous quelqu'un pour maintenir le modèle ?
Un modèle auto-hébergé demande des mises à jour, de la surveillance, et du dépannage. Si vous n'avez personne dans l'équipe, l'API propriétaire ou un prestataire spécialisé est la solution.
Le choix n'est pas technique, il est stratégique
Je termine mes audits par une phrase que les clients retiennent : « Le bon modèle d'IA pour votre PME n'est pas celui qui a le meilleur benchmark. C'est celui qui garde vos données en France, qui ne vous ruinera pas dans six mois, et qui fait le job pour 90 % de vos cas d'usage. »
Les modèles ouverts et propriétaires ne sont pas en concurrence. Ils sont complémentaires. La question n'est pas de choisir l'un ou l'autre, mais de décider ce qui part où — et d'avoir l'infrastructure pour le faire.
C'est exactement le genre de décision pour lequel on fait appel à moi. Pas pour installer un serveur — pour choisir ce qui va dessus, ce qui va ailleurs, et ce qui reste sous contrôle humain. Et pour que tout tienne dans le budget d'une PME.
Existe aussi : Lire en anglais