Les modèles d’IA open-source ne sont pas forcément les “gagneurs” que tout le monde imagine — et si vous gérez une infrastructure de calcul, cela compte.
Le marché continue de paniquer en se disant que des jetons moins chers seraient négatifs pour l’infrastructure d’IA. Mauvais cadre. Le prix du jeton est sans importance. Ce qui compte, c’est le coût par tâche menée à terme.
Pensez-y comme un recrutement : 3 personnes à 20 000 $ chacune, contre 1 personne à 60 000 $. Coût total identique. Une main-d’œuvre bon marché qui nécessite 3 fois plus de postes n’est en réalité pas “bon marché”.
La même logique s’applique à l’IA. Un modèle avec des jetons extrêmement bon marché qui en brûle 3 fois plus pour terminer une tâche ? Pas bon marché. Le seul chiffre qui compte : le coût par tâche.
Test réel de 3F Research sur des tâches d’assistant de recherche : Kimi K3, le modèle open-source aux jetons les moins chers, est 29 % PLUS CHER par tâche que Opus 5 et 19 % plus cher que GPT-5.6. Il est inefficace en termes de jetons, s’attarde et divague jusqu’à la réponse, et vous payez chaque étape.
Voici la vraie différence : les modèles open-source ne réduisent pas la demande en infrastructure — ils l’étendent. Surtout la mémoire. Chaque instance de K3 nécessite environ 1,4 téraoctet de HBM pour fonctionner. Le modèle “bon marché” fait partie des déploiements qui réclament le plus de mémoire.
La prochaine fois que le marché s’affole face à un autre modèle open-source chinois, achetez la baisse. C’est une histoire d’expansion de la mémoire et du calcul, pas une histoire de destruction de la demande.
Le marché continue de paniquer en se disant que des jetons moins chers seraient négatifs pour l’infrastructure d’IA. Mauvais cadre. Le prix du jeton est sans importance. Ce qui compte, c’est le coût par tâche menée à terme.
Pensez-y comme un recrutement : 3 personnes à 20 000 $ chacune, contre 1 personne à 60 000 $. Coût total identique. Une main-d’œuvre bon marché qui nécessite 3 fois plus de postes n’est en réalité pas “bon marché”.
La même logique s’applique à l’IA. Un modèle avec des jetons extrêmement bon marché qui en brûle 3 fois plus pour terminer une tâche ? Pas bon marché. Le seul chiffre qui compte : le coût par tâche.
Test réel de 3F Research sur des tâches d’assistant de recherche : Kimi K3, le modèle open-source aux jetons les moins chers, est 29 % PLUS CHER par tâche que Opus 5 et 19 % plus cher que GPT-5.6. Il est inefficace en termes de jetons, s’attarde et divague jusqu’à la réponse, et vous payez chaque étape.
Voici la vraie différence : les modèles open-source ne réduisent pas la demande en infrastructure — ils l’étendent. Surtout la mémoire. Chaque instance de K3 nécessite environ 1,4 téraoctet de HBM pour fonctionner. Le modèle “bon marché” fait partie des déploiements qui réclament le plus de mémoire.
La prochaine fois que le marché s’affole face à un autre modèle open-source chinois, achetez la baisse. C’est une histoire d’expansion de la mémoire et du calcul, pas une histoire de destruction de la demande.