Les modèles open-weight captent 71,5% des tokens de Vercel AI Gateway et 23% du budget

Les modèles ouverts se sont imposés en production, et pas seulement en volume : ils pèsent aussi dans les budgets. Selon le Production Index d'octobre de Vercel, les modèles open-weight traitent 71,5% des tokens dans AI Gateway et reçoivent environ 23% des dépenses. En juin, ils représentaient un dollar sur vingt ; en septembre, près d'un sur quatre. En août, ils ont dépassé pour la première fois les modèles fermés en nombre de tokens, et l'argent suit désormais.

Vercel voit passer des dizaines de trillions de tokens par mois entre les applications en production et les laboratoires. Il s'agit d'un échantillon de clients d'une seule plateforme, pas de l'ensemble du marché. En revanche, les données reposent sur des flux de paiement réels, et non sur des sondages.

Le pas cher apporte les tokens, le cher apporte le chiffre d'affaires

La croissance de l'open-weight se joue aux deux extrémités de l'échelle des prix. Les modèles bon marché fournissent le volume, les modèles chers fournissent l'argent. À lui seul, DeepSeek-V4.1-Flash a traité près de la moitié de tous les tokens de septembre, mais n'a reçu que 2,6% des dépenses. Le prix de son token est environ cinq fois inférieur à la moyenne de l'open-weight.

La hausse des dépenses suit une autre logique. Les modèles dont le token coûte au moins quatre fois plus que le token open-weight moyen ont généré environ les deux tiers de cette hausse. Kimi K3 domine ce segment : près de la moitié de la hausse lui revient, alors qu'il a traité nettement moins de tokens que DeepSeek-V4.1-Flash.

Chiffres clés de l'indice de septembre :

• open-weight : 71,5% des tokens, environ 23% des dépenses ; la part des dépenses a plus que quadruplé depuis juin ;
• les dépenses totales de septembre sont 13 fois supérieures à celles de décembre (+1180%), le prix moyen du token est inférieur de 47% ;
• les dépenses en modèles frontier ont été multipliées par 10 depuis décembre, celles en open-weight par plus de 70 ;
• 68% des équipes qui ont augmenté leur budget open-weight l'ont aussi augmenté pour les modèles fermés ;
• plus de 40% des équipes qui paient pour du frontier y ont dépensé plus qu'en août. C'est le maximum de l'année.

Les laboratoires frontier ne perdent pas pour autant d'argent. Ils perdent de la part dans le budget du client. Une entreprise peut payer davantage un laboratoire tout en lui confiant moins de charges de travail. Opus 5.5 a capté, en ses deux premières semaines, plus d'un dixième des dollars du gateway, le meilleur résultat parmi les lancements de septembre. Le modèle Jev est devenu le plus rapidement adopté de l'histoire du gateway : 35% des équipes payantes en deux semaines. Mais il n'a représenté que 0,27% des dépenses. Beaucoup l'ont essayé, très peu sont passés dessus.

La loyauté envers le laboratoire s'érode

Presque la moitié des équipes ont changé en septembre leur modèle le plus utilisé. Près d'un tiers ont changé de laboratoire principal, un record pour l'indice. Les changements progressent depuis cinq mois consécutifs.

Le zoo de modèles grossit avec le volume. Les équipes qui ont traité au moins 10 M de tokens depuis décembre utilisent en moyenne 15 modèles. À 100 M de tokens, la moyenne est de 26 ; à un milliard, elle atteint 42. Le modèle devient un maillon interchangeable au sein d'un investissement plus large : les prompts, les évaluations, l'outillage et les données restent, tandis que le moteur en dessous change.

Modèles chinois, factures américaines

Un volet distinct de l'indice concerne la géographie. Près de 70% des dépenses de septembre sur les modèles d'origine chinoise ont transité par des fournisseurs américains. En décembre, c'était moins de 10%. Un laboratoire chinois crée le modèle, un fournisseur américain l'exécute et vend l'accès.

DeepSeek : 58% de tous les tokens du gateway, 6,6% des dépenses. Plus de quatre tokens sur cinq ont été servis par DeepSeek lui-même, mais deux dollars sur cinq dépensés sur ses modèles sont allés à des fournisseurs américains. Chez Moonshot AI, créateur de Kimi, le tableau est différent : 3,6% des tokens et 13,2% des dépenses, avec neuf tokens sur dix servis par des fournisseurs américains.

Ce qu'il faut changer dans l'architecture

Si un produit repose sur un seul modèle d'un seul fournisseur, c'est déjà un risque, et non une simplification. Schéma pragmatique : un modèle open-weight bon marché prend en charge les tâches de masse (classification, extraction, brouillons), tandis qu'un modèle fermé coûteux ou un grand modèle open-weight travaille sur les étapes complexes. Pour un tel routage, il faut son propre jeu d'évaluations, qui tourne sur chaque nouveau modèle en quelques heures, et non en quelques semaines.

Deuxième point : intégrez au budget la baisse du prix du token et la hausse du volume en même temps. Les données de Vercel montrent que les dépenses augmentent plus vite que le coût unitaire ne baisse. Troisième point : pour les modèles des laboratoires chinois, ne comptez pas seulement la qualité, mais aussi la juridiction du fournisseur. Les mêmes poids peuvent provenir de endroits différents, avec des conditions différentes sur les données et le SLA.