Quand avez-vous lu pour la dernière fois un titre à propos de Microsoft Copilot ? Rarement, sans doute. L’espace médiatique est saturé d’actualités sur GPT-5, Claude 4.7, Gemini Ultra. Copilot ressemble à un outil d’entreprise ennuyeux dont on ne parle que sur LinkedIn.
Regardez maintenant qui paie pour quoi.
Lire la suite
Toute personne qui travaille suffisamment longtemps avec ChatGPT ou Claude finit tôt ou tard par se poser cette question : est-il possible de faire tourner quelque chose de comparable directement sur son ordinateur portable – sans abonnement, sans fuite de données, sans dépendre de serveurs distants ?
En 2026, la réponse est oui, mais avec des nuances qui comptent plus que la réponse elle-même.
Cet article s’adresse à celles et ceux qui utilisent déjà des LLM en cloud et veulent comprendre ce qu’apporte réellement l’exécution locale, quel matériel il faut, et où les attentes se heurtent à la réalité. Sans plongée technique, mais avec des chiffres concrets.
En novembre 2025, les données de Stanford ont révélé un fait inattendu : les Américains utilisent l’IA plus souvent à la maison qu’au travail. Chez mysummit.school, nous avons décortiqué cela dans un article dédié – et le constat était clair : l’IA professionnelle courait encore derrière l’IA personnelle.
Quatre mois ont passé. Epoch AI, en collaboration avec Ipsos, a publié une nouvelle étude – et la photo a changé.
Vous avez trois fichiers de données : un entonnoir d’activation, les résultats d’un test A/B et les tickets du support. La question : pourquoi l’onboarding cale-t-il ? Vous ouvrez ChatGPT, vous chargez le premier fichier, vous posez votre question. Réponse. Vous chargez le deuxième. ChatGPT vous demande : pouvez-vous me rappeler le contexte ? Vous chargez le troisième. Le contexte du premier fichier est déjà évincé.
Quarante minutes plus tard, vous avez trois conversations séparées, et aucune ne répond à la question de départ. Parce que la question était unique, mais les données, elles, étaient à trois endroits.
Ce n’est pas un problème de ChatGPT. C’est un problème d’approche.
En mars 2026, le ministère russe du Numérique a publié un projet de loi sur les « modèles d’IA de confiance ». S’il est adopté – l’entrée en vigueur est prévue pour septembre 2027 – les administrations publiques et les infrastructures critiques ne pourront utiliser que des modèles inscrits dans un registre spécial. ChatGPT, Claude et Gemini, qui transmettent des données à l’étranger, pourraient être restreints. L’installation obligatoire de réseaux neuronaux russes sur les appareils est également envisagée.
Le problème, c’est que les modèles russes sont en retard. Dans notre étude portant sur 54 modèles, GigaChat a obtenu 3,26 sur 5, GPT-5.4 – 4,80. Un écart de 32 %.
Si GigaChat est tout ce que les managers russes auront, peut-on en tirer une qualité acceptable grâce à un prompting bien construit ?
Mais cette question dépasse largement la Russie.
En mars 2026, Lenny Rachitsky a publié un article au titre sans ambiguïté : « Everyone should be using Claude Code ». Le texte a fait le tour de LinkedIn, accumulé des centaines de milliers de vues, et depuis, chaque semaine, un manager demande : comment l’essayer ?
La réponse est inconfortable. Claude Code nécessite un abonnement Anthropic Max à 100 $ par mois. C’est un outil extraordinaire – mais c’est aussi un outil verrouillé derrière un seul fournisseur, un seul modèle, et un prix que la plupart des managers n’ont aucune raison de payer pour des tâches non techniques. Cela crée une situation étrange : l’un des outils IA les plus discutés de l’année est, pour une grande partie de son audience, soit trop cher, soit inaccessible.
Il existe une alternative directe. OpenCode – un projet open source qui fait exactement la même chose, fonctionne avec n’importe quel modèle (y compris des options gratuites), et s’installe en 15 minutes.
GigaChat Ultra Thinking reflechit plus longtemps et consomme davantage de ressources de calcul. Il resout les taches manageriales 3,3 % moins bien que la version sans raisonnement. Ce n’est ni un bug ni un hasard – c’est un schema documente par des travaux academiques au cours des deux dernieres annees.
Cette semaine, Sber a presente GigaChat Ultra – son nouveau modele phare avec un mode raisonnement (Thinking). Le modele est disponible gratuitement dans la version web, les applications mobiles et via le bot Telegram. Nous avons immediatement ajoute les deux variantes a notre etude des modeles IA pour managers : nous les avons fait passer a travers les 32 scenarios selon notre methodologie unifiee, evalues par nos deux juges LLM, et compares aux 52 autres modeles.
Douze heures par semaine. C’est le temps qu’un chef de projet typique consacre aux rapports, aux mises a jour de planification, a la correspondance avec les parties prenantes et au suivi des risques. Soit pres d’un tiers du temps de travail, non pas a prendre des decisions, mais a les formaliser.
Avec l’IA, ce temps passe a trois heures. Mais a une seule condition : l’IA doit etre integree dans le rythme operationnel du travail, et non utilisee de maniere episodique – « quand on y pense ».
Un modèle chinois open source peut-il rivaliser avec les fleurons propriétaires d’OpenAI et d’Anthropic ? D’après notre évaluation indépendante – oui. Le 27 janvier 2026, la société pékinoise Moonshot AI a lancé Kimi K2.5, qui a immédiatement rejoint le groupe d’élite des meilleurs modèles au monde – rivalisant directement avec GPT-5.4 et Claude Sonnet 4.5. Et il est entièrement gratuit pour un usage de base.
Le 6 février 2026, un modèle anonyme baptisé « Pony Alpha » est apparu sur la plateforme OpenRouter – gratuit, sans aucune indication sur ses créateurs. La communauté IA s’est immédiatement lancée dans son identification. Ses capacités en programmation rivalisaient avec Claude Opus 4.5. À la question « qui es-tu ? », le modèle répondait : « Je suis GLM ». Mais lorsqu’on lui a demandé de créer une page web se présentant – il a écrit : « I am Claude, created by Anthropic ».