État de l’IA

Notre analyse repose sur des métadonnées collectées sur la plateforme OpenRouter , une couche d’inférence IA unifiée qui connecte les utilisateurs et les développeurs à des centaines de grands modèles de langage. Chaque requête utilisateur sur OpenRouter est exécutée sur un modèle sélectionné par l’utilisateur, et des métadonnées structurées décrivant l’événement de « génération » résultant sont enregistrées. Le jeu de données utilisé dans cette étude se compose de métadonnées anonymisées au niveau des requêtes pour des milliards de paires prompt–complétion provenant d’utilisateurs du monde entier, sur une période d’environ deux ans jusqu’au moment de la rédaction. Nous nous concentrons plus particulièrement sur la dernière année.

Point essentiel, nous n’avions pas accès au texte sous-jacent des prompts ou des réponses générées. Notre analyse repose entièrement sur des métadonnées qui rendent compte de la structure, de la chronologie et du contexte de chaque génération, sans exposer le contenu des utilisateurs. Cette conception respectueuse de la vie privée permet une analyse comportementale à grande échelle.

Chaque enregistrement de génération comprend des informations sur les temps de traitement, les identifiants du modèle et du fournisseur, l’utilisation des jetons et les indicateurs de performance du système. Le décompte des jetons englobe à la fois les jetons de prompt (entrée) et de complétion (sortie), ce qui nous permet de mesurer la charge de travail globale des modèles et leur coût. Les métadonnées comprennent également des champs relatifs au routage géographique, à la latence et au contexte d’utilisation (par exemple, si la requête a été diffusée en streaming ou annulée, ou si des fonctionnalités d’appel d’outils ont été utilisées). Ensemble, ces attributs offrent une vue détaillée, mais non textuelle, de l’utilisation des modèles en pratique.

Toutes les analyses, agrégations et la plupart des visualisations fondées sur ces métadonnées ont été réalisées à l’aide de la plateforme d’analyse Hex , qui a fourni un pipeline reproductible pour les requêtes SQL versionnées, les transformations et la génération des graphiques finaux.

Nous soulignons que ce jeu de données est observationnel : il reflète l’activité réelle sur la plateforme OpenRouter, elle-même influencée par la disponibilité des modèles, les tarifs et les préférences des utilisateurs. En 2025, OpenRouter prend en charge plus de 300 modèles actifs de plus de 70 fournisseurs et sert des millions de développeurs et d’utilisateurs finaux, avec plus de 50 % de l’utilisation provenant de l’extérieur des États-Unis. Bien que certains usages hors de la plateforme ne soient pas pris en compte, l’envergure mondiale et la diversité d’OpenRouter en font un prisme représentatif des dynamiques d’utilisation des LLM à grande échelle.

Aucun accès direct aux prompts des utilisateurs ni aux sorties des modèles n’était disponible pour cette étude. À la place, OpenRouter effectue une catégorisation interne sur un échantillon aléatoire comprenant environ 0,25 % de l’ensemble des prompts et des réponses au moyen d’un module non propriétaire, GoogleTagClassifier. Bien que cela ne représente qu’une fraction de l’activité totale, le jeu de données sous-jacent reste considérable compte tenu du volume global de requêtes traitées par OpenRouter. GoogleTagClassifier utilise classifyText , l’API de classification de contenu de Google Cloud Natural Language

L’API applique une taxonomie hiérarchique et indépendante de la langue aux entrées textuelles, renvoyant un ou plusieurs chemins de catégories (par exemple, /Computers & Electronics/Programming, /Arts & Entertainment/Roleplaying Games) accompagnés de scores de confiance dans l’intervalle [0,1]. Le classificateur opère directement sur les données des prompts (jusqu’aux 1 000 premiers caractères). Le classificateur est déployé dans l’infrastructure d’OpenRouter, ce qui garantit que les classifications restent anonymes et ne sont pas liées à des clients individuels. Les catégories dont les scores de confiance sont inférieurs au seuil par défaut de 0.5 sont exclues des analyses ultérieures. Le système de classification lui-même fonctionne entièrement dans l’infrastructure d’OpenRouter et ne faisait pas partie de cette étude ; notre analyse reposait uniquement sur les catégories produites (en pratique, des métadonnées décrivant les classifications des prompts) plutôt que sur le contenu sous-jacent des prompts.

Pour rendre ces étiquettes détaillées utiles à grande échelle, nous associons la taxonomie de GoogleTagClassifier à un ensemble compact de groupes définis pour l’étude et attribuons à chaque requête des étiquettes. Chaque étiquette correspond de manière univoque à une catégorie de niveau supérieur. Voici quelques exemples représentatifs de correspondances :

• Programmation : à partir de /Computers & Electronics/Programming ou /Science/Computer Science/*
• Jeu de rôle : à partir de /Games/Roleplaying Games et des catégories terminales de dialogue créatif sous /Arts & Entertainment/*
• Traduction : à partir de /Reference/Language Resources/*
• Questions-réponses générales / connaissances : à partir de /Reference/General Reference/* et /News/* lorsque l’intention semble être une recherche factuelle
• Productivité / rédaction : à partir de /Computers & Electronics/Software/Business & Productivity Software ou /Business & Industrial/Business Services/Writing & Editing Services
• Éducation : à partir de /Jobs & Education/Education/*
• Littérature / écriture créative : à partir de /Books & Literature/* et des catégories terminales narratives sous /Arts & Entertainment/*
• Contenu pour adultes : à partir de /Adult
• Autres : pour la longue traîne des prompts lorsqu’aucune correspondance dominante ne s’applique. (Remarque : nous omettons cette catégorie dans la plupart des analyses ci-dessous.)

Cette approche présente des limites inhérentes, par exemple, le recours à une taxonomie prédéfinie restreint la manière dont les comportements nouveaux ou transversaux sont catégorisés, et certains types d’interactions peuvent ne pas encore s’intégrer facilement dans les classes existantes. En pratique, certains prompts reçoivent plusieurs étiquettes de catégorie lorsque leur contenu couvre des domaines qui se chevauchent. Néanmoins, la catégorisation fondée sur le classificateur nous fournit une grille de lecture pour les analyses en aval. Cela nous permet de quantifier non seulement l’ ampleur de l’utilisation des LLM, mais aussi ses finalités.

Quelques variantes méritent d’être explicitement mentionnées :

• Open source ou propriétaire : Nous qualifions les modèles d’ open source (OSS, par souci de simplicité) si leurs poids sont accessibles au public, et de modèles à code source fermé si l’accès se fait uniquement via une API restreinte (par exemple, Claude d’Anthropic). Cette distinction nous permet de mesurer l’adoption des modèles communautaires par rapport aux modèles propriétaires.
• Origine (Chine ou reste du monde) : Compte tenu de l’essor des LLM chinois et de leurs écosystèmes distincts, nous classons les modèles selon leur principal lieu de développement. Les modèles chinois comprennent ceux développés par des organisations en Chine, à Taïwan ou à Hong Kong (par exemple, Qwen d’Alibaba, Kimi de Moonshot AI ou DeepSeek). Les modèles du reste du monde (RoW) couvrent l’Amérique du Nord, l’Europe et d’autres régions.
• Jetons de prompt et jetons de complétion : Nous distinguons les jetons de prompt, qui représentent le texte d’entrée fourni à un modèle, et les jetons de complétion, qui représentent la sortie générée par le modèle. Le nombre total de jetons est égal à la somme des jetons de prompt et de complétion. Les jetons de raisonnement représentent les étapes de raisonnement internes des modèles dotés de capacités de raisonnement natives et sont inclus dans les jetons de complétion.

Sauf indication contraire, le volume de jetons désigne la somme des jetons du prompt (entrée) et de la complétion (sortie).

Pour comprendre les tendances régionales d’utilisation des LLM, nous segmentons les requêtes selon la localisation géographique des utilisateurs. Les métadonnées directes des requêtes (comme la localisation fondée sur l’adresse IP) sont généralement imprécises ou anonymisées. Nous déterminons plutôt la région de l’utilisateur à partir de la localisation de facturation associée à chaque compte. Cela fournit un indicateur plus fiable de la localisation géographique des utilisateurs, car les données de facturation reflètent le pays ou la région liés au moyen de paiement ou à l’inscription du compte de l’utilisateur. Nous utilisons cette segmentation fondée sur la facturation pour analyser l’adoption régionale et les préférences en matière de modèles.

Cette méthode présente des limites. Certains utilisateurs recourent à une facturation par un tiers ou à des comptes d’organisation partagés, qui peuvent ne pas correspondre à leur localisation réelle. Les comptes d’entreprise peuvent regrouper l’activité de plusieurs régions sous une même entité de facturation. Malgré ces imperfections, la localisation de facturation reste l’indicateur disponible le plus stable et le plus interprétable pour une analyse géographique respectueuse de la vie privée, compte tenu des métadonnées auxquelles nous avions accès.

Nos analyses couvrent principalement une période glissante de 13 mois se terminant en novembre 2025, mais toutes les métadonnées sous-jacentes ne couvrent pas cette période dans son intégralité. La plupart des analyses par modèle et des analyses tarifaires se sont concentrées sur la période du 3 novembre 2024 au 30 novembre 2025. Cependant, les analyses par catégorie (en particulier celles utilisant la taxonomie GoogleTagClassifier) reposent sur un intervalle plus court commençant en mai 2025, date à laquelle un étiquetage cohérent est devenu disponible sur OpenRouter. En particulier, les champs de classification détaillée des tâches (par exemple, des étiquettes telles que Programmation, Jeu de rôle ou Technologie) n’ont été ajoutés qu’à la mi-2025. Par conséquent, tous les résultats de la section Catégories doivent être interprétés comme représentatifs de l’usage à la mi-2025 plutôt que de l’ensemble de l’année précédente.

Sauf indication contraire, tous les agrégats de séries temporelles sont calculés sur une base hebdomadaire à partir d’horodatages normalisés en UTC, en additionnant les jetons de prompt et de complétion. Cette approche garantit la comparabilité entre les familles de modèles et minimise les biais liés aux pics transitoires ou aux effets des fuseaux horaires régionaux.

Le tableau ci-dessous classe les principales familles de modèles de notre jeu de données selon le volume total de jetons servis. Le paysage des modèles OSS a considérablement évolué au cours de l’année écoulée : si DeepSeek reste le premier contributeur OSS en volume, sa domination s’est atténuée à mesure que de nouveaux acteurs gagnent rapidement du terrain. Aujourd’hui, plusieurs familles open source affichent chacune une utilisation substantielle, signe d’un écosystème diversifié.

Cette figure illustre l’évolution spectaculaire des parts de marché des principaux modèles open source individuels, semaine après semaine. Au début de la période (fin 2024), le marché était très concentré : deux modèles de la famille DeepSeek (V3 et R1) représentaient systématiquement plus de la moitié de l’utilisation totale de jetons OSS, formant les larges bandes bleu foncé au bas du graphique.

Cette structure quasi monopolistique a volé en éclats après le tournant de l’été (mi-2025). Le marché s’est depuis élargi et approfondi, avec une diversification notable des usages. De nouveaux entrants comme les modèles de Qwen, M2 de Minimax, chez MoonshotAI, Kimi K2, et, chez OpenAI, la série GPT-OSS ont tous connu une croissance rapide pour traiter des parts importantes des requêtes, atteignant souvent une adoption à l’échelle de la production dans les semaines suivant leur sortie. Cela montre que la communauté open source et les jeunes entreprises de l’IA peuvent obtenir une adoption rapide de leurs modèles en proposant des capacités inédites ou une efficacité supérieure.

À la fin de 2025, l’équilibre concurrentiel était passé d’un quasi-monopole à une configuration pluraliste. Aucun modèle ne dépasse 25 % des jetons OSS, et la part des jetons est désormais répartie plus équitablement entre cinq et sept modèles. En pratique, cela signifie que les utilisateurs trouvent de la valeur dans un éventail plus large d’options, plutôt que de se tourner par défaut vers un seul « meilleur » choix. Bien que ce graphique représente les parts relatives des modèles OSS (et non leur volume absolu), la tendance révèle clairement une évolution décisive vers une fragmentation du marché et une concurrence accrue au sein de l’écosystème open source.

Dans l’ensemble, l’écosystème des modèles open source est désormais très dynamique. Les principaux enseignements sont les suivants :

• Diversité parmi les leaders : Là où une famille (DeepSeek) dominait autrefois l’utilisation des modèles OSS, nous voyons désormais de plus en plus une demi-douzaine de modèles conserver chacun une part significative. Aucun modèle ouvert ne détient à lui seul plus de ≈20–25 % des jetons OSS de manière constante.
• Montée en puissance rapide des nouveaux entrants : Les nouveaux modèles ouverts performants peuvent capter une part importante de l’utilisation en quelques semaines. Par exemple, les modèles de MoonshotAI ont rapidement progressé jusqu’à rivaliser avec les anciens leaders OSS, et même un nouvel entrant comme MiniMax est passé de zéro à un trafic substantiel en un seul trimestre. Cela indique de faibles obstacles au changement et une base d’utilisateurs désireuse d’expérimenter.
• L’avantage de l’itération : La longévité de DeepSeek au sommet souligne l’importance cruciale de l’amélioration continue. Les versions successives de DeepSeek (Chat-V3, R1, etc.) lui ont permis de rester compétitif malgré l’émergence de concurrents. Les modèles OSS dont le développement stagne tendent à perdre des parts au profit de ceux qui bénéficient de mises à jour fréquentes à la pointe des capacités ou d’ajustements fins propres à un domaine.

Aujourd’hui, en 2025, le paysage des LLM open source ressemble à un écosystème concurrentiel où les cycles d’innovation sont rapides et où la position de leader n’est pas garantie. Pour les concepteurs de modèles, cela signifie que publier un modèle ouvert aux performances de pointe peut susciter une adoption immédiate, mais que maintenir sa part d’utilisation exige un investissement continu dans son développement. Pour les utilisateurs et les développeurs d’applications, la tendance est positive : le choix de modèles ouverts s’enrichit, avec des capacités souvent comparables, voire parfois supérieures à celles des systèmes propriétaires dans des domaines précis (comme le jeu de rôle).

Il y a un an, l’écosystème des modèles open source reposait largement sur des compromis entre deux extrêmes : un très grand nombre de petits modèles rapides et une poignée de modèles puissants de grande taille. Toutefois, un bilan de l’année écoulée révèle une maturation significative du marché et l’émergence d’une nouvelle catégorie en pleine croissance : le modèle de taille moyenne. Veuillez noter que nous classons les modèles selon leur nombre de paramètres comme suit :

• Petits : Modèles de moins de 15 milliards de paramètres.
• Moyens : Modèles de 15 milliards à 70 milliards de paramètres.
• Grands : Modèles de 70 milliards de paramètres ou plus.

Les données sur le comportement des développeurs et des utilisateurs nous offrent un tableau nuancé. Les chiffres montrent que, si le nombre de modèles dans toutes les catégories a augmenté, l’ utilisation a sensiblement évolué. Les petits modèles perdent en popularité tandis que les modèles de taille moyenne et les grands modèles captent cette valeur.

Une analyse approfondie des modèles à l’origine de ces tendances révèle des dynamiques de marché distinctes :

• Le marché des « petits » modèles : baisse globale de l’utilisation. Malgré un afflux régulier de nouveaux modèles, la catégorie des petits modèles dans son ensemble voit sa part d’utilisation diminuer. Cette catégorie se caractérise par une forte fragmentation. Aucun modèle ne conserve longtemps une position dominante, et de nouveaux venus issus de fournisseurs variés comme Meta, Google, Mistral et DeepSeek s’y succèdent en permanence. Par exemple, Google Gemma 3.12B (lancé en août 2025) a connu une adoption rapide, mais évolue dans un marché encombré où les utilisateurs recherchent continuellement la prochaine meilleure alternative.
• Le marché des modèles « moyens » : trouver l’« adéquation modèle-marché ». La catégorie des modèles moyens illustre clairement la création d’un marché. Le segment lui-même était négligeable jusqu’au lancement de Qwen2.5 Coder 32B en novembre 2024, qui a véritablement établi cette catégorie. Ce segment a ensuite évolué vers un écosystème concurrentiel avec l’arrivée d’autres concurrents solides comme Mistral Small 3 (janvier 2025) et GPT-OSS 20B (août 2025), qui ont su gagner l’attention des utilisateurs. Ce segment montre que les utilisateurs recherchent un équilibre entre capacités et efficacité.
• Le segment des « grands » modèles : un paysage pluraliste. La « recherche de qualité » n’a pas conduit à une consolidation, mais à une diversification. La catégorie des grands modèles compte désormais un éventail de concurrents performants allant de Qwen3 235B A22B Instruct (lancé en juillet 2025) et Z.AI GLM 4.5 Air à OpenAI: GPT-OSS-120B (5 août) : chacun enregistre une utilisation significative et durable. Ce pluralisme suggère que les utilisateurs comparent activement plusieurs grands modèles ouverts plutôt que de converger vers un standard unique.

L’époque où les petits modèles dominaient l’écosystème open source est peut-être révolue. Le marché se scinde désormais en deux, les utilisateurs se tournant soit vers une nouvelle catégorie robuste de modèles de taille moyenne, soit vers le grand modèle le plus performant pour y consolider leurs charges de travail.

Les modèles open source sont aujourd’hui utilisés pour un éventail remarquablement large de tâches, couvrant les domaines créatifs, techniques et informationnels. Si les modèles propriétaires dominent encore dans les tâches structurées en entreprise, les modèles OSS se sont imposés comme leaders dans deux domaines en particulier : le jeu de rôle créatif ainsi qu’ une assistance à la programmation. Ensemble, ces catégories représentent la majorité de la consommation de jetons des modèles OSS.

La figure ci-dessus montre que plus de la moitié de l’utilisation des modèles OSS relève de la catégorie Jeu de rôle, avec Programmation en deuxième position. Cela indique que les utilisateurs se tournent principalement vers les modèles ouverts pour des dialogues interactifs créatifs (comme la narration, l’incarnation de personnages et les scénarios de jeu) et pour des tâches liées à la programmation. La prédominance du jeu de rôle (qui représente plus de 50 % de l’ensemble des jetons OSS) souligne un cas d’usage où les modèles ouverts ont un avantage : ils peuvent être utilisés à des fins créatives et sont souvent moins contraints par les filtres de contenu, ce qui les rend intéressants pour les applications de fiction ou de divertissement. Les tâches de jeu de rôle nécessitent des réponses souples, la conservation du contexte et des nuances émotionnelles — des qualités que les modèles ouverts peuvent offrir efficacement sans être fortement limités par les couches de sécurité ou de modération commerciales. Cela les rend particulièrement intéressants pour les communautés qui expérimentent des expériences centrées sur les personnages, des fanfictions, des jeux interactifs et des environnements de simulation.

La figure ci-dessus montre la répartition par catégorie au fil du temps si l’on se concentre uniquement sur les modèles open source chinois. Ces modèles ne sont plus principalement utilisés pour des tâches créatives. Le jeu de rôle reste la catégorie la plus importante, à environ 33 %, mais la programmation et la technologie représentent désormais ensemble la majorité des usages (39 %). Cette évolution suggère que des modèles comme Qwen et DeepSeek sont de plus en plus utilisés pour la génération de code et les charges de travail liées à l’infrastructure. Si les entreprises utilisatrices à fort volume peuvent influer sur certains segments, la tendance générale indique que les modèles open source chinois rivalisent directement dans les domaines techniques et de la productivité.

Si l’on se concentre uniquement sur la catégorie programmation, on observe que les modèles propriétaires assurent encore l’essentiel de l’assistance au code dans son ensemble (la zone grise), ce qui reflète la solidité d’offres comme Claude d’Anthropic. Cependant, au sein de la part open source, une transition notable a eu lieu : à la mi-2025, les modèles open source chinois (en bleu) fournissaient la majorité de l’aide au code open source (portés par des succès précoces comme Qwen 3 Coder). Au quatrième trimestre 2025, les modèles OSS occidentaux (en orange), tels que LLaMA-2 Code de Meta et la série GPT-OSS d’OpenAI, avaient fortement progressé, mais leur part globale a diminué ces dernières semaines. Cette oscillation suggère un environnement très concurrentiel. La conclusion pratique est que l’utilisation des assistants de code open source est dynamique et très sensible à la qualité des nouveaux modèles : les développeurs sont ouverts à tout modèle OSS qui fournit actuellement la meilleure assistance au code. Une limite de cette figure est qu’elle ne montre pas les volumes absolus : l’utilisation de l’open source pour le code a globalement augmenté, si bien qu’une bande bleue qui se rétrécit ne signifie pas que les modèles open source chinois ont perdu des utilisateurs, mais seulement des parts relatives.

Si nous examinons maintenant uniquement le trafic de jeu de rôle, nous constatons qu’il est désormais pris en charge presque à parts égales par les modèles open source du reste du monde (orange, 43 % ces dernières semaines) et les modèles fermés (gris, à ~42 % tout récemment). Cela représente un changement significatif par rapport au début de 2025, lorsque la catégorie était dominée par les modèles propriétaires (gris), qui détenaient environ 70 % de la part des jetons. À cette époque (mai 2025), les modèles open source occidentaux ne représentaient que ~22 % du trafic, et les modèles open source chinois (bleu) détenaient une faible part de ~8 %. Tout au long de l’année, la part des modèles propriétaires s’est progressivement érodée. Fin octobre 2025, cette tendance s’est accélérée, les modèles open source occidentaux et chinois ayant tous deux gagné considérablement du terrain.

La convergence qui en résulte témoigne d’une saine concurrence ; les utilisateurs disposent de choix viables parmi les offres ouvertes et propriétaires pour les conversations créatives et la narration. Cela montre que les développeurs reconnaissent la demande de modèles de jeu de rôle et de conversation et ont adapté leurs versions à cette fin (par exemple, en les affinant sur des dialogues et en ajoutant un alignement pour assurer la cohérence des personnages). Il convient de noter que le « jeu de rôle » couvre un éventail de sous-genres (des conversations informelles aux scénarios de jeu complexes). Toutefois, d’un point de vue global, il est clair que les modèles open source ont un avantage dans ce domaine créatif.

Interprétation. Globalement, dans l’écosystème OSS, les principaux cas d’usage sont les suivants : Jeu de rôle et dialogue créatif : la première catégorie, probablement parce que les modèles ouverts peuvent être non censurés ou plus facilement personnalisés pour des tâches liées à des personnages fictifs et à des récits. Assistance à la programmation : la deuxième catégorie en importance, et en croissance, à mesure que les modèles ouverts deviennent plus compétents en code. De nombreux développeurs utilisent des modèles OSS en local pour coder afin d’éviter les coûts d’API. Traduction et prise en charge multilingue : un cas d’usage stable, notamment grâce à la disponibilité de modèles bilingues performants (les modèles open source chinois ont un avantage dans ce domaine). Questions-réponses de culture générale et éducation : un usage modéré ; bien que les modèles ouverts puissent répondre aux questions, les utilisateurs peuvent préférer des modèles fermés comme GPT-5 pour une exactitude factuelle maximale.

Il convient de noter que les usages des modèles OSS (fortement axés sur le jeu de rôle) correspondent à ce que beaucoup associeraient aux « passionnés » ou aux « développeurs indépendants », des domaines où la personnalisation et la rentabilité priment sur la précision absolue. Les frontières s’estompent toutefois : les modèles OSS progressent rapidement dans les domaines techniques, et les modèles propriétaires sont eux aussi utilisés de manière créative.

Comme le montre la figure ci-dessus, la part du total des jetons routés vers des modèles optimisés pour le raisonnement a fortement augmenté en 2025. Ce qui constituait une part pratiquement négligeable de l’utilisation au début du premier trimestre dépasse désormais cinquante pour cent. Cette évolution reflète les deux côtés du marché. Du côté de l’offre, la sortie de systèmes plus performants comme GPT-5, Claude 4.5, et Gemini 3 a élargi les attentes des utilisateurs en matière de raisonnement étape par étape. Du côté de la demande, les utilisateurs privilégient de plus en plus les modèles capables de gérer l’état des tâches, de suivre une logique en plusieurs étapes et de prendre en charge des flux de travail de type agent, plutôt que de simplement générer du texte.

La figure ci-dessus présente les principaux modèles à l’origine de cette évolution. Selon les données les plus récentes, le modèle de xAI Grok Code Fast 1 représente désormais la plus grande part du trafic de raisonnement (hors accès gratuit au lancement), devant les modèles de Google Gemini 2.5 Pro et Gemini 2.5 Flash. Il s’agit d’un changement notable par rapport à il y a seulement quelques semaines, lorsque Gemini 2.5 Pro dominait cette catégorie et que DeepSeek R1 et Qwen3 figuraient également parmi les modèles de tête. Grok Code Fast 1 et Grok 4 Fast ont rapidement gagné des parts de trafic, grâce au déploiement offensif de xAI, à ses tarifs compétitifs et à l’attention des développeurs pour ses variantes orientées code. Parallèlement, la présence continue de modèles ouverts comme celui d’OpenAI, gpt-oss-120b , souligne que les développeurs continuent de se tourner vers l’open source lorsque c’est possible. Cette répartition met globalement en évidence le dynamisme du paysage du raisonnement, où le renouvellement rapide des modèles détermine quels systèmes dominent les charges de travail réelles.

Les données mènent à une conclusion claire : les modèles axés sur le raisonnement deviennent le choix par défaut pour les charges de travail réelles, et la part des jetons qui transitent par eux est désormais un indicateur avancé de la manière dont les utilisateurs souhaitent interagir avec les systèmes d’IA.

Dans la figure ci-dessus, nous présentons la part du total des jetons provenant de requêtes dont le motif de fin était un appel d’outil. Cette mesure est normalisée et ne prend en compte que les interactions dans lesquelles un outil a effectivement été invoqué.

Cela contraste avec le signal Outil en entrée qui indique si un outil a été fourni au modèle lors d’une requête (qu’il ait été invoqué ou non). Les décomptes du signal Outil en entrée sont, par définition, supérieurs à ceux du motif de fin Appel d’outil, puisque la mise à disposition englobe l’exécution réussie. Alors que la métrique du motif de fin mesure l’utilisation effective des outils, le signal Outil en entrée reflète leur disponibilité potentielle plutôt que leur invocation réelle. Cette métrique n’ayant été introduite qu’en septembre 2025, nous ne la présentons pas dans cette étude.

Le pic notable observé en mai dans la figure ci-dessus était largement attribuable à un compte important dont l’activité a brièvement fait augmenter les volumes globaux. Hormis cette anomalie, l’adoption des outils a suivi une tendance constante à la hausse tout au long de l’année.

Comme le montre la figure ci-dessus, l’invocation d’outils était initialement concentrée sur un petit groupe de modèles : gpt-4o-mini d’OpenAI et les séries Claude 3.5 et 3.7 d’Anthropic, qui représentaient ensemble la majeure partie des jetons associés à l’utilisation d’outils au début de 2025. Vers le milieu de l’année, cependant, un ensemble plus large de modèles a commencé à prendre en charge la mise à disposition d’outils, reflétant un écosystème plus concurrentiel et diversifié. À partir de la fin septembre, le nouveau modèle Claude 4.5 Sonnet a rapidement gagné des parts d’utilisation. Parallèlement, de nouveaux venus comme Grok Code Fast et GLM 4.5 ont réalisé des percées visibles, reflétant une expérimentation et une diversification accrues des déploiements capables d’utiliser des outils.

Pour les opérateurs, l’implication est claire : l’activation de l’utilisation d’outils progresse pour les workflows à forte valeur ajoutée. Les modèles sans formats d’outils fiables risquent de prendre du retard dans l’adoption en entreprise et les environnements d’orchestration.

Le profil des charges de travail des modèles a nettement évolué au cours de l’année écoulée. Les volumes de jetons de prompt (entrée) et de complétion (sortie) ont tous deux fortement augmenté, mais à des échelles et à des rythmes différents. Le nombre moyen de jetons de prompt par requête a été multiplié par quatre environ, passant d’environ 1,5 k à plus de 6 k, tandis que les complétions ont presque triplé, passant d’environ 150 à 400 jetons. L’ampleur relative de cette croissance souligne une transition décisive vers des charges de travail plus complexes et plus riches en contexte.

Cette tendance reflète un nouvel équilibre dans l’utilisation des modèles. La requête type porte aujourd’hui moins sur la génération libre (« rédige-moi une dissertation ») que sur le raisonnement à partir de contenus volumineux fournis par l’utilisateur, tels que des bases de code, des documents, des transcriptions ou de longues conversations, et sur la production d’analyses concises à forte valeur ajoutée. Les modèles agissent de plus en plus comme des moteurs d’analyse plutôt que comme des générateurs créatifs.

Les données par catégorie (disponibles uniquement depuis le printemps 2025) offrent une vision plus nuancée : les charges de travail de programmation sont le principal moteur de la croissance du nombre de jetons de prompt. Les requêtes impliquant la compréhension de code, le débogage et la génération de code dépassent régulièrement 20K jetons d’entrée, tandis que toutes les autres catégories restent relativement stables et de faible volume. Cette contribution asymétrique suggère que l’augmentation récente de la taille des prompts n’est pas une tendance uniforme entre les tâches, mais plutôt une forte hausse concentrée sur les cas d’usage liés au développement logiciel et au raisonnement technique.

La longueur des séquences est un indicateur de la complexité des tâches et de la profondeur des interactions. La figure ci-dessus montre que la longueur moyenne des séquences a plus que triplé au cours des 20 derniers mois, passant de moins de 2 000 jetons fin 2023 à plus de 5 400 fin 2025. Cette croissance reflète une évolution structurelle vers des fenêtres de contexte plus longues, des historiques de tâches plus approfondis et des complétions plus élaborées.

Comme dans la section précédente, le deuxième graphique apporte des précisions supplémentaires : les prompts liés à la programmation ont désormais une longueur moyenne en jetons 3 à 4 fois supérieure à celle des prompts généralistes. Cette divergence indique que les workflows de développement logiciel sont le principal moteur de l’allongement des interactions. Les longues séquences ne tiennent pas seulement à la verbosité des utilisateurs : elles sont la signature de workflows agentiques intégrés et plus sophistiqués.

Ensemble, ces tendances (part croissante du raisonnement, recours accru aux outils, séquences plus longues et complexité disproportionnée de la programmation) suggèrent que le centre de gravité de l’utilisation des LLM s’est déplacé. La requête médiane adressée à un LLM n’est plus une simple question ou une instruction isolée. Elle fait désormais partie d’une boucle structurée de type agent, qui invoque des outils externes, raisonne sur un état et se poursuit sur des contextes plus longs.

Pour les fournisseurs de modèles, cela relève le niveau des capacités attendues par défaut. La latence, la gestion des outils, la prise en charge du contexte et la robustesse face aux chaînes d’outils mal formées ou adversariales sont de plus en plus critiques. Pour les opérateurs d’infrastructure, les plateformes d’inférence doivent désormais gérer non seulement des requêtes sans état, mais aussi des conversations de longue durée, des traces d’exécution et des intégrations d’outils soumises à des autorisations. Bientôt, si ce n’est déjà le cas, l’inférence agentique représentera la majorité de l’inférence.

La programmation est devenue la catégorie dont la croissance est la plus régulière sur l’ensemble des modèles. La part des requêtes liées à la programmation a augmenté régulièrement tout au long de 2025, parallèlement à l’essor des environnements de développement assistés par les LLM et des intégrations d’outils. Comme le montre la figure ci-dessus, les requêtes de programmation représentaient environ 11 % du volume total de jetons au début de 2025 et ont dépassé 50 % ces dernières semaines. Cette tendance reflète une évolution des usages exploratoires ou conversationnels vers des tâches appliquées telles que la génération de code, le débogage et l’écriture de scripts de traitement des données. À mesure que les LLM s’intègrent aux flux de travail des développeurs, leur rôle d’outils de programmation se normalise. Cette évolution a des implications pour le développement des modèles, notamment une importance accrue accordée aux données d’entraînement centrées sur le code, une plus grande profondeur de raisonnement pour les tâches de programmation en plusieurs étapes et des boucles de rétroaction plus étroites entre les modèles et les environnements de développement intégrés.

Cette demande croissante d’assistance à la programmation redéfinit la dynamique concurrentielle entre les fournisseurs de modèles. Comme le montre la figure ci-dessous, la série Claude d’Anthropic a constamment dominé cette catégorie, représentant plus de 60 % des dépenses liées à la programmation pendant la majeure partie de la période observée. Le paysage a néanmoins évolué de manière significative. Durant la semaine du 17 novembre, la part d’Anthropic est passée sous le seuil des 60 % pour la première fois. Depuis juillet, OpenAI a fait progresser sa part d’environ 2 % à près de 8 % ces dernières semaines, ce qui reflète probablement un regain d’attention pour les charges de travail destinées aux développeurs. Sur le même intervalle, la part de Google est restée stable à environ 15 %. Le segment intermédiaire évolue lui aussi. Les fournisseurs open source, dont Z.AI, Qwen et Mistral AI, gagnent régulièrement en notoriété. MiniMax, en particulier, s’est imposé comme un nouvel acteur en forte progression, affichant des gains notables ces dernières semaines.

Globalement, la programmation est devenue l’une des catégories de modèles les plus disputées et les plus importantes sur le plan stratégique. Elle suscite une attention soutenue de la part des principaux laboratoires, et même de modestes changements dans la qualité ou la latence des modèles peuvent faire évoluer les parts d’une semaine à l’autre. Pour les fournisseurs d’infrastructure et les développeurs, cela souligne la nécessité de mener continuellement des tests de performance et des évaluations, d’autant que l’état de l’art évolue constamment.

Les figures ci-dessus décomposent l’utilisation des LLM selon les douze catégories de contenu les plus courantes, révélant la structure des sous-thèmes de chacune. Un constat clé est que la répartition au sein de la plupart des catégories n’est pas uniforme : elles sont dominées par un ou deux schémas d’usage récurrents, reflétant souvent une intention ciblée des utilisateurs ou une adéquation avec les points forts des LLM.

Parmi les catégories aux volumes les plus élevés, le jeu de rôle se distingue par sa cohérence et sa spécialisation. Près de 60 % des jetons de jeu de rôle relèvent de la catégorie Jeux/Jeux de rôle, ce qui suggère que les utilisateurs considèrent les LLM moins comme de simples chatbots que comme des moteurs structurés de jeu de rôle ou de personnages. Ce constat est renforcé par la présence des catégories Ressources pour les auteurs (15,6 %) et Contenu pour adultes (15,4 %), qui témoignent d'un mélange de fiction interactive, de génération de scénarios et de fantasmes personnels. Contrairement à l'idée selon laquelle le jeu de rôle se résume principalement à des dialogues informels, les données montrent un cas d'usage bien défini et reproductible, fondé sur le genre.

Programmation présente une répartition tout aussi déséquilibrée, avec plus des deux tiers du trafic classés dans la catégorie Programmation/Autre. Cela témoigne du caractère large et généraliste des prompts liés au code : les utilisateurs ne se concentrent pas uniquement sur des outils ou des langages spécifiques, mais sollicitent les LLM pour tout, du débogage logique à la rédaction de scripts. Cela dit, Outils de développement (26,4 %) et les faibles parts des langages de script indiquent une spécialisation émergente. Cette fragmentation met en évidence une possibilité pour les concepteurs de modèles d’améliorer l’étiquetage ou l’entraînement autour de workflows de programmation structurés.

Au-delà des catégories dominantes du jeu de rôle et de la programmation, les domaines restants représentent une longue traîne diversifiée, mais de moindre volume, de l’utilisation des LLM. Bien que chacun soit de taille plus modeste, ils révèlent des tendances importantes sur la manière dont les utilisateurs interagissent avec les modèles dans des tâches spécialisées et émergentes. Par exemple, la traduction, les sciences et la santé présentent une structure interne relativement uniforme. En traduction, l’utilisation se répartit presque équitablement entre les ressources en langues étrangères (51,1 %) et la catégorie Autres, ce qui suggère des besoins diffus : consultation multilingue, reformulation, alternance ponctuelle entre langues, plutôt que traduction suivie de documents entiers. Les sciences sont dominées par une seule étiquette, Apprentissage automatique et IA (80,4 %), ce qui indique que la plupart des requêtes scientifiques sont des questions sur l’IA elle-même plutôt que sur des sujets généraux de sciences, de technologie, d’ingénierie ou de mathématiques comme la physique ou la biologie. Cela reflète soit un intérêt des utilisateurs, soit des points forts des modèles orientés vers un questionnement autoréférentiel.

La santé, en revanche, est la plus fragmentée des principales catégories, aucune sous-étiquette ne dépassant 25 %. Les jetons sont répartis entre la recherche médicale, les services de conseil, les recommandations thérapeutiques et les recherches diagnostiques. Cette diversité souligne la complexité du domaine, mais aussi la difficulté de le modéliser de manière sûre : les LLM doivent couvrir des intentions utilisateur très variées, souvent dans des contextes sensibles, sans concentration nette sur un seul cas d’usage.

Ce qui relie ces catégories de longue traîne, c’est leur étendue : les utilisateurs se tournent vers les LLM pour des interactions exploratoires, peu structurées ou visant à obtenir de l’aide, mais sans les flux de travail ciblés observés en programmation ou avec les assistants personnels. Prises ensemble, ces catégories secondaires ne dominent peut-être pas les volumes, mais elles révèlent une demande latente. Elles indiquent que les LLM sont utilisés à la marge de nombreux domaines, de la traduction aux conseils médicaux en passant par l’introspection de l’IA, et qu’à mesure que les modèles gagnent en robustesse dans ces domaines et en intégration avec les outils, ces intentions dispersées pourraient converger vers des applications plus clairement définies et à plus fort volume.

En revanche, la finance, le milieu universitaire et le secteur juridique sont beaucoup plus dispersés. La finance répartit son volume entre le marché des changes, l’investissement socialement responsable et l’audit/la comptabilité : aucune étiquette ne dépasse 20 %. Le secteur juridique présente une entropie similaire, avec une utilisation répartie entre Administration/Autres (43,0 %) et Juridique/Autres (17,8 %). Cette fragmentation peut refléter la complexité de ces domaines, ou simplement le manque de flux de travail LLM ciblés pour ces domaines par rapport à des catégories plus matures comme la programmation et le chat.

Les données suggèrent que l’utilisation réelle des LLM n’est pas uniformément exploratoire : elle se concentre fortement sur un petit ensemble de tâches répétables et à fort volume. Le jeu de rôle, la programmation et l’assistance personnelle présentent chacun une structure claire et des étiquettes dominantes. Les domaines scientifiques, médicaux et juridiques, en revanche, sont plus diffus et probablement sous-optimisés. Ces distributions internes peuvent orienter la conception des modèles, l’ajustement fin propre à chaque domaine et les interfaces applicatives, notamment pour adapter les LLM aux objectifs des utilisateurs.

Les modèles des différents auteurs sont utilisés selon des schémas d’utilisation différents. Les graphiques ci-dessous présentent la répartition des catégories de contenu pour les principales familles de modèles (Claude d’Anthropic, les modèles de Google, la série GPT d’OpenAI, DeepSeek et Qwen). Chaque barre représente 100 % de l’utilisation de jetons de ce fournisseur, répartie selon les principales étiquettes.

Claude d’Anthropic est très majoritairement utilisé pour les catégories Programmation + Technologie , qui représentent ensemble plus de 80 % de son utilisation. Le jeu de rôle et les questions-réponses générales ne représentent qu’une infime part. Cela confirme le positionnement de Claude comme modèle optimisé pour le raisonnement complexe, le code et les tâches structurées ; les développeurs et les entreprises semblent utiliser Claude principalement comme assistant de programmation et outil de résolution de problèmes.

L’utilisation des modèles de Google est plus diversifiée. Nous observons des segments notables pour la traduction, les sciences, la technologie, et une certaine part de connaissances générales. Par exemple, environ 5 % de l’utilisation de Google concernait des contenus juridiques ou de politique publique, et environ 10 % supplémentaires étaient liés aux sciences. Cela pourrait indiquer la portée étendue de l’entraînement de Gemini. Par rapport aux autres, Google présente une part de programmation relativement plus faible et, de fait, en baisse fin 2025 (jusqu’à environ 18 %), ainsi qu’un éventail plus large de catégories minoritaires. Cela suggère que les modèles de Google sont davantage utilisés comme des moteurs d’information généralistes.

Le profil d’utilisation de xAI se distingue de celui des autres fournisseurs. Sur la majeure partie de la période, l’utilisation se concentre très largement sur la catégorie Programmation, qui dépasse souvent quatre-vingts pour cent de l’ensemble des jetons. Ce n’est qu’à la fin novembre que la répartition se diversifie, avec des progressions notables dans les catégories Technologie, Jeu de rôle et Milieu universitaire. Ce changement marqué coïncide avec la mise à disposition gratuite du modèle de xAI via certaines applications grand public, qui a probablement entraîné un afflux important de trafic provenant de non-développeurs. Il en résulte une répartition de l’utilisation qui mêle un noyau initial composé majoritairement de développeurs à une vague soudaine d’usages généralistes, ce qui suggère que la trajectoire d’adoption de xAI est façonnée à la fois par les utilisateurs techniques et par des pics ponctuels liés à sa disponibilité promotionnelle.

Le profil d’utilisation d’OpenAI a nettement évolué au cours de 2025. Plus tôt dans l’année, les tâches scientifiques représentaient plus de la moitié de tous les jetons OpenAI ; fin 2025, cette part était tombée sous les 15 %. Parallèlement, les usages liés à la programmation et à la technologie représentent désormais plus de la moitié du volume total (29 % chacun), ce qui reflète une intégration plus poussée dans les flux de travail des développeurs, les outils de productivité et les applications professionnelles. La répartition des usages d’OpenAI se situe désormais entre le profil très ciblé d’Anthropic et la distribution plus diffuse de Google, ce qui suggère une large base d’utilisations avec une orientation croissante vers des tâches structurées à forte valeur ajoutée.

DeepSeek et Qwen présentent des profils d’utilisation qui divergent considérablement de ceux des autres familles de modèles évoquées précédemment. La répartition des jetons de DeepSeek est dominée par les jeux de rôle, les conversations informelles et les interactions axées sur le divertissement, qui représentent souvent plus des deux tiers de son utilisation totale. Seule une faible part de l’activité concerne des tâches structurées telles que la programmation ou les sciences. Ce profil reflète la forte orientation grand public de DeepSeek et son positionnement comme modèle conversationnel suscitant un fort engagement. On observe notamment chez DeepSeek une augmentation modeste mais régulière de l’utilisation liée à la programmation vers la fin de l’été, ce qui suggère une adoption progressive dans des flux de développement légers.

Qwen, en revanche, présente un profil presque inversé. Sur l’ensemble de la période affichée, la programmation représente systématiquement 40 à 60 pour cent de tous les jetons, ce qui témoigne d’une nette orientation vers les tâches techniques et de développement. Par rapport à la composition plus stable d’Anthropic, dominée par l’ingénierie, Qwen affiche une plus grande volatilité dans des catégories connexes telles que les sciences, la technologie et le jeu de rôle. Ces variations d’une semaine à l’autre suggèrent une base d’utilisateurs hétérogène et des itérations rapides dans les cas d’usage concrets. Une hausse notable de l’utilisation pour le jeu de rôle en septembre et en octobre, suivie d’un recul en novembre, laisse entrevoir une évolution du comportement des utilisateurs ou des ajustements du routage des applications en aval.

En résumé, chaque fournisseur présente un profil distinct correspondant à son orientation stratégique. Ces différences montrent pourquoi aucun modèle ni fournisseur ne couvre à lui seul tous les cas d’usage de manière optimale ; elles soulignent également les avantages potentiels d’un écosystème multimodèle.

La répartition des dépenses, illustrée dans la figure ci-dessous, souligne le caractère de plus en plus mondial du marché de l’inférence en IA. L’Amérique du Nord, tout en restant la première région, représente désormais moins de la moitié des dépenses totales sur la majeure partie de la période observée. L’Europe affiche une contribution stable et durable. Sa part relative des dépenses hebdomadaires reste constante sur l’ensemble de la période, se situant généralement entre une quinzaine et un peu plus d’une vingtaine de pour cent. Une évolution notable est l’essor de l’Asie, non seulement comme productrice de modèles de pointe, mais aussi comme consommatrice en pleine expansion. Au cours des premières semaines du jeu de données, l’Asie représentait environ treize pour cent des dépenses mondiales. Au fil du temps, cette part a plus que doublé, atteignant environ 31 % sur la période la plus récente.

Comme le montre le tableau ci-dessus, l’anglais domine les usages, représentant plus de 80 % de l’ensemble des jetons. Cela reflète à la fois la prédominance des modèles anglophones et la forte proportion de développeurs parmi les utilisateurs d’OpenRouter. Toutefois, d’autres langues, en particulier le chinois, le russe et l’espagnol, représentent une part minoritaire mais significative. Le chinois simplifié représente à lui seul près de 5 % des jetons à l’échelle mondiale, ce qui suggère un engagement soutenu des utilisateurs dans des environnements bilingues ou principalement sinophones, notamment au vu de la croissance des modèles open source chinois comme DeepSeek et Qwen.

Taux de rétention par cohorte. La rétention est mesurée en tant que rétention d’activité, les utilisateurs étant comptabilisés s’ils reviennent au cours des mois suivants, même après des périodes d’inactivité ; les courbes peuvent donc présenter de légères variations non monotones.

Cet ensemble de graphiques de rétention illustre la dynamique du marché des utilisateurs de LLM pour les principaux modèles. À première vue, les données sont dominées par un fort taux d’attrition et un déclin rapide des cohortes. Pourtant, sous cette volatilité se cache un signal plus subtil et plus déterminant : un petit ensemble de cohortes d’utilisateurs précoces affiche une rétention durable dans le temps. Nous les appelons cohortes fondatrices.

Ces cohortes ne sont pas simplement des utilisateurs précoces ; elles représentent des utilisateurs dont les charges de travail ont atteint une profonde et persistante adéquation entre charge de travail et modèle. Une fois établie, cette adéquation crée une inertie à la fois économique et cognitive qui résiste à la substitution, même lorsque de nouveaux modèles apparaissent.

Nous présentons l’effet Cendrillon du soulier de verre comme cadre pour décrire ce phénomène. L’hypothèse postule que, dans un écosystème d’IA en évolution rapide, il existe une distribution latente de charges de travail à forte valeur ajoutée qui restent non résolues au fil des générations successives de modèles. Chaque nouveau modèle de pointe est en quelque sorte « essayé » sur ces problèmes ouverts. Lorsqu’un modèle nouvellement publié répond par hasard à une contrainte technique et économique jusque-là non satisfaite, il trouve l’ajustement parfait — le « soulier de verre » métaphorique.

Pour les développeurs ou les organisations dont les charges de travail trouvent enfin un modèle « adapté », cet alignement crée de forts effets de verrouillage. Leurs systèmes, leurs pipelines de données et leurs expériences utilisateur s’ancrent dans le modèle qui a résolu leur problème en premier. À mesure que les coûts diminuent et que la fiabilité augmente, l’intérêt de changer de plateforme diminue fortement. À l’inverse, les charges de travail qui ne trouvent pas de modèle aussi adapté restent exploratoires, migrant d’un modèle à l’autre à la recherche de leur propre solution.

Empiriquement, ce schéma est observable dans la cohorte de juin 2025 de Gemini 2.5 Pro et dans la cohorte de mai 2025 de Claude 4 Sonnet, qui conservent environ 40 % des utilisateurs au mois 5, soit un taux nettement supérieur à celui des cohortes ultérieures. Ces cohortes semblent correspondre à des avancées techniques précises (par exemple, la fidélité du raisonnement ou la stabilité de l’utilisation des outils) qui ont enfin permis des charges de travail auparavant impossibles.

• Être le premier à résoudre comme avantage durable. L’avantage classique du premier entrant prend toute son importance lorsqu’un modèle est le premier à résoudre une charge de travail critique. Les premiers utilisateurs intègrent le modèle dans leurs pipelines, leur infrastructure et les habitudes des utilisateurs, ce qui crée une forte résistance au changement. Il en résulte un équilibre stable dans lequel le modèle conserve sa cohorte fondatrice, même lorsque de nouvelles solutions apparaissent.
• La fidélisation comme indicateur d’un tournant dans les capacités. Les tendances de fidélisation par cohorte constituent des signaux empiriques de différenciation des modèles. Une fidélisation persistante dans une ou plusieurs cohortes initiales indique un tournant significatif dans les capacités : une catégorie de charges de travail passe de l’irréalisable au réalisable. L’absence de telles tendances suggère une parité des capacités et une différenciation peu profonde.
• Les contraintes temporelles de la fenêtre d’opportunité à la pointe. Le paysage concurrentiel impose une fenêtre temporelle étroite pendant laquelle un modèle peut attirer ses utilisateurs fondateurs. À mesure que les modèles successifs comblent l’écart de capacités, la probabilité de constituer de nouvelles cohortes fondatrices diminue fortement. Le moment « Cendrillon », où le modèle et la charge de travail s’accordent précisément, est donc éphémère, mais décisif pour la dynamique d’adoption à long terme.

Dans l’ensemble, l’évolution rapide des capacités des modèles de fondation nécessite une redéfinition de la rétention des utilisateurs. Chaque nouvelle génération de modèles ouvre une brève fenêtre pour traiter des charges de travail jusque-là non prises en charge. Lorsqu’un tel alignement se produit, les utilisateurs concernés forment des cohortes fondatrices : des segments dont les trajectoires de rétention restent stables malgré l’arrivée ultérieure de nouveaux modèles.

L’anomalie de la domination au lancement. Le graphique d’ OpenAI GPT-4o Mini montre ce phénomène à son paroxysme. Une seule cohorte fondatrice (juillet 2024, courbe orange) a établi dès le lancement une adéquation dominante et durable entre la charge de travail et le modèle. Toutes les cohortes suivantes, arrivées après que cette adéquation avait été établie et que le marché était passé à autre chose, se comportent de manière identique : elles enregistrent une attrition et se regroupent au bas du graphique. Cela suggère que la fenêtre permettant d’établir cette adéquation fondatrice est unique et ne se présente qu’au moment où un modèle est perçu comme « à la pointe ».

Les conséquences de l’absence d’adéquation. Les graphiques de Gemini 2.0 Flash et Llama 4 Maverick illustrent les risques encourus lorsque cette adéquation initiale n’est jamais établie. Contrairement aux autres modèles, aucune cohorte fondatrice n’affiche de bonnes performances. Toutes les cohortes affichent les mêmes mauvais résultats. Cela suggère que les modèles n’ont jamais été perçus comme étant « à la pointe » pour une charge de travail à forte valeur ajoutée et propice à la fidélisation. Le lancement s’est fait directement sur le marché du suffisamment bon et n’a donc permis de fidéliser aucune base d’utilisateurs. De même, les graphiques chaotiques de DeepSeek, malgré un succès global considérable, peinent à faire apparaître une cohorte fondatrice stable.

Effet boomerang. Les modèles DeepSeek présentent un schéma plus complexe. Leurs courbes de rétention affichent une anomalie très inhabituelle : des bonds de réactivation. Contrairement à la rétention habituelle, qui décroît de façon monotone, plusieurs cohortes DeepSeek affichent une nette hausse de la rétention après une période initiale d’attrition (par exemple, pour DeepSeek R1, la cohorte d’avril 2025 vers le mois 3, et, pour DeepSeek Chat V3-0324, la cohorte de juillet 2025 vers le mois 2). Cela indique que certains utilisateurs ayant abandonné le modèle y reviennent. Cet « effet boomerang » suggère que ces utilisateurs reviennent à DeepSeek après avoir essayé d’autres solutions et confirmé, par des tests comparatifs, que DeepSeek offre une adéquation optimale, et souvent meilleure, à leur charge de travail spécifique grâce à une combinaison supérieure de performances techniques spécialisées, de rentabilité ou d’autres fonctionnalités uniques.

Implications. Le phénomène Soulier de verre redéfinit la rétention non comme un résultat, mais comme un prisme permettant de comprendre les avancées en matière de capacités. Les cohortes fondatrices sont les empreintes d’un véritable progrès technique : elles indiquent où un modèle d’IA est passé de la nouveauté à la nécessité. Pour les développeurs comme pour les investisseurs, identifier ces cohortes tôt pourrait être le signal le plus prédictif d’un avantage durable dans l’adéquation entre modèle et marché.

Le nuage de points ci-dessus révèle une segmentation distincte des cas d’usage de l’IA, en les positionnant selon leur volume d’utilisation agrégé (total des jetons) par rapport à leur coût unitaire (coût par 1M de jetons). Une observation préliminaire essentielle est que les deux axes sont logarithmiques. Cette échelle logarithmique signifie que de faibles distances visuelles sur le graphique correspondent à des écarts multiplicatifs substantiels de volume et de coût réels.

Le graphique est divisé en deux par une ligne verticale au coût médian de 0,73 $ par 1M de jetons, créant ainsi un cadre à quatre quadrants pour simplifier le marché de l’IA dans les différentes catégories.

Notez que ces coûts finaux diffèrent des prix catalogue annoncés. Les charges de travail à haute fréquence bénéficient de la mise en cache, qui réduit les dépenses réelles et produit des prix effectifs nettement inférieurs aux prix publiés. L’indicateur de coût affiché reflète un tarif combinant les jetons de prompt et de complétion, offrant une vision plus précise de ce que les utilisateurs paient réellement dans l’ensemble. Le jeu de données exclut également l’activité BYOK afin d’isoler l’usage standardisé transitant par la plateforme et d’éviter les distorsions liées aux configurations d’infrastructure personnalisées.

Charges de travail premium (en haut à droite) : Ce quadrant regroupe des applications à coût élevé et à forte utilisation, incluant désormais technology et science, situées exactement à l’intersection. Elles représentent des charges de travail professionnelles précieuses et très utilisées, pour lesquelles les utilisateurs sont prêts à payer plus cher pour bénéficier de performances ou de capacités spécialisées. Technology constitue un cas nettement à part, avec un coût considérablement plus élevé que toute autre catégorie. Cela suggère que technology en tant que cas d’usage (peut-être lié à la conception ou à l’architecture de systèmes complexes) peut nécessiter des modèles bien plus puissants et coûteux pour l’inférence, tout en conservant un volume d’utilisation élevé, ce qui indique son caractère essentiel.

Moteurs de volume grand public (en haut à gauche) : Ce quadrant se caractérise par une utilisation élevée et un coût faible, inférieur ou égal à la moyenne. Cette zone est dominée par deux cas d’usage massifs : roleplay, programming ainsi que science.

• Programming s’impose comme la catégorie « professionnel incontournable », affichant le volume d’utilisation le plus élevé tout en ayant un coût médian hautement optimisé.
• Roleplay affiche un volume d’utilisation immense, rivalisant presque avec programming. C’est un constat frappant : une application de jeu de rôle destinée au grand public génère un volume d’engagement comparable à celui d’une application professionnelle de premier plan.

L’ampleur même de ces deux catégories confirme que la productivité professionnelle et le divertissement conversationnel sont tous deux des moteurs majeurs et massifs de l’IA. La sensibilité au coût dans ce quadrant est le domaine où, comme indiqué précédemment, les modèles open source ont acquis un avantage significatif.

Experts spécialisés (en bas à droite) : Ce quadrant regroupe des applications à faible volume et à coût élevé, notamment finance, academia, health et marketing. Il s’agit de domaines professionnels de niche à forts enjeux. Le volume global plus faible est logique, car on peut consulter une IA pour la « santé » ou la « finance » bien moins fréquemment que pour la « programmation ». Les utilisateurs sont prêts à payer un supplément important pour ces tâches, probablement parce que les exigences en matière de précision, de fiabilité et de connaissances propres au domaine sont extrêmement élevées.

Utilitaires de niche (en bas à gauche) : Ce quadrant regroupe des tâches à faible coût et à faible volume, notamment translation, legal et trivia. Ce sont des utilitaires fonctionnels aux coûts optimisés. Translation présente le volume le plus élevé de ce groupe, tandis que trivia présente le plus faible. Leur faible coût et leur volume relativement bas suggèrent que ces tâches sont peut-être hautement optimisées, « résolues » ou banalisées, une solution de remplacement suffisamment performante étant disponible à bas prix.

Comme indiqué, la valeur aberrante la plus significative de ce graphique est technology : ce domaine affiche le coût par jeton le plus élevé, avec une marge considérable, tout en maintenant une utilisation élevée. Cela suggère fortement l’existence d’un segment de marché prêt à payer un prix élevé pour des réponses complexes à forte valeur ajoutée (par exemple, architecture système, résolution de problèmes techniques avancés). Une question clé est de savoir si ce prix élevé est dû à une forte valeur pour l’utilisateur (une opportunité « côté demande ») ou à un coût de service élevé (un défi « côté offre »), car ces requêtes peuvent nécessiter les modèles de pointe les plus puissants. L’opportunité à saisir dans le domaine technology consiste à servir ce marché à forte valeur ajoutée. Un fournisseur capable de servir ce segment, peut-être grâce à des modèles spécialisés hautement optimisés, pourrait potentiellement capter un marché offrant des marges plus élevées.

La figure ci-dessus met en regard l’utilisation des modèles et le coût par 1M de jetons (échelle logarithmique sur les deux axes), révélant une faible corrélation globale. L’axe des abscisses indique les valeurs nominales pour faciliter la lecture. La courbe de tendance est presque plate, ce qui indique que la demande est relativement inélastique au prix ; une baisse de prix de 10 % ne correspond qu’à une hausse de l’utilisation d’environ 0,5–0,7 %. Pourtant, la dispersion sur le graphique est considérable, reflétant une forte segmentation du marché. Deux régimes distincts apparaissent : les modèles propriétaires d’OpenAI et d’Anthropic occupent la zone de coût élevé et d’utilisation élevée, tandis que les modèles ouverts comme DeepSeek, Mistral et Qwen se situent dans la zone de faible coût et de volume élevé. Ce schéma étaye une règle empirique simple : les modèles à code source fermé captent les tâches à forte valeur, tandis que les modèles open source captent les tâches à volume élevé et à plus faible valeur. La faible élasticité-prix indique que même des différences de coût radicales ne réorientent pas entièrement la demande ; les fournisseurs propriétaires conservent leur pouvoir de fixation des prix pour les applications critiques, tandis que les écosystèmes ouverts absorbent le volume des utilisateurs sensibles aux coûts.

La figure ci-dessus est similaire à la précédente, mais présente les auteurs des modèles. Quatre archétypes d’utilisation et de coût se dégagent. Les leaders haut de gamme, tels que les modèles d’Anthropic Claude 3.7 Sonnet et Claude Sonnet 4, affichent des coûts d’environ 2 $ par million de jetons tout en atteignant une utilisation élevée, ce qui suggère que les utilisateurs sont prêts à payer pour un raisonnement et une fiabilité supérieurs à grande échelle. Les géants efficaces, comme le modèle de Google Gemini 2.0 Flash et DeepSeek V3 0324, associent de solides performances à des prix inférieurs à 0,40 $ par million de jetons et atteignent des niveaux d’utilisation similaires, ce qui en fait des choix par défaut attrayants pour les charges de travail à fort volume ou à contexte long. Les modèles de longue traîne , notamment Qwen 2 7B Instruct et IBM Granite 4.0 Micro, ne coûtent que quelques centimes par million de jetons, mais se situent autour de 10^2,9 en utilisation totale, ce qui reflète des contraintes liées à des performances plus faibles, une visibilité limitée ou un nombre moindre d’intégrations. Enfin, les spécialistes haut de gamme, tels que les modèles d’OpenAI GPT-4 et GPT-5 Pro, occupent le quadrant à coût élevé et faible utilisation : à environ 35 $ par million de jetons et avec une utilisation proche de 10^3,4, ils sont utilisés avec parcimonie pour des charges de travail de niche à forts enjeux, où la qualité des résultats compte bien davantage que le coût marginal des jetons.

Dans l’ensemble, le nuage de points souligne que le pouvoir de fixation des prix sur le marché des LLM n’est pas uniforme. Si les modèles moins chers peuvent favoriser le passage à l’échelle grâce à leur efficacité et à leur intégration, les offres haut de gamme continuent de susciter une forte demande lorsque les enjeux sont élevés. Cette fragmentation suggère que le marché ne s’est pas encore banalisé et que la différenciation, qu’elle repose sur la latence, la longueur du contexte ou la qualité des réponses, reste une source d’avantage stratégique.

Ces observations suggèrent ce qui suit :

• À l’échelle macroéconomique, la demande est inélastique, mais cela masque des comportements différents à l’échelle microéconomique. Les entreprises ayant des tâches critiques acceptent de payer des prix élevés (ces modèles sont donc très utilisés). En revanche, les amateurs et les pipelines de développement sont très sensibles aux coûts et se tournent massivement vers des modèles moins chers (ce qui entraîne une utilisation importante des modèles efficaces).
• Certains éléments témoignent du paradoxe de Jevons : le fait de rendre certains modèles très bon marché (et rapides) a conduit les utilisateurs à les employer pour beaucoup plus de tâches, ce qui a finalement augmenté le nombre total de jetons consommés. Nous le constatons dans le groupe des géants efficaces : à mesure que le coût par jeton a baissé, ces modèles ont été intégrés partout et la consommation totale s’est envolée (les utilisateurs exploitent des contextes plus longs, effectuent davantage d’itérations, etc.).
• La qualité et les capacités priment souvent sur le coût : L’utilisation intensive de modèles coûteux (Claude, GPT-4) indique que si un modèle est nettement meilleur ou bénéficie d’un avantage en matière de confiance, les utilisateurs accepteront de supporter des coûts plus élevés. Ces modèles sont souvent intégrés dans des flux de travail où le coût est négligeable par rapport à la valeur de ce qu’ils produisent (par exemple, du code qui fait gagner une heure de travail à un développeur vaut bien plus que quelques dollars d’appels API).
• À l’inverse, il ne suffit pas qu’un modèle soit bon marché, il doit aussi être distinctif et suffisamment performant. De nombreux modèles ouverts proposés à un prix proche de zéro peinent encore parce qu’ils sont tout juste assez bons, mais ne trouvent pas d’ adéquation entre la charge de travail et le modèle ou ne sont pas tout à fait fiables, si bien que les développeurs hésitent à les intégrer en profondeur.

Du point de vue d’un opérateur, plusieurs tendances stratégiques se dégagent. Des fournisseurs comme Google ont fortement misé sur des offres à plusieurs niveaux (notamment avec Gemini Flash et Pro), en faisant explicitement des compromis entre vitesse, coût et capacités. Cette structure permet une segmentation du marché selon la sensibilité au prix et la criticité des tâches : les tâches légères sont acheminées vers des modèles moins chers et plus rapides ; les modèles haut de gamme prennent en charge les charges de travail complexes ou tolérantes à la latence. L’optimisation en fonction des cas d’usage et de la fiabilité a souvent autant d’impact qu’une « réduction » des prix. Un modèle plus rapide et conçu pour un usage précis peut être préféré à un modèle moins cher mais imprévisible, surtout en production. L’attention se déplace ainsi du coût par jeton vers le coût par résultat réussi. L’élasticité relativement faible de la demande suggère que les LLM ne sont pas encore un produit de base — de nombreux utilisateurs sont prêts à payer davantage pour la qualité, les capacités ou la stabilité. La différenciation conserve sa valeur, en particulier lorsque les résultats des tâches comptent davantage que les économies marginales sur les jetons.

Les figures ci-dessous détaillent la structure interne des sous-étiquettes pour les trois principaux domaines : jeu de rôle, programmation et technologie. Chaque domaine présente des schémas internes distincts qui révèlent comment les utilisateurs interagissent avec les LLM dans ces catégories.

Les trois domaines (jeu de rôle, technologie, programmation) présentent des tendances internes distinctes, reflétant la manière dont les utilisateurs interagissent avec les LLM dans différentes sous-catégories de chaque grand domaine.