Quatre mois, une quinzaine de sorties de premier plan, un tour de table à 122 milliards de dollars et un règlement européen qui vacille. Plutôt que de dérouler la liste des communiqués, nous avons rangé les basculements de l'IA en 2026 en cinq mouvements de fond, avec à chaque fois la seule question qui vaille : qu'est-ce que ça change pour une entreprise qui n'a ni chercheurs ni laboratoire ?
1. La sortie « majeure » n'existe plus
Le 5 février 2026, Anthropic publie Claude Opus 4.6. Le même jour, OpenAI publie GPT-5.3-Codex. Quatorze jours plus tard, Google sort Gemini 3.1 Pro, trois mois seulement après Gemini 3 Pro, en inaugurant au passage une numérotation intermédiaire jamais utilisée jusque-là dans la série. Le 5 mars, OpenAI enchaîne avec GPT-5.4. Le 16 avril, Anthropic répond avec Claude Opus 4.7.
Cinq modèles de tête en dix semaines. L'événement, ce n'est aucun d'entre eux pris isolément : c'est le rythme. Il ne date d'ailleurs pas de 2026 : la synchronisation s'était déjà produite en novembre 2025, quand les trois laboratoires américains ont sorti leur modèle phare en douze jours.
La conséquence est très concrète, et elle a un nom : la dépréciation. Le 9 mars, Google a purement et simplement éteint Gemini 3 Pro Preview dans son API, l'identifiant du modèle pointant désormais vers son successeur. Autrement dit, un intégrateur qui avait câblé son application sur une version précise s'est retrouvé, sans rien demander, à faire tourner autre chose.
Ce que ça change. Une organisation ne choisit plus un modèle, elle choisit un fournisseur et une trajectoire. Si vos automatisations reposent sur un identifiant de modèle écrit en dur quelque part, considérez qu'il a une durée de vie de six mois, et prévoyez le budget de test qui va avec. La bonne pratique n'est plus « trouver le meilleur modèle », c'est « pouvoir en changer sans casser la chaîne ».
2. On ne demande plus une réponse, on confie une tâche
Le trait commun des sorties de février à avril est ailleurs que dans la qualité de rédaction. Opus 4.6 est arrivé avec des « équipes d'agents », un mécanisme qui découpe un travail entre plusieurs agents coordonnés au lieu de le faire traiter en série par un seul. GPT-5.4, le 5 mars, est présenté par OpenAI comme son premier modèle généraliste capable d'utiliser un ordinateur nativement, c'est-à-dire de piloter un logiciel par capture d'écran, souris et clavier ; il établit des records sur les épreuves de référence dédiées, OSWorld-Verified et WebArena-Verified. Fin avril, Mistral ouvre en préversion publique ses Workflows, orientés processus métier plutôt que conversation.
La bascule tient en une phrase : l'unité de travail n'est plus la réponse, c'est la tâche.
Elle déplace aussi la question centrale. Tant qu'une IA rédige un brouillon, le pire scénario est un texte à jeter. Dès qu'elle remplit un formulaire, valide une écriture ou envoie un message, le pire scénario devient un acte de gestion. Les droits d'accès, la traçabilité des décisions et la possibilité d'arrêter net un agent ne sont plus des raffinements d'informaticien : ce sont les conditions d'entrée.
Ce que ça change. Avant d'ouvrir un agent sur vos outils, il faut avoir répondu à trois questions : à quoi a-t-il accès, qu'est-ce qu'il a le droit de déclencher seul, et où retrouve-t-on la trace de ce qu'il a fait. Si le premier réflexe consiste à lui donner les mêmes droits qu'un administrateur pour « voir ce que ça donne », le projet est déjà en dette. Notre article sur par où commencer pour automatiser un process garde ici toute sa valeur : le périmètre se choisit avant l'outil.
3. Les scores explosent et n'aident plus à choisir
Gemini 3.1 Pro a marqué les esprits avec 77,1 % sur ARC-AGI-2, une épreuve de raisonnement abstrait, soit selon Google plus du double de la performance de Gemini 3 Pro trois mois plus tôt. GPT-5.4 revendique de son côté 83 % sur GDPval, l'évaluation maison d'OpenAI sur des tâches de travail intellectuel, et annonce 33 % d'affirmations erronées en moins que GPT-5.2.
Ces chiffres sont impressionnants. Ils sont aussi de moins en moins utiles à un acheteur.
D'abord parce que chaque éditeur met en avant les épreuves où il gagne, et que la moitié d'entre elles sont conçues par lui. Ensuite parce qu'un écart de trois points sur un classement public ne dit rien de ce qui décide réellement d'un déploiement : la tenue sur vos documents à vous, dans votre vocabulaire, avec vos cas tordus. Un modèle qui domine un benchmark de code peut se révéler médiocre sur des devis en français truffés d'abréviations maison.
Ce que ça change. Constituez votre propre jeu d'essai. Trente ou cinquante cas réels issus de vos dossiers, avec la bonne réponse écrite à côté, valent tous les classements du monde. C'est fastidieux à monter une fois, et c'est ce qui permet ensuite de trancher en une demi-journée à chaque nouvelle sortie. Cela vaut d'autant plus que les modèles avalent désormais des dossiers entiers plutôt que des documents isolés, comme nous l'expliquions à propos de ce que change vraiment le contexte long.
💡 Le test qui coûte une demi-journée
Prenez vingt demandes réellement reçues par votre service client le mois dernier, avec la réponse que vous auriez voulu lire. Faites-les traiter par deux modèles concurrents. Vous saurez en une matinée ce qu'aucun comparatif ne vous dira. Si vous n'avez personne pour monter ce banc d'essai, NET&PRO le construit avec vous et vous laisse le protocole.
4. L'ouverture a changé de camp
C'est peut-être le renversement le plus inattendu du trimestre. Le 8 avril, Meta a présenté Muse Spark, premier modèle issu de ses Superintelligence Labs et première rupture assumée avec la lignée Llama : il est propriétaire. L'entreprise qui avait fait de la diffusion libre des poids son étendard, et qui revendique 1,2 milliard de téléchargements cumulés de ses modèles ouverts, ferme la porte au moment où elle repasse devant.
Dans le même temps, la dynamique inverse s'est confirmée ailleurs. Mistral a publié le 16 mars son modèle Small 4, annoncé un partenariat avec NVIDIA autour des modèles ouverts et présenté Leanstral, une base libre destinée à fiabiliser le code écrit avec l'aide d'une IA ; le 23 mars, un modèle de synthèse vocale en poids ouverts a suivi. Et fin avril, DeepSeek a mis en ligne une préversion de sa génération V4 en poids ouverts sous licence MIT.
Ce que ça change. Pour une PME européenne ou marocaine, la question n'est pas idéologique, elle est pratique : un modèle en poids ouverts peut être hébergé chez vous ou chez un prestataire que vous choisissez, ce qui règle d'un coup une bonne partie des sujets de confidentialité et de dépendance. Ce n'est plus un choix par défaut du camp américain. Nous détaillons ce mouvement dans notre article consacré à la vague des modèles ouverts chinois, et la suite de l'année côté américain dans les modèles américains de l'été 2026.
5. Le risque et la règle se sont invités à la même table
Le 7 avril, Anthropic a révélé l'existence de Claude Mythos, un modèle capable de trouver seul des failles de sécurité inédites et d'en écrire l'exploitation, et a annoncé dans la foulée qu'il ne serait pas mis à disposition du public. À la place, le Project Glasswing : un consortium réunissant à son lancement Amazon Web Services, Apple, Cisco, CrowdStrike, Google, JPMorganChase, la Linux Foundation, Microsoft et NVIDIA, avec jusqu'à 100 millions de dollars de crédits d'usage engagés. Neuf jours plus tard, en présentant Opus 4.7, Anthropic a reconnu publiquement que son modèle commercial n'égalait pas celui qu'elle garde sous clé. Nous avions consacré un article entier à cet épisode : quand une IA est jugée trop dangereuse pour être publiée.
Côté européen, le calendrier s'est grippé. Le Conseil a arrêté sa position de négociation le 13 mars sur le paquet de simplification de l'AI Act, le Parlement a adopté la sienne le 26 mars, et les institutions visaient un accord final pour le 28 avril. À l'heure où nous écrivons, il n'est pas conclu. Or c'est ce texte qui doit décider du sort des obligations prévues pour le 2 août 2026.
Ce que ça change. Deux réflexes opposés sont également mauvais. Le premier consiste à se dire que puisque le calendrier bouge, on verra plus tard : les obligations de transparence, elles, ne dépendent d'aucun report, et l'inventaire de vos usages d'IA prendra le même temps dans dix-huit mois. Le second consiste à sur-réagir à chaque annonce. Entre les deux, il y a une position tenable : savoir quels systèmes d'IA tournent chez vous, sur quelles données, et qui en répond. Nous revenons en détail sur l'échéance dans ce que change réellement le 2 août 2026.
Le décor : 122 milliards de dollars en un tour de table
Un chiffre résume la pression qui s'exerce sur tout ce qui précède. Le 31 mars, OpenAI a bouclé une levée de 122 milliards de dollars valorisant l'entreprise 852 milliards, le plus gros tour de table jamais réalisé par une société non cotée, avec SoftBank en chef de file et la participation d'Amazon, de NVIDIA et de Microsoft. La même communication faisait état de plus de 900 millions d'utilisateurs hebdomadaires pour ChatGPT.
Cet argent est la raison pour laquelle les sorties s'enchaînent toutes les trois semaines, et aussi la raison pour laquelle il faut lire les annonces avec un peu de recul : un secteur qui doit justifier de telles valorisations a un intérêt objectif à ce que chaque version paraisse décisive. Nous consacrons un article séparé à l'argent de l'IA en 2026 et à ce que cette mécanique implique.
Ce qu'on retient de ces quatre mois
L'histoire de l'IA est faite d'accélérations brutales et de plateaux, et le début 2026 appartient sans ambiguïté à la première catégorie, comme le rappelle notre chronologie de Turing à ChatGPT. Mais l'accélération technique n'est pas une raison d'accélérer soi-même.
Trois décisions suffisent à traverser cette période sans dommage. Ne rien attacher définitivement à une version de modèle. Décider ce qu'un agent a le droit de faire avant de lui ouvrir un accès. Se doter d'un jeu d'essai maison pour arbitrer soi-même, plutôt que de suivre le dernier classement publié.
Le reste est du bruit de communiqué, et il y en aura d'autres avant la fin de l'année.
