Récemment, j’ai travaillé sur un mandat visant à explorer comment l’utilisation de l’intelligence artificielle générative pourrait devenir plus écoresponsable et plus souveraine, notamment dans le contexte des entreprises culturelles.
Or, dès qu’on tente d’aller au-delà des interfaces conviviales comme celles de ChatGPT ou d’outils similaires, on se heurte rapidement à une complexité technique vertigineuse : modèles, contexte, tokens, paramètres, quantification… Autant de notions qui donnent parfois l’impression d’entrer dans une boîte noire.
Afin de mieux apprivoiser cet univers en constante évolution — et surtout de m’y retrouver — j’ai décidé d’écrire une série d’articles. Ce premier billet se veut une mise à plat des principaux modèles d’IA générative et des entreprises qui les développent.
Bien entendu, il existe de nombreux acteurs dans cet écosystème. Pour l’instant, je me concentrerai volontairement sur ceux dont on entend le plus parler.
Panorama des principaux acteurs de l’IA générative
Voici un tableau synthèse des entreprises les plus connues, leur pays d’origine et les principaux modèles qu’elles développent ou maintiennent :
| Entreprise | Pays de l’entreprise | Modèles / Familles de modèles |
|---|---|---|
| OpenAI | États-Unis | GPT-4, GPT-5, o1, o3-mini, ChatGPT |
| Google DeepMind (Alphabet) | Royaume-Uni / États-Unis | Gemini (incl. Pro, Ultra, Nano) |
| Anthropic | États-Unis | Claude (ex. Claude 4.5 Sonnet, Opus) |
| Meta AI | États-Unis | LLaMA (LLaMA 3 etc.) |
| xAI (Elon Musk) | États-Unis | Grok (ex. Grok-2) |
| Alibaba Cloud | Chine | Qwen (famille de modèles) |
| Baidu | Chine | Ernie (Ernie X1, Ernie 4.5) |
| Mistral AI | France | Mistral 7B, Mixtral, Codestral |
| Stability AI | Royaume-Uni | StableLM (open models) |
| DeepSeek | Chine | DeepSeek-R1 |
| Cohere | Canada | Command et Aya |
| Amazon Web Services (AWS) | États-Unis | Amazon Bedrock (accès à plusieurs modèles) |
Choisir un modèle : une décision moins neutre qu’elle n’y paraît
Le choix d’un modèle d’IA peut sembler, à première vue, purement technique. En réalité, il est profondément politique, éthique et stratégique.
De mon côté, deux critères ressortent comme particulièrement déterminants :
- La réputation et la gouvernance de l’entreprise
- Sa localisation géographique
Pourquoi? Parce que les modèles d’IA ne sont jamais neutres. Ils héritent inévitablement des biais, des cadres réglementaires et des intentions de ceux qui les entraînent et les opèrent.
Un exemple marquant m’a particulièrement frappé : une recherche a démontré que du code généré par IA pouvait contenir davantage de failles de sécurité lorsque les requêtes incluaient certains mots-clés à caractère géopolitique.
Ce type de constat soulève des questions fondamentales :
- Quels contenus ont servi à entraîner ces modèles?
- Quels filtres ou restrictions sont appliqués?
- Selon quelles lois et quels intérêts?
Pourquoi regarder du côté de Mistral
À la lumière de ces réflexions, et du panorama présenté plus haut, il m’apparaît plus prudent, dans une seconde phase, de m’attarder aux modèles développés par Mistral.
Leur positionnement européen, leur approche plus ouverte et leur discours sur la souveraineté technologique en font, à mes yeux, un terrain d’exploration particulièrement pertinent, surtout lorsqu’on s’intéresse à des usages responsables, durables et alignés avec des valeurs locales.
Ce sera d’ailleurs l’objet du prochain article. 😉
