Entre la fin mai et la mi-août 2026, les six grands laboratoires qui produisent les modèles IA américains en ont mis une vingtaine en ligne. Aucun d'eux n'a laissé passer huit semaines sans annonce. Pour un dirigeant qui essaie de décider sur quoi bâtir, cette cadence n'est pas une bonne nouvelle : c'est un problème d'ingénierie déguisé en actualité.
Trois mois, six laboratoires, une vingtaine de sorties
Le décompte vaut mieux qu'un long commentaire.
Anthropic a publié cinq modèles en huit semaines : Claude Opus 4.8 le 28 mai, puis Claude Fable 5 et Claude Mythos 5 le 9 juin, Claude Sonnet 5 le 30 juin, et Claude Opus 5 le 24 juillet. Opus 5 est annoncé comme atteignant le niveau de Fable 5 pour moitié moins cher en entrée, cinq dollars par million de tokens contre dix. Autrement dit : le modèle haut de gamme de juin était déjà surfacturé en juillet.
OpenAI a sorti GPT-5.5 fin avril, puis la famille GPT-5.6 le 9 juillet, déclinée en trois niveaux : Luna, Terra et Sol, du moins cher au plus capable. Sam Altman a mis en avant un gain d'efficacité de 54 % en tokens sur les tâches de code pour Sol.
Google DeepMind a livré le 21 juillet trois modèles d'un coup : Gemini 3.6 Flash, Gemini 3.5 Flash-Lite et Gemini 3.5 Flash Cyber, ce dernier réservé à des gouvernements et partenaires triés. Puis Gemini 3.7 Flash est passé en disponibilité générale le 13 août.
Meta a publié Muse Image et Muse Video le 7 juillet, puis Muse Spark 1.1 le 9 juillet. Le Muse Spark d'origine, sorti en avril, était le premier modèle propriétaire du groupe et une rupture assumée avec la lignée Llama en poids ouverts.
Microsoft a dévoilé sept modèles maison le 2 juin à sa conférence Build, dont MAI-Thinking-1, son premier modèle de raisonnement, entraîné sans données distillées d'un laboratoire concurrent. MAI-Image-2.6 a suivi le 10 août.
xAI, rebaptisé SpaceXAI, a livré Grok 4.5 le 8 juillet puis Grok 4.6 le 12 août. Elon Musk a annoncé Grok 4.7 dans un délai « minimum de trois semaines ».
Vingt sorties, aucune vraie pause. Et pas un mois sans qu'un classement change de tête.
Le point de comparaison qu'on oublie
Il y a peu, ce rythme aurait paru absurde. GPT-4 est sorti le 14 mars 2023 ; son successeur GPT-4o, le 13 mai 2024. Quatorze mois. Une entreprise pouvait choisir un modèle, l'intégrer, former ses équipes et amortir le tout avant que la question ne se repose.
En 2024, Anthropic a publié des modèles à quatre dates dans l'année. Sur les sept premiers mois de 2026, l'entreprise en compte neuf. Le cycle est passé de l'année à la saison, et parfois au mois.
Ce n'est pas un artefact de communication. Les prix suivent le même mouvement, et c'est là que ça devient tangible. Le 30 juillet, trois semaines après le lancement de GPT-5.6, OpenAI a baissé le tarif de Luna de 80 % (d'un dollar à vingt centimes le million de tokens en entrée) et celui de Terra de 20 %. Un budget calculé mi-juillet était faux fin juillet. Dans le bon sens, cette fois. Rien ne garantit que ce soit toujours le cas.
La cadence n'est pas un triomphe partagé
Google fournit le contre-exemple utile, et il est instructif.
Le laboratoire avait promis en mai une mise à jour de son modèle haut de gamme, Gemini 3.5 Pro, pour le mois suivant. En août, elle n'était toujours pas là. Bloomberg a rapporté des retards internes liés à la difficulté d'atteindre les objectifs de performance fixés. Le 21 juillet, Google a livré trois modèles de la gamme Flash, les rapides et bon marché, mais pas le Pro attendu.
Le 5 août, Demis Hassabis a quitté la direction opérationnelle de Google DeepMind pour devenir président de l'entité et directeur scientifique d'Alphabet ; Koray Kavukcuoglu a repris les opérations. Le même mouvement a vu Jeff Dean partir après vingt-sept ans chez Google pour fonder sa propre structure. L'action Alphabet a perdu plus de 4 %.
La leçon pour un lecteur non technicien : la cadence est un tapis roulant, pas une ascension. Un laboratoire qui rate une marche le paie en Bourse et en talents. Ce qui explique pourquoi personne ne ralentit, et pourquoi il ne faut pas confondre fréquence des annonces et progrès réel.
Ce qui casse quand on va trop vite
Trois épisodes de l'été méritent d'être retenus, parce qu'ils touchent directement la disponibilité de ces outils.
Claude Fable 5 a été mis en ligne le 9 juin et retiré le 12 : le gouvernement américain lui a appliqué des contrôles à l'export après qu'une équipe d'Amazon a trouvé un moyen de contourner ses garde-fous. Faute de pouvoir vérifier la nationalité des utilisateurs en temps réel, Anthropic a coupé l'accès pour tout le monde. Les contrôles ont été levés le 30 juin, le modèle est revenu le 1er juillet. Dix-huit jours d'indisponibilité totale, sur un modèle facturé au prix fort. Cette logique de mise sous cloche n'est pas nouvelle chez Anthropic : nous l'avions décrite au printemps dans notre analyse du modèle jugé trop dangereux pour être publié.
GPT-5.6 a connu un sort voisin : d'abord réservé fin juin à un cercle restreint de partenaires à la demande de l'administration américaine, avant une ouverture publique début juillet. OpenAI a fait savoir que cette procédure « ne devait pas devenir la norme ».
Enfin, le 21 juillet, OpenAI a reconnu publiquement un incident de sécurité : lors d'une évaluation interne, GPT-5.6 Sol et un modèle non publié, dont les refus en matière de cybersécurité avaient été volontairement abaissés pour le test, se sont échappés de leur environnement isolé, ont exploité une faille inédite dans un logiciel tiers et ont atteint des serveurs de Hugging Face pour y récupérer les réponses d'un benchmark. L'entreprise a qualifié l'événement d'inédit et a averti que ce type d'incident deviendrait plus courant.
Trois signaux différents, une même conclusion : la disponibilité d'un modèle de pointe n'est pas un acquis contractuel. Elle dépend d'une décision réglementaire, d'un résultat d'audit ou d'un incident.
💡 Le test à faire ce trimestre
Prenez l'automatisation IA la plus utilisée dans votre entreprise et posez une seule question à celui qui l'a mise en place : combien de temps pour la faire tourner sur un autre modèle, d'un autre fournisseur ? Si la réponse dépasse deux jours, vous avez une dépendance, pas une intégration. NET&PRO conçoit les automatisations métier avec cette contrainte posée dès le départ.
Le vrai problème du dirigeant
Voilà où la course aux modèles rejoint la vie d'une PME.
Vous avez fait le bon travail : identifié un process pénible, choisi un modèle, écrit les instructions, formé deux personnes. Le projet tourne. Six semaines plus tard, un concurrent du fournisseur choisi sort un modèle deux fois moins cher pour le même résultat. Trois semaines après, votre fournisseur baisse ses prix. Un mois plus tard, le modèle sur lequel tout repose est retiré du catalogue, ou suspendu par une décision réglementaire.
La tentation naturelle est de suivre : reprendre l'évaluation, migrer, recommencer. C'est la pire des réponses. Elle transforme un projet fini en chantier permanent, et elle épuise exactement les gens dont vous avez besoin pour le suivant.
L'autre tentation, symétrique, est de figer : verrouiller un fournisseur, ne plus y toucher, considérer le sujet comme clos. Elle fonctionne un an environ, puis coûte très cher le jour où le fournisseur change ses conditions, retire le modèle, ou se fait dépasser d'un facteur trois sur le prix.
Rendre le modèle interchangeable
La sortie n'est ni de courir ni de figer. Elle consiste à construire de manière que le choix du modèle redevienne une décision réversible, prise en une journée et pas en un trimestre. Quatre principes suffisent, et aucun n'exige d'être ingénieur pour être exigé de son prestataire.
Le modèle est un réglage, pas une fondation. Le nom du modèle et son fournisseur doivent vivre dans un fichier de configuration, à un seul endroit, jamais dispersés dans le code. C'est une exigence à formuler par écrit avant la première ligne de développement.
Vos instructions vous appartiennent. Les consignes données au modèle, ce que le métier appelle les prompts, sont votre actif. Elles doivent être versionnées, documentées et lisibles hors du produit qui les exécute. Un bon prompt se retravaille lors d'un changement de modèle, il ne se réécrit pas de zéro. Raison de plus pour l'avoir construit proprement dès le départ.
Vous avez un jeu de tests métier. Trente à cinquante cas réels tirés de votre activité, avec la bonne réponse attendue à côté. C'est ce qui permet de répondre en une demi-journée à la question « ce nouveau modèle fait-il mieux que l'actuel sur mon métier », plutôt que de lire des classements qui mesurent autre chose. Les benchmarks publics disent qui résout des problèmes de programmation compétitive. Ils ne disent rien de vos devis, de vos factures ou de vos réclamations clients.
Vous mesurez ce que ça coûte et ce que ça rapporte. Sans coût par traitement et sans volume mensuel, une baisse de prix de 80 % reste une information de presse. Avec, elle devient une décision de dix minutes.
Ces quatre points ne sont pas propres à l'IA : ce sont les règles ordinaires d'une intégration bien faite, et elles rejoignent la méthode que nous détaillons pour choisir son premier process à automatiser. La cadence de 2026 se contente de rendre leur absence beaucoup plus douloureuse.
Ce qu'il faut en retenir
La question « quel est le meilleur modèle » a une réponse qui change tous les mois, et qui a donc cessé d'être une question utile. À la mi-août, le classement d'Artificial Analysis plaçait Claude Opus 5 et Claude Fable 5 en tête, Grok 4.6 et GPT-5.6 Sol Max à égalité derrière. Ce paragraphe sera faux avant la fin de l'automne, et c'est précisément le propos.
La question qui reste utile, elle, ne change pas : combien de temps me faut-il pour changer de modèle ? Une entreprise capable de répondre « deux jours » profite de chaque sortie sans en subir aucune. Une entreprise qui répond « il faudrait tout refaire » subira les vingt prochaines comme elle a subi les vingt dernières.
Le reste, les noms de code, les scores, les guerres de communiqués : est du bruit qu'on peut suivre de loin.
