/cas d’usage
Changement de modèle d’IA
Un nouveau modèle jugé sur vos cas déjà traités, puis mis en service à côté de l’ancien.
Le changement de modèle d’IA remplace le modèle de langage (LLM) ou prédictif d’une application par un modèle plus récent, plus léger ou installé chez vous. Selon le PEReN, à matériel égal, la consommation des processeurs graphiques varie du simple au quadruple ou au quintuple selon le modèle de langage. En janvier 2027, le règlement européen sur les données (Data Act) rendra sans frais le changement de fournisseur cloud.
/usages
Des modèles d’IA remplacés pour leur coût, leur hébergement ou leur retard.
Une application d’IA s’appuie sur un modèle : un grand modèle de langage pour un assistant, un modèle prédictif pour une prévision ou un score. Le changement ne touche que ce composant : les données, les écrans et les règles de gestion de l’application restent en place.
IA générative et modèles de langageApprentissage automatique
- Version plus récente Passe à la génération suivante d’un modèle de langage, soumise aux mêmes essais qu’un modèle inconnu.
- Modèle hébergé chez vous Remplace un modèle appelé par interface de programmation (API) par un modèle ouvert installé sur vos serveurs.
- Modèle plus léger Confie un classement, une extraction ou une prévision à un modèle d’apprentissage automatique (Machine Learning) plus simple, quand la tâche le permet.
- Fonction d’éditeur Met la fonction d’IA d’un logiciel du marché à l’épreuve d’un développement propre, sur les mêmes cas.
/fonctionnement
Une comparaison des modèles d’IA sur des cas à l’issue connue.
L’échantillon de référence rassemble des cas déjà traités par vos équipes : réponses validées, champs extraits, catégories, valeurs constatées. Le modèle en place sert d’étalon : un candidat ne le remplace que s’il fait au moins aussi bien sur ces cas, pour un coût ou un hébergement plus favorable. Vos experts tranchent les écarts : la décision reste humaine.
- ÉchantillonVos experts y mêlent cas courants, cas rares et cas que le modèle en place traite mal.
- PassageChaque candidat reçoit les mêmes consignes (prompts), documents et données que le modèle en place.
- NotationUne étiquette ou un chiffre se note automatiquement ; un texte est relu par vos experts, parfois aidés d’un second modèle.
- BilanJustesse, coût par requête, délai de réponse et cas manqués se comparent modèle par modèle.
/prérequis
Des cas annotés, des volumes relevés, des modèles interchangeables.
Les modèles de langage accessibles par API se facturent au jeton (token), un mot ou un fragment de mot : leur coût suit le nombre de requêtes et la longueur des textes échangés.
- Des cas déjà traités Fournissent la matière de l’échantillon, à condition que le résultat validé soit conservé avec chacun.
- Des volumes relevés Chiffrent la consommation de jetons de l’application en service, base de toute comparaison de coûts.
- Un accès découplé Sépare l’application des modèles qu’elle appelle, pour changer de modèle sans la réécrire.
- Une infrastructure commune Héberge les modèles de plusieurs projets et rend chaque projet suivant moins coûteux.
43 % des entreprises utilisant l’IA craignent pour leurs données (10 salariés ou plus).
/sur le terrain
Un choix de modèle tranché entre coût, maîtrise et dépendance.
Démarrer sur une API tierce repousse l’investissement en infrastructure et réduit la dépense de départ. Un modèle hébergé chez vous pèse surtout par son coût d’infrastructure, qui court dès la mise en service.
Un nouveau modèle peut laisser passer des cas que l’ancien dispositif repérait. Pour certains usages, un système à règles reste moins coûteux et plus maîtrisable qu’un modèle de langage. L’ajustement du modèle sur vos données (fine-tuning) s’envisage dans un second temps, une fois le modèle retenu.
- Des coûts réduits grâce à un modèle plus léger, à l’entraînement comme en production
- Une confidentialité mieux tenue grâce à un modèle hébergé chez vous
- Une dépendance moindre par la mise en concurrence de plusieurs fournisseurs de modèles
/cadre
Des textes qui suivent le modèle, son usage et son hébergement.
Un changement de modèle s’examine au regard du règlement (UE) 2024/1689 sur l’intelligence artificielle et des recommandations de l’ANSSI. Dans le secteur financier, l’ACPR range depuis 2020 la validation initiale et continue des algorithmes d’IA parmi ses attentes de gouvernance : l’échantillon de référence en fournit la matière.
Règlement sur l’IA, article 25 (Commission européenne) (nouvel onglet)Règlement sur l’IA, article 113 (Commission européenne) (nouvel onglet)Recommandations de sécurité pour un système d’IA générative (ANSSI, 2024) (nouvel onglet)Veille réglementaire
- Modèles à usage général Relèvent de règles propres, applicables depuis le 2 août 2025 (article 113).
- Modification substantielle Rendra fournisseur l’entreprise qui modifie substantiellement un système resté à haut risque, dès que ses obligations s’appliqueront : 2 décembre 2027 pour l’annexe III, 2 août 2028 pour l’annexe I (articles 25 et 113).
- Systèmes existants Ne relèvent du règlement, s’ils précèdent ces dates, qu’après d’importantes modifications de conception, et au 2 août 2030 au plus tard pour les autorités publiques (article 111 modifié).
- Données sensibles Se placent de préférence sur une offre qualifiée SecNumCloud quand une IA générative tourne en cloud public (ANSSI, R14).
/méthode
Un changement de modèle d’IA en quatre temps, sans arrêt du service.
L’équipe qui maintient l’application en production conduit aussi le changement. Deux outils l’encadrent : un banc d’essai qui rejoue l’échantillon de référence, et un suivi qui compare coûts et résultats dans la durée.
Sur une plateforme d’IA générative partagée par vos équipes, le modèle se choisit selon la sensibilité de vos informations et se remplace avec la même méthode.
- INVENTAIRE Le modèle en place se décrit : ses usages, ses volumes, son coût et les contraintes de confidentialité qui l’entourent.
- ESSAIS Trois familles de candidats se mesurent sur l’échantillon : modèles appelés par API, modèles ouverts installés chez vous, modèles plus légers.
- DOUBLE FONCTIONNEMENT Le nouveau modèle tourne à côté de l’ancien, sur le flux réel, et chaque divergence entre les deux est examinée.
- RÉÉVALUATION Les pistes écartées reviennent en lice quand paraît une nouvelle génération de modèles, éprouvées sur le même échantillon.
/dans votre secteur
Le même cas d’usage, décliné secteur par secteur.
-
Remplace le modèle d’un assistant par un modèle européen ou plus sobre, après l’avoir comparé sur les questions et les dossiers réels de la collectivité.
-
Remplace le modèle d’un assistant ou d’un outil d’extraction par un plus récent ou moins coûteux, après l’avoir mesuré sur les dossiers et les questions réelles de la mutuelle ou du cabinet.
/à savoir
Les questions fréquentes sur le changement de modèle d’IA.
Combien de temps faut-il pour changer de modèle d’IA ?
La durée tient d’abord à l’échantillon de référence : s’il existe, les essais vont vite ; s’il faut le constituer avec vos experts, c’est l’étape la plus longue. Le double fonctionnement dure ensuite le temps de voir passer vos cas rares.
Quelle différence entre un modèle ouvert et un modèle propriétaire ?
Les paramètres d’un modèle ouvert sont publiés (open weights) : vous l’installez sur vos serveurs ou chez un hébergeur, et sa version ne change que sur votre décision. Un modèle propriétaire s’utilise en général par l’API de son éditeur, qui fixe son prix et le calendrier de ses versions.
Changer de modèle rend-il un système d’IA à haut risque ?
Pas tant que sa finalité prévue reste la même : selon l’ACPR, elle seule décide si un système d’IA est à haut risque. Pour un système déjà à haut risque, nous documentons le changement et conservons les résultats des essais, qui aident à juger si la modification est substantielle.
Changement de modèle d’IA et RGPD : que vérifier ?
Un modèle appelé par API traite vos données chez son fournisseur : lieu du traitement, garanties du contrat et réutilisation pour l’entraînement se vérifient avant les essais. L’échantillon de référence, fait de cas réels, reste soumis aux mêmes droits d’accès que l’application. Les essais peuvent porter sur des cas anonymisés.
/sources
Sources
- PEReN pour l’Arcep, « Étude IA & Environnement », rapport technique (programme de travail 2025), 2026 (nouvel onglet)
- CNIL, « Le règlement sur les données (Data Act) », 22 décembre 2025, 2025 (nouvel onglet)
- Insee, Insee Première n° 2120, « Les technologies de l’information et de la communication dans les entreprises en 2025 », 21 juillet 2026, 2026 (nouvel onglet)
- Commission européenne, AI Act Service Desk, règlement (UE) 2024/1689, article 113 (version consolidée au 27 juillet 2026), 2026 (nouvel onglet)
- Commission européenne, AI Act Service Desk, règlement (UE) 2024/1689, article 25 (version consolidée), 2026 (nouvel onglet)
- Conseil de l’UE et Parlement européen, texte adopté de l’omnibus numérique sur l’IA (PE-CONS 30/26), article 111 modifié, 2026 (nouvel onglet)
- ANSSI, « Recommandations de sécurité pour un système d’IA générative », ANSSI-PA-102, 29 avril 2024, 2024 (nouvel onglet)
- ACPR, « Gouvernance des algorithmes d’intelligence artificielle dans le secteur financier », juin 2020, 2020 (nouvel onglet)
- ACPR, « Encadrement et surveillance de l’IA dans le secteur financier », réunion de Place du 1er juillet 2026, diapositive 10, 2026 (nouvel onglet)
/cas proches
- IA hébergée chez vous Installe les modèles et les outils sur votre infrastructure, sans envoyer vos données à un service extérieur.
- Assistant documentaire Répond aux questions de vos équipes à partir de vos documents internes, en citant la source de chaque réponse.
- Lecture de textes réglementaires Interroge un corpus de règles, comme un plan d’urbanisme, des normes ou des procédures, et indique les articles qui s’appliquent à une situation.
- Rédaction assistée Prépare courriers, réponses et rapports à partir de vos modèles validés et du dossier, relus par vos équipes avant envoi.
- Synthèse de dossiers et de réunions Résume les dossiers longs, les échanges et les réunions, et en extrait les décisions et les actions.
- Réponse aux appels d’offres Retrouve dans vos réponses passées les éléments utiles et prépare une première trame à compléter.
/contact
Travaillons ensemble
Découvrez comment Inceptive peut vous aider à transformer votre activité et à résoudre des problématiques opérationnelles complexes grâce à l’intelligence artificielle.