Stratégie et gouvernance de l'IA

Inkling ramène les poids ouverts au contact de la frontière : ce que change un modèle sous Apache 2.0 mesuré par un tiers indépendant

Le 15 juillet 2026, le laboratoire Thinking Machines a publié Inkling, modèle multimodal de 975 milliards de paramètres distribué sous licence Apache 2.0. L’annonce aurait pu s’ajouter au flux continu des sorties de modèles. Un élément la distingue : les performances qui la documentent proviennent d’une évaluation tierce indépendante et non du fournisseur. L’indice d’intelligence d’Artificial Analysis situe Inkling à 41, meilleur score enregistré pour un modèle de poids ouverts issu d’un laboratoire américain, devant Nemotron 3 Ultra à 38, Gemma 4 31B à 29 et gpt-oss-120b à 24.

Pour une entreprise, cette combinaison de licence permissive, de poids téléchargeables et de mesure indépendante rouvre un arbitrage souvent tranché par défaut. Déployer un modèle sur une infrastructure maîtrisée, sans dépendance à une API ni sortie de données vers un tiers, supposait jusqu’ici d’accepter un écart de capacité difficile à justifier auprès des directions métier. L’écart demeure, mais il se réduit et devient mesurable par un tiers plutôt que revendiqué par un vendeur.

Ce qu’est Inkling, et ce que vaut sa mesure

Le modèle repose sur une architecture Mixture-of-Experts de 975 milliards de paramètres totaux dont 41 milliards sont activés par token, pré-entraînée sur 45 000 milliards de tokens de texte, d’images, d’audio et de vidéo. Les entrées multimodales natives en texte, image et audio constituent un élément peu répandu parmi les modèles à poids ouverts. La fenêtre de contexte atteint un million de tokens sur les poids distribués via Hugging Face, tandis que l’API du laboratoire plafonne à 256 000 tokens. La distribution passe également par plusieurs plateformes d’inférence tierces, dont TogetherAI, Fireworks, Modal, Databricks et Baseten. Une variante Inkling-Small, Mixture-of-Experts de 276 milliards de paramètres dont 12 milliards actifs, est annoncée mais ses poids ne sont pas encore publiés. (Source : Thinking Machines)

La nature de la mesure mérite d’être explicitée, car elle constitue le principal apport de ce lancement. Sur l’évaluation agentique GDPval-AA v2, Inkling obtient un score Elo de 1238, devant Kimi K2.6 à 1190 et DeepSeek v4 Flash à 1189. Ces résultats proviennent d’un évaluateur indépendant appliquant un protocole identique à l’ensemble des modèles testés, ce qui les distingue des tableaux comparatifs publiés par les éditeurs eux-mêmes. (Source : Artificial Analysis)

Deux réserves doivent accompagner cette lecture. Thinking Machines positionne lui-même son modèle comme une fondation large et équilibrée plutôt que comme le plus performant du marché, et l’indice de 41 le place effectivement en retrait par rapport aux modèles propriétaires de frontière. La fenêtre de contexte d’un million de tokens n’est par ailleurs accessible qu’en auto-hébergement, ce qui suppose une capacité de calcul et des compétences d’exploitation dont toutes les organisations ne disposent pas. Le gain d’autonomie se paie en charge opérationnelle.

L’efficacité en tokens, un paramètre économique sous-estimé

Un résultat de l’évaluation indépendante mérite une attention particulière parce qu’il se traduit directement en facture. Inkling consomme en moyenne 25 000 tokens de sortie par tâche, quand GLM-5.2 en consomme 43 000 et Kimi K2.6 38 000. À qualité de résultat comparable, cet écart abaisse le coût par tâche d’environ un tiers, indépendamment du tarif affiché par token.

Ce paramètre est régulièrement absent des comparaisons de modèles, qui portent sur le prix par million de tokens et sur les scores de performance. Or le coût réel d’un déploiement dépend du produit des deux : un modèle affiché moins cher au token mais plus bavard en sortie peut revenir plus cher à la tâche. Pour les charges agentiques, où chaque tâche mobilise plusieurs allers-retours de raisonnement et d’usage d’outils, l’écart se cumule rapidement. Toute grille de comparaison interne gagne à intégrer une mesure de consommation moyenne par tâche représentative de l’usage réel, aux côtés du tarif unitaire.

Les annonces chinoises, et ce qu’elles ne permettent pas encore d’évaluer

Deux annonces encadrent ce lancement dans la même semaine, avec un niveau de vérifiabilité nettement inférieur.

Le 16 juillet, Moonshot AI a annoncé Kimi K3, architecture Mixture-of-Experts de 2 800 milliards de paramètres totaux répartis sur 896 experts dont 16 sont activés par token, avec un contexte d’un million de tokens et des entrées multimodales incluant la vidéo. Le laboratoire revendique un mécanisme d’attention propriétaire permettant un décodage jusqu’à 6,3 fois plus rapide sur les contextes longs. Une précision de calendrier est déterminante pour qui envisagerait un déploiement : ce qui a été livré le 16 juillet est l’annonce accompagnée d’une API payante, les poids étant datés du 27 juillet. Au 19 juillet, Kimi K3 est donc un modèle propriétaire accessible par interface, dont l’ouverture est promise sans que la licence soit documentée. Sa tarification marque en outre une hausse d’une génération à l’autre, à 3 dollars par million de tokens en entrée hors cache et 15 dollars en sortie, contre 0,95 et 4 dollars pour Kimi K2.6 ; le tarif de 0,30 dollar en entrée sur cache actif récompense en revanche fortement les architectures à prompt stable. Les comparaisons de performance publiées sont auto-déclarées par l’éditeur et n’ont pas fait l’objet d’une réplication indépendante.

Le 19 juillet, Alibaba a dévoilé Qwen3.8-Max-Preview, annoncé à 2 400 milliards de paramètres, multimodal, avec un contexte d’un million de tokens et une commercialisation en préversion à 10 % du tarif standard. Le dossier est ici plus mince encore. Le modèle reste fermé pendant la préversion, aucun tableau de résultats n’est publié, aucune fiche technique n’étaye le nombre de paramètres annoncé, et le nombre de paramètres actifs par token n’est pas divulgué. Cette dernière omission n’est pas anodine : sur une architecture creuse, c’est cette valeur qui détermine réellement le coût de calcul et la latence, et non le total affiché. En l’état, il s’agit d’un signal de marché à surveiller plutôt que d’une option évaluable.

Un nombre de paramètres élevé, une fenêtre de contexte étendue et une promesse d’ouverture ne constituent pas des éléments d’évaluation tant qu’une licence, une fiche technique et une mesure reproductible ne les accompagnent pas.

En production, l’usage se déporte vers la spécialisation

Une donnée publiée le 16 juillet, à l’occasion d’une levée de 1,505 milliard de dollars par la plateforme d’inférence Fireworks AI, éclaire ce mouvement par l’autre extrémité. Sur cette plateforme, plus de 95 % des tokens servis proviennent de modèles spécialisés sur les données propriétaires des clients, optimisés pour des tâches précises, et non de modèles généralistes de frontière. (Source : Fireworks AI)

Cette mesure appelle des réserves explicites. Elle est interne à la plateforme et n’est pas vérifiable indépendamment, au même titre que le revenu annualisé revendiqué et les volumes de tokens annoncés, qui ne sont pas audités. La mesure porte en outre sur une seule plateforme et sur sa clientèle propre, qui n’est pas représentative de l’ensemble du marché. NVIDIA y est enfin à la fois investisseur et fournisseur, configuration de financement circulaire.

Sous ces réserves, la donnée recoupe le mouvement observé du côté des modèles ouverts et lui donne une contrepartie côté production. Ce qui se déploie réellement à grande échelle relève moins du modèle généraliste le plus capable que du modèle suffisant, ajusté sur des données propres et exploité à coût maîtrisé. Le lancement d’Inkling fournit à cette approche une base de départ dont la capacité est désormais mesurée par un tiers.

Ce que cela change pour les entreprises

Le premier effet porte sur la faisabilité d’un déploiement souverain. La combinaison d’une licence Apache 2.0, de poids complets téléchargeables et d’une multimodalité native rend techniquement praticable une exploitation sur infrastructure maîtrisée, sans transmission de données à un tiers. Pour les organisations soumises à des contraintes de localisation ou de confidentialité, secteurs régulés, professions à secret, traitements de données sensibles, cette option cesse d’imposer un renoncement de capacité difficile à défendre. Elle suppose en contrepartie des compétences d’exploitation et une capacité de calcul qu’il faut évaluer honnêtement avant de s’engager.

Le deuxième effet est économique et concerne toutes les organisations, y compris celles qui resteront sur des API. L’efficacité en tokens devient un critère de comparaison à part entière, distinct du tarif unitaire. Sur des charges agentiques répétitives, où le volume de tâches se compte en milliers par mois, un écart d’un tiers sur la consommation moyenne pèse davantage qu’une différence de tarif affiché.

Le troisième effet est un critère de sélection. La distinction entre un modèle mesuré par un évaluateur indépendant et un modèle documenté par son seul éditeur devient un élément d’instruction de dossier. Cette semaine fournit les deux cas de figure côte à côte : un modèle dont les résultats sont produits par un tiers appliquant un protocole uniforme, et deux modèles dont les performances reposent sur des déclarations non répliquées. L’écart de fiabilité entre ces deux situations justifie un traitement différent dans une grille d’arbitrage.

Ce que cela met à jour dans la Méthode Virtuose

Le chapitre consacré au panorama des modèles distinguait principalement les modèles propriétaires de frontière et les modèles ouverts de capacité intermédiaire, en tenant l’écart de performance pour structurant. Cet écart demeure, mais il devient mesurable de façon indépendante et son ampleur se réduit sur les tâches agentiques. La grille d’arbitrage gagne à intégrer trois critères distincts : la capacité mesurée par un tiers, la consommation moyenne de tokens par tâche, et le régime de licence, ce dernier conditionnant la possibilité même d’un déploiement en propre.

Le volet consacré à l’open source et aux petits modèles spécialisés reçoit pour sa part une confirmation empirique, sous les réserves de source rappelées plus haut. La spécialisation sur données propriétaires ne relève plus d’une hypothèse d’optimisation avancée mais décrit la majorité de l’usage observé sur au moins une plateforme d’inférence de taille significative.

Depuis deux ans, le choix d’un modèle ouvert supposait d’arbitrer contre la capacité, sur des chiffres fournis par les éditeurs eux-mêmes. Le lancement d’Inkling fait entrer une mesure tierce dans cette évaluation. La question utile pour une direction technique devient alors de déterminer quel niveau de capacité ses cas d’usage exigent réellement.

La plateforme de référence pour l'industrialisation de l'IA en entreprise. Nous transformons l'innovation technologique en performance durable.