Qu’est-ce que la dépendance à un modèle IA ?
Le 30 juillet 2026, OpenAI a divisé par cinq le prix de Luna, le modèle le plus économique de sa gamme GPT-5.6. Le 10 août, Anthropic a renoncé à la hausse qu’il avait annoncée pour le 1er septembre sur Claude Sonnet 5 et a fait de son tarif d’introduction le tarif standard. Ces deux baisses ont atteint les applications existantes sans qu’une ligne de code bouge : même identifiant de modèle, aucune migration à conduire. Le vrai sujet s’est joué le 24 juillet, quand Claude Opus 5 est sorti sous un identifiant que personne n’appelait encore.
La dépendance à un modèle IA désigne la situation où une application ne peut plus changer de modèle sans réécriture. L’identifiant du modèle, le format attendu de ses réponses et ses particularités de prompt sont dispersés dans le code métier. Passer à une nouvelle version prend la forme d’un projet à financer, arbitré au budget suivant.
Le couplage reste invisible tant que le fournisseur ne bouge pas. Il se manifeste le jour où une version est dépréciée, ou le jour où un modèle plus capable sort sous un autre identifiant sur le cas d’usage qui compte. En 2026, ces deux situations se présentent plusieurs fois par an.
Que perd une application figée sur un identifiant de modèle ?
Rien sur le prix, et c’est ce qui trompe. Les deux baisses de l’été ont atteint les applications existantes automatiquement, sur le même identifiant, sans migration ni changement de contrat. Les gains de capacité, eux, ne descendent pas tout seuls, parce qu’ils arrivent sous un nom différent. Claude Opus 5 est sorti le 24 juillet 2026 au tarif d’Opus 4.8, avec un niveau de capacité supérieur, et il est devenu le modèle par défaut de l’offre Max d’Anthropic. Une application qui appelle claude-opus-4-8 paie exactement ce qu’elle payait avant, et ne verra jamais rien de cette génération.
Ces baisses ne dessinent d’ailleurs aucune tendance générale. Dans son édition du 3 septembre 2026, qui suit 40 modèles, l’indice de prix des tokens publié par BenchLM mesure sur un an un segment frontier en hausse de 72 % et un segment budget en hausse de 36,8 %. L’entrée de gamme remonte parce qu’une part de ces tarifs étaient des promotions de lancement, et qu’elles expirent. Son troisième segment, le mid-tier, est à écarter : l’indice y intègre une hausse de Claude Sonnet 5 qu’Anthropic avait annulée le 10 août 2026, sans erratum publié. Le rattrapage automatique vaut donc pour l’identifiant qui a bénéficié d’une baisse, et son effet s’arrête là. En haut de gamme, le tarif d’appel du cran supérieur n’a pas bougé : Claude Fable 5.1, sorti le 1er septembre 2026, reprend les 10 et 50 dollars le million de tokens de Claude Fable 5, soit le double du tarif mixte d’Opus (grille publique Anthropic au 10 septembre 2026).
L’autre échéance est plus brutale. Anthropic a retiré six versions de son catalogue entre février et août 2026, et une requête adressée à un modèle retiré échoue. Le préavis est d’au moins soixante jours, et chaque version active porte une date plancher de retrait : celle de Claude Sonnet 4.5 tombe le 29 septembre 2026. Une application livrée au printemps tourne déjà sur une génération précédente, et personne ne sait chiffrer la bascule : la direction technique ne la propose pas, l’arbitrage glisse au budget suivant.
Comment savoir si votre architecture est couplée à un modèle ?
Cinq questions suffisent à trancher. Si trois réponses sont négatives, le couplage est installé.
- Combien de fichiers contiennent un identifiant de modèle ? Au-delà d’un fichier de configuration, le couplage est établi.
- Pouvez-vous basculer un cas d’usage vers une autre version sans redéployer l’application ?
- Disposez-vous d’un jeu d’évaluation qui rejoue vos cas réels sur un modèle candidat ?
- Connaissez-vous la consommation par cas d’usage, ou seulement la facture globale du mois ?
- Qui décide d’un changement de modèle, et sur quels critères écrits ?
La dernière question est celle qui bloque le plus souvent, et c’est la seule des cinq qui ne se règle pas dans le code. Quand personne n’est nommé, le modèle en production reste celui qu’a retenu l’équipe qui a livré le premier prototype, et ce choix n’a jamais été rouvert.
Que fait une couche d’abstraction de modèle ?
La couche d’abstraction est un point de passage unique entre vos applications et les modèles. Elle remplit quatre fonctions.
- Découpler : le code métier appelle une capacité, par exemple « résumer un dossier de sinistre ». La correspondance entre capacité et modèle vit dans la configuration.
- Router : chaque cas d’usage part vers le modèle qui lui convient. Un classement de tickets entrants et une revue contractuelle n’ont pas les mêmes exigences de raisonnement.
- Mesurer : latence, taux d’échec, consommation et qualité sont attribués cas d’usage par cas d’usage, au niveau où l’arbitrage se fait.
- Gouverner : journaux, garde-fous et traces d’approbation sont centralisés au même endroit, ce qui rend l’inventaire des systèmes IA tenable.
Cette dernière fonction porte une échéance réglementaire. L’article 50 de l’AI Act est applicable depuis le 2 août 2026 : les systèmes exposés au public doivent signaler à l’utilisateur qu’il interagit avec une IA, et les contenus générés doivent être marqués. Les systèmes déjà sur le marché au 2 août disposent d’un sursis jusqu’au 2 décembre 2026 sur cette seule obligation de marquage. Dans les deux cas, il faut savoir quel modèle tourne où. Deloitte relevait dans son édition 2026 que 21 % seulement des entreprises déployant des agents disposaient d’une gouvernance mature.
Faut-il devenir multi-fournisseur pour autant ?
Non, et la confusion est fréquente. Le multi-fournisseur est un moyen, parfois utile, souvent coûteux en compétences et en outillage. Assumer un modèle de référence reste une décision d’architecture défendable : une seule grille d’évaluation à maintenir, une seule courbe d’apprentissage à financer.
Notre position est plus étroite que le débat habituel. Choisir Claude comme socle et l’inscrire dans une configuration versionnée relève de l’ingénierie. Le disperser dans quarante appels applicatifs relève de la dette. La configuration versionnée vous laisse rouvrir la décision au moment que vous choisissez.
Deuxième garde-fou : une abstraction mal conçue nivelle par le bas. Si votre couche n’expose que les fonctions communes à tous les fournisseurs, vous perdez ce qui vous a fait choisir ce modèle, du traitement de contextes longs aux appels d’outils structurés. Une couche utile expose les capacités avancées et documente celles qui ne sont pas portables.
Par où commencer ?
Par un relevé, qui tient en quelques jours. Listez les applications IA en production, le modèle utilisé par chacune, et la date de la dernière révision de ce choix. L’exercice produit presque toujours la même surprise : des cas d’usage oubliés, et deux ou trois applications qui tournent sur une version que l’équipe elle-même ne choisirait plus aujourd’hui.
Ensuite, sortez l’identifiant du modèle du code sur l’application la plus critique, une seule, et construisez le jeu d’évaluation qui vous dira si un candidat fait aussi bien sur vos données. S&P Global relevait en 2025 que 46 % des organisations abandonnaient leurs prototypes avant la production. Celles qui franchissent ce cap traitent l’IA comme un composant d’architecture, avec les mêmes exigences de réversibilité que le reste du système d’information.
Notre diagnostic de maturité IA couvre cette dimension en trois minutes, aux côtés de la gouvernance et de l’industrialisation, selon le référentiel Koneetiv (édition 2026). Pour le cadre complet, voir les agents IA en entreprise et la méthodologie LOOP™ de gouvernance IA.