Après avoir lu ce document intitulé « Données d'utilisation de l'IA de 100 billions de jetons », quelques points m'ont particulièrement marqué, et je prends donc quelques notes. 1. L'économie de l'IA est très différente de celle d'Internet. Intuitivement, on pourrait supposer que les modèles moins chers consommeraient les plus chers, mais les données montrent directement que le prix est presque sans importance ; la demande est le seul facteur véritablement inflexible. Pourquoi les gens sont-ils prêts à dépenser des dizaines de fois plus d'argent ? Tout cela pour trois raisons : la tranquillité d'esprit, la fiabilité et la stabilité. Si vous développez des produits d'IA ou si vous lancez une entreprise et que vous cherchez encore à attirer des utilisateurs en baissant les prix, vous faites fausse route. Vous devez vous concentrer sur la qualité du raisonnement et sur l'intégration de votre solution aux flux de travail existants de vos utilisateurs. 2. La répartition des utilisateurs de Gemini est particulièrement diversifiée, ce qui est un atout du point de vue des données. D'après ce rapport, Gemini semble être davantage un moteur de connaissances à usage général, utilisé dans une grande variété de tâches. Cela montre que le Gemini est déjà un couteau suisse que j'utilise avec aisance. Pour Google, il s'agit d'une structure d'utilisateurs très saine, et il existe une marge de progression importante à condition que l'expérience utilisateur soit progressivement améliorée. 3. Le raisonnement est devenu le fondement de l'IA. La majorité du trafic provient désormais du modèle de raisonnement/agent. L'unité d'interaction évolue également. Auparavant, il s'agissait d'une invite ou d'une réponse. Désormais, une tâche est donnée et le modèle est invité à la résoudre par lui-même. Pour les développeurs de produits, cela équivaut à un changement de règles. Au vu des tendances actuelles en matière de développement, Agentic restera la tendance majeure en 2026. 4. La proportion de modèles open-source continue d'augmenter, notamment pour les modèles de taille moyenne. Les modèles de taille moyenne comme Qwen et DeepSeek ont déjà trouvé un juste équilibre entre performances suffisantes et rapport qualité-prix. Cette approche devrait concerner un grand nombre de cas où une utilisation simple suffit, notamment pour les entreprises exigeant des déploiements privés de données sensibles. À l'avenir, il est fort probable que les tâches essentielles à forte valeur ajoutée utiliseront du code propriétaire, tandis qu'une grande partie de l'automatisation périphérique s'appuiera sur du code libre, selon une stratégie à deux volets. 5. Les jeux de rôle et les conversations à long terme, qui impliquent une forme de camaraderie, représentent en réalité un pourcentage très élevé de l'utilisation. C’est particulièrement intéressant. On parle tous les jours de productivité, mais en réalité, beaucoup de gens utilisent l’IA pour nouer des relations. Les conversations approfondies, la personnalisation et le soutien émotionnel — des choses qui semblent aujourd'hui être des besoins marginaux — pourraient bien figurer parmi les plus grandes opportunités commerciales de demain. Vous pouvez considérer ce rapport comme une nouvelle carte, analyser honnêtement les données, voir à quoi les gens l'utilisent réellement actuellement, puis concevoir des produits et des modèles commerciaux en fonction de cette tendance.
Chargement du thread
Récupération des tweets originaux depuis X pour offrir une lecture épurée.
Cela ne prend généralement que quelques secondes.