La nouvelle ère des modèles frontier — fragmentation, science et le pari de Google

Il y a ceux qui verrouillent. Ceux qui ouvrent. Et puis il y a Google.

Dans le grand débat qui agite l'industrie depuis l'arrêt de Fable 5, une voix manque singulièrement à l'appel — ou plutôt, une voix qu'on écoute mal. Google n'est pas en retard, quoi qu'en disent les headlines. Google joue une autre partie. Et comprendre cette partie, c'est comprendre peut-être où va le monde des modèles frontier dans les dix-huit mois qui viennent.

Le contre-récit Google/Demis

Commençons par tuer le narratif dominant : Google n'a pas loupé le coche. C'est une lecture superficielle de l'histoire. Ce qui se passe chez Google n'est pas le signe d'un géant endormi qu'on aurait réveillé trop tard. C'est le résultat cohérent de la vision de Demis Hassabis, qui a toujours préféré plus de science et moins de produit.

Regardez les preuves, pas les headlines.

Gemini 3.5 Pro est sorti avec un contexte record de 2 millions de tokens. Ce n'est pas un move de rattrapage. C'est le move de quelqu'un qui mise sur des capacités structurelles — longueur de contexte, raisonnement profond, fiabilité — plutôt que sur la course aux démos tape-à-l'œil. Pendant que d'autres optimisent le time-to-first-token, Google optimise la robustesse.

Le pari de Demis, c'est le pari de la qualité contre la vitesse. Google peut se permettre de prendre son temps parce qu'il a déjà la distribution : Search, Android, Cloud, Gmail, YouTube, Chrome, tout l'écosystème. Pas besoin de brusquer un lancement quand vos modèles s'intègrent déjà à des milliards d'utilisateurs quotidiens.

Mais le vrai pari est plus profond. Hassabis vient de DeepMind — c'est un scientifique avant tout. Il n'a jamais été dans la course aux lancements spectaculaires. Quand OpenAI enchaînait les GPT, DeepMind publiait des papers sur AlphaFold, sur le repliement des protéines, sur des problèmes que personne d'autre n'attaquait. La science, pas le show.

Les benchmarks de Gemini 3.5 Pro le confirment : il est compétitif sur les tâches de raisonnement long, de compréhension contextuelle profonde, de planification — exactement les domaines où la science compte plus que l'échelle brute. Et si l'AGI se fait par l'architecture, le raisonnement et les données structurées plutôt que par le scale pur, Google est extraordinairement bien placé.

C'est une thèse, pas une certitude. Mais c'est une thèse qu'on aurait tort d'ignorer.

Le nouveau paysage : triple polarisation

En attendant que le pari de Google porte ses fruits — ou non — le paysage des modèles s'est structuré autour de trois pôles distincts, irréconciliables.

Pôle 1 : les modèles verrouillés. GPT-5.6, Fable 5 (suspendu), Mythos. Accès filtré par le gouvernement américain. Partenaires triés sur le volet. Cas d'usage approuvés. C'est le modèle du contrôle total — une infrastructure cognitive dont l'accès est devenu une prérogative d'État. La cybersécurité et la défense en sont les premiers clients. Le grand public ? On verra plus tard.

Pôle 2 : les modèles semi-ouverts. Gemini, Claude Opus et Sonnet. Disponibles commercialement, mais contrôlés par l'entreprise, pas par l'État. Les garde-fous sont ceux d'Anthropic, de Google — pas ceux du Pentagone. C'est le marché des entreprises et des développeurs qui veulent de la puissance sans dépendre d'une bureaucratie gouvernementale. C'est aussi le plus gros marché, aujourd'hui.

Pôle 3 : l'open weight. DeepSeek V4, Qwen 3.5, Mistral, Llama, Gemma. Les poids sont libres, la performance aussi — enfin, presque. 90 % des capacités frontier pour 10 % du prix. Mais sans garde-fous, sans garantie, sans infrastructure. Et avec une question qui fâche : remplacer un gatekeeper américain par un chinois, c'est vraiment mieux ?

Cette triple polarisation n'est pas un équilibre. C'est un champ de tensions.

Sakana Fugu : la voie de l'orchestration

Au milieu de ce champ de mines, un acteur japonais propose une troisième voie qui n'en est pas vraiment une. Sakana AI a dévoilé Fugu le 22 juin — pas un modèle, un système d'orchestration multi-modèles. Fugu ne rivalise pas avec GPT-5.6 sur un benchmark isolé. Il combine les forces de plusieurs modèles, les sélectionne dynamiquement selon la tâche, et offre une couverture contre le blackout d'un fournisseur unique.

L'idée est élégante : plutôt que de miser sur le meilleur modèle (un pari risqué dans un environnement verrouillable), on mise sur la diversité. Fugu Mini pour la latence, Fugu Ultra pour la puissance. Et si Meta coupe Llama, si DeepSeek se fait censurer par Pékin, si Google ferme Gemma — Fugu bascule vers une autre source.

C'est une philosophie radicalement différente de la quête du modèle unique supérieur. Sakana ne cherche pas à battre GPT-5.6 sur le prochain benchmark. Il cherche à rendre la question du benchmark caduque en rendant le système résilient par construction.

C'est peut-être ça, le vrai futur : pas un modèle qui domine tout, mais une orchestration qui combine tout.

La fragmentation est-elle durable ?

C'est la question que personne ne peut vraiment trancher aujourd'hui.

D'un côté, la fragmentation a des vertus évidentes. Elle empêche qu'un seul acteur — ou un seul gouvernement — contrôle l'accès à l'intelligence artificielle. Elle permet l'expérimentation, la diversité, la redondance. C'est un rempart contre le verrouillage total.

De l'autre, la fragmentation a un coût. Les équipes doivent maintenir des piles techniques multiples, jongler entre des API incompatibles, gérer des comportements incohérents d'un modèle à l'autre. Et surtout : personne n'atteint une masse critique suffisante pour financer la prochaine génération.

Le marché est-il trop petit pour supporter autant de concurrents ? Ou la demande est-elle assez diverse pour que chacun trouve sa niche ? Les investisseurs parient sur la consolidation — les startups, sur la diversité. L'histoire dira qui avait raison.

Le paradoxe de la régulation

Le verrouillage américain de GPT-5.6 crée un précédent dont tout le monde mesure mal les conséquences.

L'UE prépare son AI Act — mais dans quelle direction ? Si Bruxelles copie la logique américaine, on se dirige vers un monde où chaque puissance impose son contrôle sur ses modèles nationaux. Les États-Unis verrouillent les leurs. L'Europe régule les siens. La Chine garde les siens sous contrôle d'État. Et les modèles ouverts deviennent soit des anomalies, soit des chevaux de Troie.

Le paradoxe est cruel : - Trop de régulation → les modèles avancent sous contrôle gouvernemental, dans l'opacité la plus totale. Personne ne sait ce que les modèles du Pentagone peuvent vraiment faire, ni comment ils sont alignés. - Trop peu → course à la puissance sans filet. Personne n'a de plan pour le moment où un modèle frontier fait quelque chose d'irréversible.

L'équilibre est instable. Et personne, vraiment, n'a de plan pour le stabiliser.

Le vrai saut : architecture ou échelle ?

C'est peut-être la question la plus importante de cette prospective. Le saut qualitatif entre Fable 5 et GPT-5.6 est réel, mais il est marginal par rapport aux bonds précédents. On est dans la phase où tout le monde court — mais personne ne sait exactement vers quoi.

Deux visions s'affrontent.

La vision échelle : le prochain bond viendra d'un encodeur plus gros, d'un contexte plus long, de plus de données et de plus de calcul. C'est la thèse de ceux qui croient que l'AGI est une question de ressources brutes. Si c'est ça, les modèles verrouillés (avec leurs clusters étatiques) ont un avantage décisif.

La vision architecture : le prochain bond viendra d'un nouveau paradigme — des modèles de raisonnement pur (chain-of-thought longue), une meilleure compréhension causale, des architectures qui ne ressemblent plus au transformer classique. C'est la thèse de Demis, de Yann LeCun, de ceux qui croient que le scale est nécessaire mais pas suffisant. Si c'est ça, Google et DeepMind peuvent faire la différence.

Entre les deux, un maquis de modèles spécialisés qui fragmentent l'approche généraliste : des modèles médecins, des modèles codeurs, des modèles mathématiciens. La spécialisation contre la généralité — une autre tension qui n'est pas près de se résoudre.

Les nouveaux entrants : la revanche des non-US

Le verrouillage américain a un effet secondaire que Washington n'avait probablement pas anticipé : il accélère la construction d'alternatives souveraines partout dans le monde.

Le Japon n'attend pas l'Europe. Sakana AI en est le symbole le plus visible, mais le mouvement est plus large. Des consortiums industriels japonais travaillent sur des modèles entraînés spécifiquement sur des données japonaises — culture, droit, médecine — avec des architectures qui ne sont pas des copies des transformers américains. Le Japon joue la carte de la différence, pas du rattrapage.

La Chine, bien sûr, continue sur sa lancée. DeepSeek V4 n'est que l'arbre qui cache une forêt de modèles spécialisés, d'infrastructures dédiées, de clusters étatiques. Pékin ne verrouille pas ses modèles à l'américaine — il les libère sous licence MIT, ce qui est une forme de verrouillage plus subtile : vous êtes libres d'utiliser nos modèles, et nous sommes libres de savoir tout ce que vous en faites.

L'Europe, comme toujours, regarde, hésite, forme des comités. Mais les signaux sont là : OVHcloud, Mistral, des initiatives allemandes et nordiques. L'open weight permet à l'Europe de ne pas repartir de zéro — et c'est peut-être, paradoxalement, ce qui lui donne une chance.

Ces trois pôles non-US construisent un monde où le duopole américain (verrouillé d'un côté, semi-ouvert de l'autre) n'est plus la seule option. C'est une fragmentation productive. Pour combien de temps ?

Et après ?

Si on devait hasarder une prédiction — et c'est le propre de la prospective que de hasarder — la voici : dans douze mois, le paysage sera à la fois plus concentré et plus fragmenté.

Plus concentré parce que le verrouillage américain va s'étendre. L'AI Act européen, dans sa version finalisée, risque de créer un système de licence qui ressemblera au contrôle américain. On se dirige vers un monde où les modèles frontier sont des infrastructures critiques, pas des produits — et les infrastructures critiques, on ne les laisse pas aux mains du marché.

Plus fragmenté parce que la contre-réaction est inévitable. L'open weight, les modèles spécialisés, les orchestrateurs comme Sakana — tout cela existe parce que la concentration crée son propre antidote. Chaque verrouillage génère son échappatoire.

Entre les deux, Google avance à son rythme. Pas en retard. Pas en avance. À un rythme qui n'est pas celui de la course, mais celui de la science.

On verra bien lequel des deux mène quelque part.

Dans le prochain épisode : On regarde le paysage dans le rétroviseur — ce que ces six articles racontent de 2026 et de la bifurcation qu'on est en train de vivre.