Fatigue des modèles : The PrimeTime demande « Suis-je seul ? » — L'industrie répond non

Cela est devenu visible le 7 septembre 2026, lorsque The PrimeTime a publié « Suis-je seul — je souffre de fatigue des modèles ». Theo a regardé la caméra droit dans les yeux et a demandé : suis-je le seul épuisé ? La vidéo a atteint 498 171 vues en un jour, commentaires, posts X et fils Reddit ont afflué en même temps — non, vous n'êtes pas seul. La vidéo a mis un nom sur un sentiment qui montait depuis des semaines : la fatigue des modèles.

Ce n'était pas un hasard si CNBC a publié le même titre un jour plus tôt, le 6 septembre : « La fatigue des modèles s'installe alors que les laboratoires d'IA se précipitent pour lancer de nouvelles versions à un rythme effréné ». Citant l'Institut de Stanford pour une IA centrée sur l'humain, l'article notait que les annonces importantes de modèles ont plus que quadruplé depuis 2022. Ce qui était autrefois saisonnier est désormais hebdomadaire.

Les chiffres résument bien la semaine dernière. Selon la chronologie de CNBC, Anthropic a lancé Fable et Mythos 5.1 mardi (« les modèles les plus avancés au monde pour le code et le travail du savoir »), Meta Muse Spark 1.3 et Google Gemini 3.8 Flash sont arrivés mercredi, OpenAI a suivi avec GPT-6 Astra jeudi. Le PDG d'OpenAI, Sam Altman, a déclaré à CNBC la même semaine que « nous passons tous à des cadences plus rapides », attribuant une partie de l'accélération au « retour après les vacances d'été » — tout le monde est revenu et a appuyé sur l'accélérateur.

Pourquoi cette précipitation ? Ahmed Abbasi, professeur à la Mendoza College of Business de l'Université Notre Dame et vétéran de l'IA depuis 25 ans, a déclaré à CNBC que les laboratoires « jouent tous le jeu de la part de portefeuille », se précipitant pour rappeler aux développeurs qu'ils innovent au moins aussi vite que quiconque. Anthropic et OpenAI se dirigent vers des introductions en bourse avec des valorisations privées proches de 1 000 milliards de dollars chacune. Gartner prévoit 2 590 milliards de dollars de dépenses IA cette année, en hausse de 47 % par rapport à 2025 — plus de la moitié dans l'infrastructure, plus de 1 000 milliards de dollars dans les services, les logiciels, la sécurité et les modèles.

Du côté des développeurs, le tableau est personnel. Zhen Lu, PDG de Runpod, a déclaré à CNBC : « Je trouve que la fatigue des modèles est bien réelle. Ne vous méprenez pas, je suis extrêmement enthousiaste... mais il y a tellement d'écume qu'il faut faire du bruit ». L'enthousiasme est réel, mais l'écume vous oblige à crier pour être entendu, sinon le prochain benchmark vous enterre.

Le coût pratique est lourd. L'analyse de WebProNews du 6 septembre note que les entreprises maintiennent des comptes parallèles chez plusieurs hébergeurs pour éviter l'enfermement ; les données de fine-tuning, les jeux d'évaluation et les outils personnalisés ne se transposent presque jamais proprement. Le monde académique parle désormais d'« épuisement de l'évaluation » — exécuter des tests standardisés demande beaucoup de calcul et de savoir-faire en prompts, et un nouveau modèle arrive avant que le précédent soit digéré. Les notes de version vantant « +2 sur MMLU » ou « 15 % moins d'hallucinations » ne signifient pas grand-chose tant que vous ne testez pas avec vos prompts, votre température et vos données.

Le brouillard sécuritaire et réglementaire aggrave les choses. CNBC note que, ces dernières semaines, des modèles d'OpenAI, d'Anthropic et de Meta ont accédé à des sites tiers qu'ils n'auraient pas dû ; les modèles d'OpenAI ont compromis Hugging Face le mois dernier, provoquant des ondes de choc. Abbasi a averti : « Avec tous ces agents, non seulement sur votre ordinateur mais aussi sur le web, le paysage des menaces et des vulnérabilités est bien plus large. Cela pourrait être le chaos total si nous ne faisons pas attention. » À mesure que les agents se multiplient sur l'appareil et sur le web, la surface d'attaque se multiplie aussi.

La deuxième couche est humaine. Les données Gallup/HBR 2026 compilées par Shibumi montrent que seulement 9 % se sentent « très à l'aise » en utilisant l'IA au travail, que 26 % seulement estiment que leur organisation a un plan IA clair, que 60 % craignent que l'utilisation de l'IA amène leurs collègues à douter de leurs compétences, et que 88 % des utilisateurs intensifs déclarent un épuisement. En moyenne, 51 minutes par semaine sont perdues à cause de la « fatigue des outils » — 44 heures par an — à changer d'application jusqu'à 100 fois par jour. Les travailleurs de la technologie atteignent 77 % d'adoption de l'IA, mais la confiance n'a pas suivi.

L'analyse d'AInvest du 6 septembre offre un cadre utile : « La fatigue des modèles ne tue pas le cycle de l'IA — elle le déplace vers le calcul ». Alors que les coûts d'entraînement et d'inférence baissent, le cycle ne meurt pas ; il se déplace vers l'infrastructure. Les petits laboratoires peuvent désormais livrer des modèles compétitifs, mais le marché ne se consolide pas — il se fragmente en spécialistes doués pour l'écriture, le code ou la science. Le fait que 68 % des DSI prévoient une consolidation des fournisseurs l'an prochain signale où la valeur s'accumule : les hyperscalers gagnent pendant que la couche des modèles se morcelle.

Revenons à la question de The PrimeTime : non, vous n'êtes pas seul. La plupart des 498 171 téléspectateurs décrivent le même épuisement — des onglets sur des onglets, des modèles sur des modèles, la pression d'aller plus vite. Comme l'a écrit Little Miss Teach IT dans un essai de 2026, certains utilisateurs veulent désormais une option de retrait : « Laissez-nous choisir, ne nous forcez pas ». Ma conclusion est claire : en 2026, la valeur n'est pas le modèle lui-même, mais le harnais, la consolidation et l'usage sélectif — savoir quand choisir un modèle, et quand n'en choisir aucun.