Le point de vue dominant
Pendant des années, le discours dominant en intelligence artificielle a été « la taille est tout ce dont vous avez besoin ». La course à la suprématie de l’IA se mesurait à l’aune d’une seule métrique principale : le nombre de paramètres. De GPT-3 à Gemini, l’industrie a fonctionné en partant du principe que des modèles plus grands et plus généralistes constituaient la voie inévitable vers des performances supérieures. Cela a conduit de nombreux dirigeants d’entreprise à croire que leur seule stratégie viable était d’acquérir des licences pour des modèles de pointe monolithiques et coûteux. Un article de recherche récent, DeepLens Diagnosis Agent: Agentic Workflow Design Lets a Small Reasoning Model Compete with Frontier LLMs, offre un contrepoint puissant à cette approche de force brute, soulignant l’importance croissante des workflows agentiques.
Notre position La course à la valeur de l’IA en entreprise ne se joue plus sur la taille des modèles, mais sur l’intelligence des workflows. Pour les tâches spécialisées à fort enjeu, des modèles plus petits, orchestrés par des workflows agentiques intelligents, offriront systématiquement une précision, une rentabilité et un contrôle supérieurs.
Ce que les données montrent réellement
L’article sur DeepLens en fournit la preuve essentielle. Les chercheurs ont pris un modèle d’IA médicale relativement petit, de 7 milliards de paramètres, et l’ont intégré dans un processus de raisonnement structuré en cinq étapes. Ce système a atteint une précision diagnostique sur un benchmark médical complexe qui rivalisait avec celle des modèles de pointe massifs et généralistes. La clé n’était pas la puissance brute du modèle, mais l’échafaudage intelligent qui l’entourait — le workflow agentique qui décomposait un problème complexe en étapes gérables et vérifiables.
Ce n’est pas une découverte isolée. Elle reflète une tendance plus large de l’industrie où des modèles plus petits et spécialisés se révèlent très efficaces pour des cas d’usage ciblés, un changement documenté au sein de la communauté de recherche en IA. Les données sont claires : la force brute de la taille est une stratégie aux rendements décroissants. La conception de systèmes intelligents est le nouveau multiplicateur de force.
La véritable implication
Cela change le calcul stratégique pour chaque DSI et CDO. S’appuyer uniquement sur quelques fournisseurs de grands modèles opaques n’est plus la seule voie — et pourrait même constituer un handicap concurrentiel. Cela crée une dépendance vis-à-vis des fournisseurs, expose les organisations à des coûts imprévisibles et n’offre que peu d’avantages durables, car n’importe quel concurrent peut accéder à la même API. Le véritable avantage concurrentiel défendable n’est pas le modèle lui-même, mais le workflow propriétaire et spécifique à la tâche qu’une organisation conçoit autour de lui. C’est là que l’expertise métier approfondie se traduit par un avantage sur le marché qui ne peut être facilement reproduit. Les entreprises qui maîtrisent la conception de workflows construiront des systèmes d’IA plus précis, efficaces et auditables pour une fraction du coût.
Que faire à la place
Au lieu de se demander « Quel est le plus grand modèle ? », les dirigeants devraient se demander « Quel est le workflow le plus intelligent pour notre problème ? ». Cela nécessite un changement d’orientation et d’investissement. Premièrement, donnez la priorité à la cartographie des processus et à la décomposition des tâches plutôt qu’à la simple expérimentation de prompts sur un modèle généraliste. Deuxièmement, développez des compétences internes en conception et orchestration de systèmes, et pas seulement en science des données. Enfin, réévaluez les décisions de construire ou d’acheter (build-versus-buy) ; la faisabilité de créer des systèmes d’IA personnalisés et performants avec des modèles open source plus petits a considérablement augmenté. C’est le cœur de l’IA d’entreprise moderne : passer de la location d’une intelligence générique à la possession de la logique qui crée de la valeur. Chez Thinkia, notre travail sur la conception et le déploiement de systèmes d’IA multi-agents est centré sur ce principe : construire des actifs d’IA défendables grâce à une architecture de workflow intelligente, et non simplement par l’accès au dernier modèle.