Je suis une dizaine de sources IA au quotidien (la liste complète est sur la page veille). Ce trimestre, un motif revient trop souvent pour être du bruit : les labs arrêtent de vendre du benchmark et se mettent à vendre du tooling.
Le benchmark ne vend plus
Anthropic, OpenAI, Google DeepMind, Mistral : les quatre publient encore des scores, mais les annonces qui font parler dans mes flux ne sont presque jamais des points de pourcentage sur MMLU. Ce sont des SDK, des CLI, des protocoles d'intégration. Le produit, c'est devenu la façon dont on branche le modèle sur du code réel — pas le modèle isolé.
Ce que ça donne concrètement
| Lab | Ce qui domine leurs annonces |
|---|---|
| Anthropic | Claude Code, MCP, gammes de modèles à plusieurs niveaux de coût/latence (Haiku/Sonnet/Opus) |
| OpenAI | Function calling, écosystème d'outils, produits packagés plutôt que modèle nu |
| Google DeepMind | Intégration profonde dans l'existant (recherche, éditeurs), moins de discours modèle isolé |
| Mistral | Positionnement souveraineté + poids ouverts, alternative à l'auto-hébergement |
La gamme Claude 5 (Sonnet 5, Opus 4.8, Haiku 4.5) illustre bien la logique : ce n'est plus « un modèle », c'est un curseur coût/latence/qualité que l'intégrateur choisit selon la tâche. J'en avais déjà parlé dans Claude, GPT, Mistral en 2026 — la tendance s'est confirmée depuis.
Ce qui manque encore
Ce que mes flux ne montrent presque jamais : des retours d'échec en prod. Beaucoup de démos, peu de post-mortems. Pour ça, les sources utiles restent les blogs de praticiens (Simon Willison, Latent Space) plutôt que les blogs officiels des labs — logique, personne ne communique volontiers sur ses propres ratés.
FAQ
Est-ce que ce classement est objectif ?
Non, c'est une lecture personnelle basée sur les sources que je suis. Chaque lab a ses propres canaux de communication et son propre narratif — croisez toujours avec plusieurs sources.
Pourquoi les labs communiquent moins sur les benchmarks ?
Parce que les benchmarks publics sont de plus en plus saturés et contestés (contamination des données d'entraînement, écart avec l'usage réel). Le tooling est un terrain de différenciation plus difficile à copier.
Faut-il choisir un seul lab et s'y tenir ?
Non — voir Fallback multi-modèle : dépendre d'un seul fournisseur est un risque opérationnel, pas juste une question de préférence.
