Zhipu AI reconnaît ses erreurs au lancement de GLM-5 et propose des compensations

Le Chinois Zhipu AI se retrouve en position délicate après le démarrage raté de son programme GLM Coding Plan. Le 21 février, l'entreprise a publié une lettre d'excuses officielle dans laquelle elle reconnaît ses erreurs et annonce des mesures concrètes de compensation pour les utilisateurs lésés. Un cas rare sur un marché où les grands acteurs de la tech préfèrent généralement passer sous silence leurs échecs opérationnels plutôt que de les exposer publiquement.

Zhipu AI, à l'origine de la série de modèles GLM, compte parmi les développeurs de modèles de langage les plus en vue en Chine. L'entreprise affronte depuis longtemps des acteurs comme Baidu et Alibaba pour séduire les développeurs et les clients professionnels. Le lancement de GLM-5 devait marquer une nouvelle avancée et consolider la position de la plateforme. Mais l'engouement autour du modèle s'est retourné contre l'entreprise : le trafic a largement dépassé les prévisions et l'infrastructure n'a pas tenu la charge.

Dans sa lettre, Zhipu AI nomme ouvertement trois erreurs majeures. La première : un manque de transparence sur les règles du GLM Coding Plan. Les utilisateurs ne savaient pas précisément à quoi ils s'abonnaient ni quelles étaient les conditions d'accès aux nouvelles fonctionnalités.

La deuxième : un déploiement progressif de GLM-5 trop lent. L'entreprise a opté pour une ouverture prudente de l'accès, qui, combinée à l'engouement, a provoqué un mécontentement massif. La troisième : un mécanisme de transition mal conçu pour les clients existants, privés des mises à niveau promises sans explication claire.

Fait notable, la direction n'a pas cherché à rejeter la faute sur des facteurs externes : les trois points sont présentés comme des erreurs de gestion internes.

Sur le plan technique, la situation s'est révélée douloureuse, comme on pouvait s'y attendre. Après la sortie de GLM-5, le trafic a dépassé toutes les attentes et l'entreprise n'a tout simplement pas pu augmenter ses capacités serveur assez vite. Elle a donc dû ouvrir l'accès au modèle par paliers : d'abord aux abonnés Max, puis aux Pro et enfin aux Lite.

Au moment de la publication des excuses, les clients Max disposaient déjà d'un accès complet. Les abonnés Pro étaient officiellement connectés, mais subissaient des restrictions aux heures de pointe en raison de la forte charge sur les clusters. Les abonnés Lite attendent toujours leur tour : l'entreprise prévoit de leur ouvrir l'accès progressivement, pendant les heures creuses, après les fêtes.

En guise de compensation, tous les utilisateurs Pro et Lite concernés peuvent demander eux-mêmes un remboursement si le service n'a pas répondu à leurs attentes.

Cette affaire ne relève pas seulement du scandale d'entreprise : elle illustre un problème plus large du secteur. La course aux nouveaux modèles devance souvent les capacités d'infrastructure, et pas uniquement chez les entreprises chinoises. Les acteurs occidentaux ont eux aussi connu des surcharges de serveurs et des conditions d'accès opaques : il suffit de rappeler les nombreuses pannes de ChatGPT à ses débuts ou les restrictions périodiques d'accès à l'API d'OpenAI lors des pics de demande. La différence, c'est que Zhipu AI a choisi la transparence. Dans le secteur technologique, reconnaître publiquement ses erreurs reste davantage l'exception que la règle.

Pour le marché des modèles de langage, cet épisode crée un précédent important. Les utilisateurs deviennent plus exigeants : ils attendent non seulement des modèles de qualité, mais aussi une infrastructure fiable, des conditions claires et une réaction rapide en cas de problème. Les entreprises capables de communiquer honnêtement en situation de crise peuvent conserver la confiance de leur public, même après des pannes sérieuses. C'est précisément le pari de Zhipu AI. Reste à voir si des actions concrètes viendront appuyer ces paroles.