Analyse du PDG de Vercel : les partenariats avec un seul laboratoire d’IA sont dépassés

Le diaporama des partenariats IA avait autrefois de la place pour un seul logo. Maintenant, il lui faut un plan de table. Le PDG de Vercel, Guillermo Rauch, affirme que les entreprises dépassent le choix d’un seul laboratoire d’IA, selon un article d’AOL reprenant un reportage de Business Insider. Pour les créateurs de produits, la partie intéressante n’est pas le ragot sur le laboratoire invité à déjeuner. C’est l’architecture : les équipes produit apprennent que le choix du modèle doit se trouver dans la tuyauterie, pas dans l’énoncé de mission.

AOL : la fidélité à un seul laboratoire se heurte à la réalité de

la production Le reportage de Business Insider publié par AOL indique que Rauch a soutenu que les entreprises ne s’appuient plus sur un seul laboratoire d’IA pour tous leurs besoins. Le même reportage affirme que les entreprises se tournent vers différents laboratoires pour différentes parties de leur pile IA, tandis qu’elles réfléchissent à une façon de dépenser plus efficacement dans l’IA. Il décrit aussi le schéma de l’an dernier comme des équipes choisissant un seul laboratoire partenaire et prévoyant de tout construire sur OpenAI ou Anthropic.

C’était une diapositive bien nette, et les diapositives bien nettes ont trahi plus de feuilles de route qu’un Wi-Fi capricieux. La leçon pratique est que les prototypes et la production récompensent des comportements différents. Pendant le prototypage, un seul fournisseur peut aider l’équipe à avancer et éviter à tout le monde la soupe d’intégrations. En production, la question devient de savoir si un fournisseur convient à une fonction précise, à un profil de coûts et à une attente de fiabilité. Tout miser sur un seul laboratoire peut sembler simple, mais la simplicité n’est pas la même chose que la résilience, comme le sait toute personne ayant déjà déployé un vendredi en murmurant devant un tableau de bord.

Hyper AI : la pile IA modulaire devient concrète

Hyper AI rapporte que Rauch a décrit des entreprises adoptant des stratégies multimodèles construites autour d’une pile IA modulaire. Dans ce récit, des composants allant des modèles de base aux passerelles deviennent interchangeables, ce qui est l’expression architecturale clé cachée sous le gros titre de dirigeant. Hyper AI indique que les entreprises peuvent intégrer OpenAI, Anthropic et Gemini de Google dans un même flux de travail. Il précise aussi que Rauch a souligné la forte croissance des modèles Gemini grâce à leur rapport prix-performance à grande échelle, ainsi que l’adoption d’alternatives comme DeepSeek et le GLM-5.2 de Z.ai.

Cela ne veut pas dire que chaque application devrait envoyer au hasard des requêtes à plusieurs modèles comme un canon à confettis muni d’une clé API. Cela signifie que la couche des modèles devient une dépendance remplaçable, plus proche de l’infrastructure que de l’identité. Hyper AI rapporte aussi que le secteur passe de l’accent mis l’an dernier sur le prototypage et la création d’agents aux défis de production et à l’efficacité opérationnelle. C’est là que le contrôle des coûts entre en scène, avec des chaussures raisonnables et le tableur dont personne ne veut mais dont tout le monde a besoin.

Hyper AI relie ce changement à une correction plus large des dépenses en IA, en notant que dépenser davantage ne se traduit pas automatiquement par de la valeur pour les clients. Le rapport indique que l’accent précédent mis sur la maximisation de l’utilisation des tokens cède la place à un contrôle des coûts plus strict. Rauch a également fait un parallèle avec le cloud computing, où les entreprises sont passées d’une dépendance à un seul fournisseur à des architectures multicloud pour réduire les risques et les coûts, selon Hyper AI. La version IA n’est pas identique, mais l’avertissement rime : si votre pile ne peut pas échanger ses pièces, votre stratégie fournisseur est, en gros, un tatouage.

Axios : les piles multifournisseurs ont besoin de meilleures mesures

Axios rapporte que les méthodes actuelles de test et d’évaluation des modèles d’IA de pointe doivent être réécrites, surtout à mesure que les modèles dépassent les tests de leurs capacités de piratage. Le média affirme que sans nouveaux tests, les décideurs publics et les équipes de sécurité des entreprises n’auront pas de moyen clair de prédire ce que les modèles peuvent faire ni s’ils peuvent être déployés en toute sécurité. Je laisserai l’opéra complet des menaces à Sam, qui couvre la sécurité et possède probablement une plus grande tasse de café.

Pour cette chronique, la leçon destinée aux créateurs est plus étroite : le choix du modèle ne devient utile que lorsque la mesure rattrape son retard. Une architecture multifournisseur donne des options aux équipes, mais des options sans évaluation ne sont qu’un buffet où rien n’est étiqueté. Si les entreprises vont mélanger des fournisseurs dans un même flux de travail, elles doivent savoir quel modèle est réellement le mieux adapté à la tâche qui se présente, et non quel logo rendait le mieux dans une keynote.

L’argument de Rauch, tel que rapporté par AOL et Hyper AI, porte moins sur les drames entre laboratoires que sur la maturité opérationnelle. Attendez-vous à voir les plateformes IA rivaliser sur le routage, les passerelles interchangeables et la visibilité des coûts, car la pile gagnante pourrait être celle qui rend le changement de modèle ennuyeux. Dans l’infrastructure IA, ennuyeux n’est pas une insulte. C’est ce qui arrive juste avant que quelque chose fonctionne.