Databricks : les modèles ouverts et le multi-fournisseur s’imposent en entreprise

le

Databricks a publié le 16 novembre 2026 son Databricks AI Index, un indicateur qui combine des données de consommation et des évaluations d’agents de programmation réalisées à partir de tâches internes. L’objectif est de mesurer les performances des modèles d’intelligence artificielle, mais aussi leur efficacité économique dans des environnements professionnels.

Databricks : les modèles ouverts et le multi-fournisseur s’imposent en entreprise

Une diversification des fournisseurs

Selon Databricks, 64 % des entreprises utilisant Unity Gateway n’avaient sollicité qu’un seul fournisseur de modèles d’IA en juillet 2026. Au 2 novembre, cette proportion n’était plus que de 28 %. L’indicateur prend toutefois en compte les fournisseurs sollicités depuis le 20 juillet, y compris lorsqu’une entreprise n’en a testé un supplémentaire qu’une seule fois.

Les modèles à poids ouverts progressent également. Leur part dans les tokens envoyés aux modèles hébergés par Databricks via Unity Gateway est passée de 7,3 % en juillet à 30,9 % début novembre. Il s’agit cependant d’un volume de tokens, et non de la proportion d’entreprises ayant adopté ces modèles.

Cette progression semble toutefois ralentir. D’après une analyse de Tomasz Tunguz, la part de ces modèles a atteint environ 33 % en septembre 2026, avant de se stabiliser autour de 31 %, dans un contexte de fortes réductions tarifaires d’OpenAI. Cette évolution suggère que les stratégies de prix peuvent influencer les choix technologiques des entreprises, sans établir à elle seule un lien de causalité.

Des coûts très variables

Dans ses évaluations de programmation, Databricks classe trois modèles à poids ouverts parmi les dix premiers. DeepSeek V4.1 et GLM 5.3 atteignent notamment un taux de réussite de 93,1 %, ce qui illustre leur compétitivité face aux modèles propriétaires sur les tâches testées.

Les performances ne disent pas tout. GPT-6 Luna et Claude Opus 5.5 obtiennent chacun un taux de réussite de 89,1 %, mais leur coût moyen par tâche atteint respectivement 0,05 et 1,62 dollar, soit un écart d’environ 32 fois. Ce constat doit toutefois être nuancé selon les usages. Databricks indique avoir retenu Claude Opus 5.5 comme modèle par défaut de Claude Code en interne, après avoir constaté une amélioration de la qualité et une réduction de 29 % du coût par session par rapport à son prédécesseur. Le prix des tokens ne suffit donc pas à déterminer la rentabilité réelle d’un modèle.

Les dépenses elles-mêmes sont très inégalement réparties. La consommation hebdomadaire médiane atteint 2,49 dollars par utilisateur, contre 699,74 dollars pour les utilisateurs situés au 99e percentile, soit un écart d’environ 281 fois. Cette concentration reflète la diversité des usages, entre les salariés qui sollicitent ponctuellement un « assistant conversationnel » et les développeurs qui exécutent chaque jour des agents de programmation. Pour les entreprises, ces différences renforcent l’importance du suivi budgétaire, de la gouvernance des usages et de l’optimisation des ressources.

Comparer pour mieux optimiser

Avec son AI Index, Databricks souhaite aider les organisations à comparer les modèles selon leurs performances, leurs coûts et leurs besoins métiers. Unity Gateway propose notamment des outils de supervision, de contrôle budgétaire et de « routage intelligent » des requêtes vers les modèles les plus adaptés.

Ces résultats restent limités au périmètre des entreprises utilisant la plateforme et aux tâches de programmation évaluées par Databricks. Ils ne constituent donc pas une mesure représentative de l’ensemble du marché mondial de l’intelligence artificielle.

Au-delà de la puissance des modèles, la diversification des fournisseurs, la maîtrise des dépenses et le coût par tâche accomplie deviennent, selon l’étude, des critères essentiels pour industrialiser les usages de l’IA.

Product offers are temporarily unavailable.