Pour une IA efficiente : plus de modèles au choix, un routage plus intelligent

Dans mes échanges avec les clients, une tension se dessine clairement. Les entreprises investissent massivement dans l’IA, mais elles deviennent aussi beaucoup plus regardantes sur l’équation économique. Il ne suffit plus de montrer que les collaborateurs utilisent l’IA ou que la consommation de tokens augmente. L’usage n’est qu’une donnée d’entrée. La vraie question est ce que l’entreprise obtient en retour.

Les entreprises doivent se poser les bonnes questions : Avançons‑nous plus vite ? Réduisons‑nous les coûts ? Créons‑nous de meilleurs produits et de meilleures expériences client ? Au final, l’IA doit se traduire par une valeur économique mesurable.

J’appelle cela l’efficience de l’IA : la capacité d’une entreprise à transformer le calcul, les modèles, les données et le contexte en impact business. Plus de revenus. Des coûts réduits. Une exécution plus rapide. Pour atteindre cette efficience, les entreprises ont besoin de flexibilité dans leurs modèles : la liberté d’utiliser les meilleurs modèles pour chaque tâche, mais aussi la capacité de s’appuyer sur un routage intelligent qui associe chaque tâche au bon modèle selon le coût, la vitesse et la performance. Ces dernières années, le secteur a concentré ses efforts sur l’optimisation des capacités de chaque modèle. Désormais, les entreprises doivent optimiser le système qui les entoure pour générer de meilleurs résultats.

Cette évolution intervient alors que l’essor de nouveaux modèles ouverts change l’équation économique de l’IA. Pour de nombreuses charges de travail, en particulier les tâches simples et bien définies, les meilleurs modèles ouverts offrent une solide performance pour une fraction du coût des modèles de pointe. À mesure que progressent les modèles ouverts, l’élargissement du choix devrait stimuler la concurrence, accélérer l’innovation et faire baisser les coûts dans tout l’écosystème.

C’est là que je vois un formidable levier pour les entreprises. À mesure que le coût par tâche baisse, le seuil à partir duquel il devient pertinent d’utiliser l’IA baisse lui aussi. Des workflows qu’il était autrefois trop coûteux d’automatiser deviennent économiquement viables. Les organisations peuvent ainsi expérimenter, itérer et, à terme, déployer l’IA sur un périmètre beaucoup plus large de leur activité économique.

Pourtant, les modèles se positionnent différemment sur les axes coût, qualité et latence, et ces positions évoluent en permanence. Le meilleur modèle pour une tâche aujourd’hui ne sera peut-être plus le meilleur dans six mois. C’est pourquoi je pense que l’efficience de l’IA poussera les entreprises à adopter une gamme de modèles flexible.

Je constate déjà cette évolution dans mes échanges avec les clients. On passe de « Quel modèle devons‑nous adopter comme standard, et où l’appliquer ? » à « Comment choisir en continu le meilleur modèle pour chaque tâche ? »

Chez Snowflake, nous avons conçu une plateforme d’entreprise neutre qui réunit les meilleurs modèles ouverts et propriétaires de Anthropic, Google, Mistral AI, OpenAI et SpaceXAI, et Snowflake enrichira encore ce choix avec la prise en charge de GLM-5.3 et de DeepSeek-V4-Flash 0731. 

Cette liberté et cette flexibilité sont au cœur de notre vision de l’entreprise agentique. À mesure que les modèles évoluent, les entreprises doivent pouvoir bénéficier de cette innovation sur l’ensemble de leurs données et de leur contexte.

C’est ce que nous proposons avec Snowflake CoCo et Snowflake CoWork, respectivement pour les développeurs et les utilisateurs métier. CoCo et CoWork fonctionnent de façon fluide avec l’ensemble de vos données, ce qui vous permet d’exploiter différents modèles, agents, workflows et systèmes, le tout dans une seule interface conversationnelle. Le modèle est un élément important du système, mais l’utilisateur ne devrait pas avoir à le gérer en permanence. 

Cela nous amène au prochain défi que j’observe chez les entreprises : orchestrer efficacement l’IA. C’est pourquoi nous lançons aujourd’hui le routage dynamique des modèles dans Cortex AI Gateway afin d’aider nos clients à exploiter le bon modèle pour la tâche à accomplir. Les clients peuvent désormais définir les modèles qu’ils approuvent et les compromis qui comptent pour eux. À partir de là, Cortex AI Gateway évalue chaque tâche au regard de ces règles, ainsi que des données réelles de coût et de performance, puis sélectionne le meilleur modèle pour chaque cas d’usage. 

Le système apprend aussi des résultats. Une fois qu’un modèle a terminé une tâche, un autre évalue la qualité du résultat, créant une boucle de feedback continue qui améliore les futures décisions de routage. À mesure que les modèles progressent et que le paysage évolue, le système peut s’adapter, en améliorant en continu la qualité, le coût et la latence.

Nos premiers benchmarks montrent qu’à niveau de qualité donné, cette approche peut offrir une meilleure équation économique que le recours à un seul modèle. Et parce que cette fonctionnalité est directement intégrée à CoCo et CoWork, nos clients peuvent optimiser les coûts et la performance au sein même de leurs agents et workflows existants, même lorsque de nouveaux modèles ou de nouvelles capacités apparaissent.

Nos annonces d’aujourd’hui reflètent une philosophie qui guide Snowflake depuis ses débuts. Les grands tournants de la technologie créent de la complexité. Notre rôle consiste à absorber cette complexité pour nos clients. Nous l’avons fait pour l’infrastructure de données, et nous le faisons aujourd’hui pour l’IA, en donnant aux entreprises la liberté d’utiliser l’IA la mieux adaptée à chaque tâche, pendant que Snowflake gère en coulisses les questions complexes de choix, de routage et d’optimisation pour les modèles. C’est ainsi que nous aidons nos clients à concrétiser une véritable efficience de l’IA.