cloud

En profondeur

Pour l’IA, l’argument décisif n’est pas le prix mais l’accès. Les modèles les plus performants ne sont pas diffusés : ils ne s’utilisent que par le service de leur éditeur, et l’on ne peut donc pas les rapatrier. À cela s’ajoute la question du matériel : les accélérateurs nécessaires sont chers, rares, et se déprécient vite, ce qui rend leur acquisition risquée quand les besoins évoluent d’un trimestre à l’autre. Le cloud transforme cet investissement en dépense d’exploitation, ce qui est souvent le seul moyen de commencer.

Les questions à poser avant de s’engager tiennent en cinq points. Où les données sont-elles traitées, et où sont-elles stockées, ce qui n’est pas toujours le même endroit. Combien de temps sont-elles conservées, et par qui sont-elles lisibles. Sont-elles employées pour entraîner des modèles, ce que les offres professionnelles excluent en général et les offres grand public rarement. Le fournisseur est-il soumis à une loi extraterritoriale permettant à un État tiers d’exiger l’accès. Et que se passe-t-il à la sortie du contrat, en termes de récupération et d’effacement.

Le vrai risque à long terme est l’enfermement, et il est plus subtil qu’une facture. Il ne tient pas aux données, qui s’exportent, mais à ce qu’on a construit autour : des prompts ajustés au comportement d’un modèle précis, des évaluations calibrées sur lui, des chaînes d’outils propres à un fournisseur. Changer devient alors un projet, pas une décision. La parade est connue : maintenir une couche d’abstraction sur les appels, garder ses jeux d’épreuves indépendants, et vérifier de temps à autre qu’un modèle concurrent passe ces épreuves.