Avant, on construisait une IA par tâche : un système pour traduire, un autre pour résumer, un troisième pour classer. Chacun exigeait ses données, son entraînement, son équipe. Un modèle de fondation renverse cette logique : on entraîne un seul système généraliste, extrêmement coûteux, puis on l'adapte à mille usages. C'est la différence entre construire une maison par pièce et couler des fondations sur lesquelles tout le monde bâtit.
Le terme revient partout, souvent sans définition. Il désigne pourtant l'idée qui structure toute l'économie actuelle de l'IA.
La définition
Un modèle de fondation est un modèle entraîné à très grande échelle sur des données très diverses, sans tâche précise en tête, et qui sert ensuite de base à de nombreuses applications.
Trois caractéristiques le définissent. Il est généraliste : on ne l'a pas entraîné pour traduire, il a appris le langage. Il est adaptable : on peut le spécialiser par instruction, par RAG ou par fine-tuning. Et il présente des capacités émergentes : il sait faire des choses qu'on ne lui a pas explicitement enseignées, comme nous l'expliquions dans notre article sur les LLM.
Pourquoi ça a tout changé économiquement
Voici le point vraiment intéressant, parce qu'il explique la forme du marché.
Entraîner un modèle de fondation coûte extraordinairement cher : des mois de calcul sur des dizaines de milliers de puces, comme nous l'avons décrit dans notre article sur les deux coûts de l'IA. Ce coût est fixe et concentré.
En revanche, adapter ce modèle à une tâche coûte très peu. Écrire un bon prompt ne coûte rien, brancher un RAG coûte modestement, un fine-tuning léger reste accessible.
Cette asymétrie produit une structure de marché très particulière : une poignée d'acteurs capables de payer les fondations, et des milliers d'entreprises qui construisent dessus. C'est pourquoi le secteur est à la fois extrêmement concentré au niveau des modèles et extrêmement ouvert au niveau des applications.
La conséquence pratique est importante : construire son propre modèle de fondation n'a de sens pour presque personne. Le calcul est simple, et il est écrasant. Ce qui a du sens, c'est de bien choisir sur quelle fondation bâtir, de savoir en changer, et de concentrer ses efforts sur ce qui vous est propre : vos données, votre interface, votre compréhension du métier. C'est exactement la recommandation que nous formulions dans notre guide de choix : ne choisissez pas un modèle, choisissez une architecture qui permet d'en changer.
La fragilité de cette structure
Ce modèle économique repose sur une hypothèse : que les fondations restent chères et rares. Or plusieurs mouvements la fragilisent.
Les modèles à poids ouverts rendent des fondations de qualité disponibles gratuitement. Les prix des API s'effondrent. Et des modèles plus petits, comme celui que Meta a publié pour tourner sur une seule carte graphique, rendent accessible ce qui exigeait hier une infrastructure.
Si les fondations deviennent abondantes, la valeur se déplace entièrement vers ce qu'on construit dessus. C'est déjà en train d'arriver, et cela explique pourquoi les acteurs les mieux valorisés ne sont plus nécessairement ceux qui ont le meilleur modèle, mais ceux qui possèdent la relation avec l'utilisateur.
Ce qu'il faut retenir
Le concept de modèle de fondation explique à peu près tout ce qui vous semble étrange dans ce secteur : pourquoi si peu d'entreprises comptent, pourquoi elles brûlent tant d'argent, pourquoi tout le monde construit sur les mêmes briques, et pourquoi la moindre décision d'un fournisseur affecte des milliers de produits en aval.
C'est aussi ce qui rend la question de la dépendance si centrale. Quand tout un écosystème repose sur quelques fondations détenues par quelques acteurs, la solidité de l'ensemble dépend de choix que personne d'autre ne contrôle.