Fireworks AI : Alternatives Ouvertes Aux Modèles Coûteux
Alors qu’Anthropic réalise l’une des introductions en Bourse les plus retentissantes de l’histoire de la tech, une autre conversation se déroule loin des projecteurs de Wall Street. À Helsinki, pendant la conférence Slush, le sujet qui agite les fondateurs et les investisseurs n’est pas forcément la course au modèle le plus puissant. Il s’agit plutôt de savoir si les entreprises ont vraiment besoin de payer le prix fort pour de l’intelligence artificielle généralisée. Pour Chenyu Zhao, cofondateur de Fireworks AI, la réponse est claire : dans la plupart des cas, non.
Une plateforme qui mise sur l’intelligence spécialisée
Fireworks AI, fondée il y a quatre ans dans la Baie de San Francisco, s’est positionnée comme un intermédiaire technique entre les entreprises et les modèles d’intelligence artificielle open-weight. Ces modèles, téléchargeables librement, peuvent être affinés sur les données propres de chaque client. Le résultat ? Des systèmes plus rapides, moins coûteux et plus difficiles à copier par la concurrence que les solutions proposées par les géants comme OpenAI ou Anthropic.
Parmi les clients qui ont déjà fait confiance à la plateforme figurent des noms aussi connus qu’Uber, Shopify ou Notion. L’approche est simple à résumer : plutôt que d’envoyer toutes les requêtes vers un modèle généraliste ultra-puissant, l’entreprise adapte un modèle ouvert à ses besoins spécifiques. Elle garde ainsi la maîtrise de son intelligence artificielle au lieu de dépendre entièrement d’un fournisseur externe.
OpenAI et Anthropic construisent une intelligence générale. Nous, nous utilisons des modèles ouverts, souvent plus petits, moins chers et plus rapides, et nous permettons aux entreprises d’y ajouter leurs propres données pour les spécialiser.
– Chenyu Zhao, cofondateur de Fireworks AI
Cette vision séduit de plus en plus de dirigeants qui, après avoir testé les modèles de pointe, se retrouvent confrontés à des factures de tokens qui explosent dès que le volume d’utilisateurs augmente. Zhao estime qu’à partir de 10 000 ou 100 000 utilisateurs, et surtout lorsque la dépense mensuelle dépasse plusieurs dizaines de milliers de dollars, le moment est venu de regarder du côté des alternatives open-weight.
Pourquoi les modèles ouverts rattrapent leur retard
Il y a encore quelques années, l’écart entre les meilleurs modèles fermés et leurs équivalents open-source se comptait en années. Aujourd’hui, selon Zhao, ce retard s’est réduit à six mois tout au plus, et souvent à seulement trois. L’arrivée de DeepSeek et d’une série de modèles open de haute qualité a changé la donne. Les performances se sont rapprochées, tandis que les coûts restent nettement plus bas.
Pourtant, beaucoup d’entreprises hésitent encore à basculer. Les modèles de pointe bénéficient d’une notoriété considérable. Tant que l’on cherche son product-market fit, utiliser le modèle le plus connu reste un choix peu risqué. Une fois le volume atteint, la logique économique change. C’est précisément à ce moment que Fireworks intervient pour aider les équipes techniques à migrer vers des solutions plus maîtrisables.
Le double coût des modèles propriétaires
Au-delà de la facture, une autre préoccupation grandit. En juillet, Satya Nadella, le PDG de Microsoft, avait averti que les entreprises utilisant des modèles propriétaires payaient deux fois : une première fois en argent, et une seconde fois en savoir-faire. Chaque interaction, chaque prompt, chaque dataset transmis peut enrichir le modèle du fournisseur. Pour certaines organisations, cette dépendance devient stratégique.
Zhao partage cette analyse. Selon lui, le monde de l’IA s’oriente vers une coexistence de deux familles de modèles. Les modèles de frontière restent indispensables pour les tâches de planification de haut niveau ou les cas qui exigent une intelligence vraiment générale. Pour tout le reste – et notamment les opérations répétitives ou les calculs plus simples – les modèles spécialisés suffisent largement. L’enjeu devient alors le routage intelligent des requêtes et le calcul du coût par tâche plutôt que le simple coût par token.
Une valorisation impressionnante et une concurrence féroce
Fireworks AI n’est pas une petite structure confidentielle. Soutenue par Sequoia et Benchmark, elle a atteint une valorisation de 17,5 milliards de dollars l’été dernier. Des discussions pour une nouvelle levée seraient déjà en cours, même si Zhao préfère rester discret sur le sujet. Le secteur attire des sommes considérables. Together AI et Baseten ont annoncé des tours de table massifs ces derniers mois. Plus récemment, Palo Alto Networks a racheté Applied Compute, une jeune société fondée par d’anciens chercheurs d’OpenAI, pour 4,5 milliards de dollars en actions.
Cette frénésie montre que le marché des infrastructures d’IA spécialisées est en pleine expansion. Les entreprises ne cherchent plus uniquement la performance brute. Elles veulent de la maîtrise, de la rapidité d’exécution et une meilleure maîtrise des coûts. Dans ce contexte, les plateformes comme Fireworks occupent une place de choix.
Les ombres au tableau : les incidents de sécurité
Tout n’est pas rose pour autant. Fireworks a récemment reconnu deux incidents de sécurité. Dans le premier, des attaquants ont eu accès à des clés API et des tokens stockés pour un nombre limité de comptes. Dans le second, des pirates ont pénétré le système de développement via le fournisseur cloud et ont récupéré des données clients, notamment des informations de facturation et certains datasets.
Notion a indiqué que des transcriptions de conversations IA provenant de moins de 1 % de ses espaces de travail avaient été exposées. L’entreprise a depuis coupé ses liens avec Fireworks. Uber a quant à elle confirmé le vol de noms, adresses, dates de naissance et numéros de permis de conduire concernant environ 150 000 chauffeurs, via un prestataire identifié comme Fireworks.
Zhao reconnaît la gravité de la situation tout en soulignant le contexte. Selon lui, toutes les entreprises du secteur font face à une augmentation sans précédent des tentatives d’attaque. Une partie de ces attaques vise spécifiquement le « LLM jacking » : la recherche de clés API et de secrets pour revendre des tokens sur des marchés illicites. Il insiste sur le fait que la promesse de non-rétention des données d’inférence n’a pas été compromise.
Notre promesse est une rétention zéro des données d’inférence, et rien n’indique que celle-ci ait été compromise.
– Chenyu Zhao
Dans le cas de Notion, l’entreprise utilisait un service de prédiction par lots qui implique le stockage temporaire de datasets. Fireworks travaille désormais à faire migrer ces flux vers un traitement en ligne afin de limiter au maximum la durée de conservation des données.
Le départ de Jensen Huang et le soutien de Nvidia
Un autre événement a marqué le secteur : le départ de Jensen Huang de Nvidia. La société avait soutenu Fireworks depuis 2024. Zhao estime que ce départ constitue un choc pour l’industrie, mais il ne prévoit pas de changement de stratégie de la part de Nvidia. Le géant des puces a toujours défendu l’open source et devrait continuer d’investir dans sa famille de modèles Nemotron. Fireworks compte poursuivre ce partenariat.
Une vision pragmatique de l’avenir de l’IA en entreprise
Au-delà des incidents et des valorisations spectaculaires, le discours de Zhao reste cohérent. Il ne s’agit pas de prétendre que les modèles ouverts ont déjà égalé les meilleurs systèmes de frontière dans tous les domaines. Il s’agit de reconnaître que, pour une très large majorité des cas d’usage en entreprise, la performance marginale d’un modèle ultra-généraliste ne justifie plus le surcoût et la perte de contrôle.
Les entreprises qui ont dépassé le stade de l’expérimentation cherchent désormais à industrialiser. Elles veulent des systèmes stables, prévisibles en coût, et adaptés à leurs données. Dans cette phase, les plateformes spécialisées comme Fireworks jouent un rôle de plus en plus central. Elles permettent de passer d’une logique de « meilleur modèle possible » à une logique de « meilleur modèle pour mon besoin ».
Cette évolution n’est pas seulement technique. Elle est aussi culturelle. Pendant des mois, l’attention médiatique s’est concentrée sur les annonces de modèles toujours plus grands. Aujourd’hui, une partie du marché commence à regarder ailleurs : vers la spécialisation, la maîtrise des données et la réduction des dépendances. Fireworks incarne cette bascule.
Ce que les dirigeants doivent retenir
Pour un dirigeant qui découvre encore Fireworks, la proposition peut se résumer ainsi : une plateforme d’intelligence spécialisée qui s’appuie sur des modèles ouverts, les adapte aux données de l’entreprise et réduit à la fois les coûts et le risque de dépendance. Cette approche ne convient pas à tous les cas. Elle brille particulièrement lorsque le volume de requêtes augmente et que le besoin d’une intelligence générale maximale devient moins critique.
Les récents problèmes de sécurité rappellent cependant qu’aucune solution n’est sans risque. Les entreprises devront continuer d’exiger des garanties fortes en matière de protection des données, de transparence sur les incidents et de capacités de remédiation. La confiance, une fois ébranlée, se reconstruit lentement.
Malgré ces difficultés, la trajectoire de Fireworks et des acteurs similaires montre que le marché de l’IA en entreprise est en train de se segmenter. D’un côté, les modèles de frontière ultra-puissants et très coûteux. De l’autre, des solutions plus légères, ouvertes et spécialisées. Les deux peuvent coexister. Pour de nombreuses organisations, le second chemin s’avère déjà plus pertinent.
Dans un contexte où les valorisations atteignent des sommets et où les introductions en Bourse attirent tous les regards, la conversation qui a eu lieu à Helsinki rappelle une évidence : l’avenir de l’intelligence artificielle en entreprise ne se jouera pas uniquement sur la taille des modèles. Il se jouera aussi sur la capacité à les rendre utiles, abordables et contrôlables. Fireworks AI, malgré les défis, s’est placée au cœur de cette discussion.