Les entreprises américaines se tournent de plus en plus vers des solutions d’IA au-delà des États-Unis. À mesure que les modèles chinois à poids ouverts comblent l’écart avec leurs équivalents américains à source fermée, un nombre croissant d’entreprises se montrent plus favorables à des alternatives chinoises — et de nouvelles données sur les dépenses suggèrent que ce mouvement, encore modeste, est en cours.

L’attrait est simple. « Open weight » signifie que les paramètres sous-jacents d’un modèle sont publiés afin que chacun puisse les télécharger, ce qui permet aux entreprises d’exécuter ces systèmes sur leur propre infrastructure ou via des plateformes tierces plutôt que de dépendre de l’API d’un seul fournisseur. Cela offre aux entreprises davantage de possibilités d’ajuster finement les systèmes d’IA, réduit fortement les coûts de déploiement et donne généralement plus de contrôle aux organisations, notamment une meilleure assurance que leurs données ne serviront pas à entraîner des produits potentiellement concurrents. Même si Anthropic et OpenAI dominent toujours la manière dont les entreprises américaines achètent de l’IA, les chiffres indiquent une évolution à la marge.

Selon le dernier AI Index de Ramp — la société de gestion des dépenses suit les achats de tokens et d’abonnements dans sa base de clients professionnels, offrant un aperçu inhabituellement direct de la façon dont les entreprises paient réellement l’IA — la part des entreprises qui paient pour des plateformes de mise à disposition de modèles, lesquelles donnent accès à des modèles open source et développés en Chine, est passée à 6,1 % de l’ensemble des entreprises dépensant pour l’IA en juillet, contre 4,5 % en janvier 2026.

Cette évolution pourrait refléter un intérêt croissant des entreprises pour des modèles à poids ouverts tels que Kimi K3 de Moonshot, qui avait marqué les esprits à sa sortie en étant à la fois un modèle à poids ouverts d’une taille inhabituelle et un modèle dont les performances en codage et en agentique se rapprochaient de celles des principaux systèmes propriétaires.

Z.AI, un autre laboratoire chinois d’IA, a confirmé cette semaine avoir développé Ox Alpha, un modèle jusque-là anonyme qui obtenait de bons résultats sur les benchmarks d’IA et a suscité des avis enthousiastes de développeurs d’IA au cours du week-end. L’entreprise l’a rebaptisé GLM-5.3-Flash et a indiqué qu’elle facturerait $0.15 par million de tokens d’entrée et $0.50 par million de tokens de sortie — une autre offre chinoise agressivement tarifée dans un marché où DeepSeek et Moonshot ont déjà exercé une pression sur les prix de leurs concurrents. Z.ai serait également proche de lancer une version plus grande de GLM-5.3 que beaucoup estiment capable de rivaliser avec certains des meilleurs modèles d’Anthropic et d’OpenAI en matière de cybercapacités, un événement potentiellement décisif que beaucoup craignent de voir ouvrir une nouvelle ère de cyberattaques pilotées par l’IA, pour lesquelles le secteur est très mal préparé.

La Chine est désormais clairement en tête dans la course aux modèles ouverts. Par exemple, Hugging Face a constaté que, presque chaque mois de 2026, le modèle ouvert le plus grand et le plus performant provenait d’un laboratoire chinois, tandis que les challengers américains les plus notables de ces derniers mois venaient de Thinking Machines Lab et, plus récemment, de Meta. Mais ces lancements américains n’ont généralement pas égalé l’échelle de Kimi K3 ni son attrait auprès des développeurs.

Alex Brunicki, associé chez Backed VC, m’a indiqué qu’il observe déjà une évolution dans la manière dont les entreprises abordent les modèles open source.

« Nous avons vu beaucoup d’entreprises… développer des modèles de fondation spécifiques à leur secteur en utilisant des modèles open source, puis les affiner sur des ensembles de données très particuliers », a-t-il déclaré. « Elles n’utilisent pas nécessairement les modèles de pointe pour tous leurs travaux. Elles utilisent en réalité ces modèles open source, qui sont gratuits à utiliser. »

Au moins deux organisations établies ont récemment annoncé publiquement avoir adopté l’open source pour certaines parties de leur activité. Thomson Reuters a indiqué cette semaine avoir construit un modèle interne, appelé Thomson-1, fondé sur Snowdon, un système développé par l’entreprise en adaptant le modèle Qwen open source d’Alibaba.

Le modèle prendra en charge des tâches de revue documentaire qui passaient auparavant par Claude. Dans le cadre de cette annonce, le directeur technique Joel Hron a déclaré que les entreprises n’ont pas besoin de modèles toujours plus grands et plus coûteux pour obtenir des résultats utiles, et que partir d’une base ouverte solide puis la spécialiser en profondeur peut produire une IA performante à moindre coût.

Harvey, la société de legal tech soutenue par OpenAI, Sequoia et Andreessen Horowitz, a également annoncé récemment que son nouveau modèle, Harvey Tenet, avait été post-entraîné sur Kimi K3 à poids ouverts de Moonshot AI et qu’il surpassait à la fois son modèle de base et des systèmes américains de pointe, dont Fable 5 et GPT-5.6 Sol, sur des tâches agentiques juridiques complexes. Harvey avait auparavant construit son produit en personnalisant des modèles fermés d’Anthropic, OpenAI et Google.

L’économiste en chef de Ramp, Ara Kharazian, a écrit que la croissance récente de l’open source n’avait pas encore directement réduit les dépenses consacrées à OpenAI ou Anthropic. Les nouveaux acheteurs d’IA continuent de choisir les laboratoires américains établis ; par exemple, Anthropic a gagné le plus de terrain parmi les entreprises en juillet, en hausse de 1.1 point à 43.5 % de part de marché, et OpenAI a progressé de seulement 0.23 point à 39.7 %.

Cependant, Fable 5 d’Anthropic, considéré comme le modèle le plus avancé du marché — au point que le gouvernement américain en a brièvement suspendu l’accès à l’étranger pour des raisons de sécurité nationale — n’a représenté que 6 % des tokens achetés par les entreprises à Anthropic et 11.4 % des dépenses totales consacrées aux modèles Anthropic, malgré un prix d’environ $10 par million de tokens, soit deux fois le coût de GPT-5.6 Sol d’OpenAI.

Ce modèle représente, à titre de comparaison, 25 % des tokens d’OpenAI et 23 % de ses dépenses. Kharazian estime que Fable 5 a en pratique trouvé le plafond du marché, et que les entreprises ne sont pas disposées à payer un supplément pour le meilleur modèle du marché lorsqu’un modèle moins cher suffit.

Pris ensemble, ces éléments peuvent suggérer que les laboratoires américains de pointe ont atteint la limite de ce que les clients sont prêts à payer pour le modèle le plus récent et le plus coûteux, et que l’open source ne fait que combler cet espace.

Et maintenant, voici d’autres informations sur l’IA.

Beatrice Nolan beatrice.nolan@fortune.com @beafreyanolan

Cette histoire a été initialement publiée sur Fortune.com