Analyse : distribution plutôt que modèle, l'avantage caché des géants installés

Posons d'emblée le statut de ce texte, parce qu'il gouverne la lecture entière : ce qui suit est une hypothèse de travail, pas un verdict. Les faits mobilisés — bases installées, nombres d'utilisateurs, dates d'annonce — sont vérifiés et sourcés en fin d'article. La thèse qu'on en tire, résumée en une phrase — pour les grands acteurs déjà installés, la capacité à toucher instantanément des milliards de personnes pourrait compter autant, voire davantage, que la course au meilleur modèle —, est présentée comme une grille de lecture parmi d'autres. Elle a ses partisans, ses détracteurs, et un contre-exemple qui la met à l'épreuve. Nous l'examinons sans la sacrer, et nous lui opposerons, à la fin, les acteurs qui réussissent en la contredisant.

Le sujet mérite cette prudence parce qu'il touche à des entreprises parmi les plus scrutées de la planète, et que la tentation de transformer une série de chiffres impressionnants en prophétie est constante. Nous voulons faire l'inverse : décrire une réalité industrielle mesurable — combien de personnes un service atteint déjà —, expliquer pourquoi cette portée pourrait constituer un atout distinct de la qualité technique, puis confronter cette lecture aux faits qui la contredisent. Chaque donnée renvoie à une source publique. Chaque phrase relevant de l'interprétation — « on peut lire », « cela suggère », « une lecture possible » — est signalée comme telle.

De quoi parle-t-on exactement ? D'une distinction simple, souvent brouillée dans le débat public : d'un côté, la qualité d'un modèle d'intelligence artificielle — sa capacité à raisonner, à coder, à comprendre une image ; de l'autre, sa distribution — le nombre de personnes qui, concrètement, s'en servent au quotidien. Ces deux dimensions ne coïncident pas. Un modèle excellent peut rester confidentiel ; un modèle correct, adossé à un canal massif, peut se retrouver du jour au lendemain devant des milliards d'yeux. Cette seconde dimension, la distribution, est précisément ce que certains géants possèdent déjà, avant même d'avoir écrit une ligne de code d'IA.

Le constat : des bases installées qui se comptent en milliards

Commençons par le socle vérifiable, celui qui ne relève d'aucune interprétation. Quatre entreprises — Google, Meta, Microsoft, Apple — disposent chacune d'un ou plusieurs canaux atteignant, isolément, des centaines de millions à plusieurs milliards d'utilisateurs. Ces chiffres ne sont pas des projections : ce sont des ordres de grandeur communiqués par les entreprises elles-mêmes ou mesurés par des instituts indépendants. Ils dessinent une réalité que la qualité d'un modèle ne change pas d'un iota : le tuyau existe déjà, et il est immense.

Regardons-les un par un, en gardant la tête froide sur ce que chaque nombre signifie et ne signifie pas.

Google : le système d'exploitation mobile et la recherche

Le système Android équipe, selon l'annonce officielle de Google, plus de trois milliards d'appareils actifs — un chiffre communiqué par l'entreprise en 2021 et jamais réduit depuis ; les mesures indépendantes de part de marché situent Android autour de 72 % du parc mondial de systèmes mobiles fin 2025. À cela s'ajoute le navigateur Chrome, qui rassemble une part de marché mondiale de l'ordre de 70 % tous appareils confondus selon l'institut StatCounter (69,65 % en juin 2026), et le moteur de recherche, dont l'audience se compte elle aussi en milliards de requêtes quotidiennes. La conséquence directe pour l'IA est déjà visible : les résumés générés dans les résultats de recherche — les « AI Overviews » — atteignent, selon Google, plus de deux milliards d'utilisateurs mensuels dans plus de deux cents pays. Autrement dit, un modèle Gemini se retrouve devant deux milliards de personnes sans qu'aucune d'elles ait eu à télécharger quoi que ce soit.

Meta : la messagerie et les réseaux sociaux

Meta présente une configuration comparable, adossée non à un système d'exploitation mais à des applications de communication. La messagerie WhatsApp a franchi le cap des trois milliards d'utilisateurs mensuels, un seuil annoncé par le dirigeant de l'entreprise, Mark Zuckerberg, à l'occasion des résultats trimestriels du printemps 2025 (publiés fin avril, relayés début mai). Instagram, de son côté, a dépassé les trois milliards d'utilisateurs mensuels en septembre 2025, et Facebook demeure dans le même ordre de grandeur. La traduction en matière d'IA est là aussi tangible : l'assistant Meta AI, distribué directement à l'intérieur de ces applications plutôt que dans une application isolée, a atteint un milliard d'utilisateurs mensuels en mai 2025, la majorité de ces interactions se produisant, selon les synthèses de marché, à l'intérieur de WhatsApp.

Microsoft : le poste de travail

Microsoft occupe un terrain différent, celui de l'ordinateur de bureau. Le système Windows tourne, selon l'entreprise, sur environ 1,4 milliard d'appareils actifs mensuels au milieu de l'année 2025 — un chiffre confirmé de nouveau après une brève confusion sur une formulation de blog, puis porté à plus de 1,6 milliard d'appareils lors des résultats trimestriels d'avril 2026. À cette base s'ajoutent la suite bureautique et les outils professionnels, présents dans une part considérable des entreprises. La logique d'intégration de l'IA y est la même que chez les autres : plutôt que de demander à l'utilisateur d'aller chercher un assistant, on place l'assistant là où il travaille déjà — dans le système, dans les logiciels, dans les outils métier.

Apple : le parc d'appareils

Apple, enfin, revendique un parc installé record. Son dirigeant, Tim Cook, a indiqué lors d'une présentation de résultats en janvier 2025 que l'entreprise comptait plus de 2,35 milliards d'appareils actifs — iPhone, iPad, Mac et autres —, en hausse sur l'année précédente ; un an plus tard, en janvier 2026, ce chiffre est passé à plus de 2,5 milliards d'appareils actifs. Apple ajoute de longue date compter plus d'un milliard d'iPhone en service. Cette base ne se traduit pas encore, à la même échelle que les autres, par une distribution massive d'IA : l'entreprise a adopté une approche plus prudente et plus tardive. Mais le canal, lui, existe — et sa taille est du même ordre que celle des autres géants.

Trois milliards d'appareils Android, trois milliards d'utilisateurs de WhatsApp, 1,6 milliard de postes Windows, 2,5 milliards d'appareils Apple. Ces canaux existaient avant l'IA générative. La question posée par notre lecture est simple : que valent-ils, précisément, au moment où l'IA devient un produit de masse ?

Acteur	Canal installé	Ordre de grandeur (source publique)
Google	Android · Chrome · Recherche	≈ 3 milliards d'appareils Android ; ≈ 70 % de part navigateur ; AI Overviews ≈ 2 milliards d'utilisateurs/mois
Meta	WhatsApp · Instagram · Facebook	WhatsApp ≈ 3 milliards/mois ; Meta AI ≈ 1 milliard/mois
Microsoft	Windows · bureautique	≈ 1,6 milliard d'appareils Windows actifs/mois
Apple	Parc d'appareils	≈ 2,5 milliards d'appareils actifs

Sources : annonces officielles Google, Meta (résultats T1 2025), Microsoft (résultats avril 2026), Apple (résultats janvier 2026), mesures StatCounter pour les parts de marché. Chiffres en ordres de grandeur, issus de la communication des entreprises et de synthèses tierces.

À retenir. Avant même d'écrire un seul modèle d'IA, quatre entreprises disposent chacune d'un canal touchant entre 1,6 et 3 milliards de personnes. Ces canaux préexistent à la vague générative — Android, WhatsApp, Windows, le parc Apple — et aucune qualité de modèle ne les modifie. C'est le point de départ vérifiable de toute l'analyse.

La lecture : pourquoi le tuyau pourrait peser autant que l'eau

Assemblons maintenant les pièces, et insistons : ce qui suit est une lecture, que l'on propose, sans la présenter comme une vérité établie. Elle tient en une idée. Dans une technologie où le meilleur modèle du moment change tous les quelques mois, où plusieurs laboratoires se tiennent à quelques semaines les uns des autres, un avantage réellement durable n'est peut-être pas la qualité — trop volatile — mais l'accès : la capacité à mettre un modèle correct entre les mains de milliards de personnes, immédiatement, sans avoir à les convaincre d'installer quoi que ce soit.

L'argument se décompose en plusieurs ressorts, qu'il faut examiner séparément pour ne pas les confondre avec des certitudes.

Le coût d'acquisition, ce poste qui disparaît

Le premier ressort est économique, et il est peut-être le plus sous-estimé. Un nouvel entrant qui lance un service d'IA doit dépenser pour se faire connaître : campagnes, référencement, présence médiatique, incitations à l'inscription. Ce poste — le coût d'acquisition d'un utilisateur — est un obstacle réel, qui se chiffre et qui pèse sur les comptes. Un acteur installé, lui, n'a pas ce problème pour la simple raison qu'il n'a personne à acquérir : ses utilisateurs sont déjà là, capturés par des produits adoptés depuis des années. Diffuser un assistant dans WhatsApp ou dans la recherche, c'est le placer devant son public existant sans dépenser un centime d'acquisition.

On peut lire cette asymétrie comme un déplacement du centre de gravité des coûts. Le spécialiste paie pour attirer ; l'installé paie pour servir. La dépense de l'installé se concentre alors sur l'infrastructure de calcul — faire répondre le modèle — plutôt que sur la conquête. Une lecture possible : à qualité de modèle égale, l'acteur qui n'a pas à financer l'acquisition dispose d'une marge de manœuvre supérieure, qu'il peut réinvestir dans le calcul, dans l'amélioration, ou dans la baisse des prix. Nous formulons cela comme une hypothèse plausible, appuyée sur une logique connue, non comme une loi.

Simulateur : combien vaut un canal installé ?

Un acteur installé touche ses utilisateurs sans coût d'acquisition. Un nouvel entrant, lui, doit payer pour chaque utilisateur conquis. Estimez l'écart — et comparez-le aux 20 Md$ versés par Google à Apple pour le défaut Safari.

Base d'utilisateurs installés 2,0 Mrd

Taux d'adoption de l'IA 10 %

Coût d'acquisition — nouvel entrant 8 $/utilisateur

Utilisateurs IA atteints sans acquisition : 200 M

Économie d'acquisition vs nouvel entrant : 1,6 Md$

Soit ≈ 8 % des 20 Md$ Google → Apple (2022)

Ordre de grandeur indicatif. Repère : Meta AI (≈ 1 Mrd d'utilisateurs depuis ≈ 3 Mrd sur WhatsApp) et ChatGPT (900 M hebdo depuis zéro) occupent les deux extrémités du simulateur.

Un précédent chiffré : ce que vaut une position par défaut

Que la position d'accès ait une valeur économique concrète n'est pas une conjecture : le passé du secteur en offre une mesure rare, rendue publique par une procédure judiciaire. Des documents dévoilés dans le cadre du procès antitrust visant Google aux États-Unis ont révélé que l'entreprise a versé de l'ordre de vingt milliards de dollars à Apple sur la seule année 2022 pour demeurer le moteur de recherche par défaut du navigateur Safari. Ce montant correspondait, selon les éléments produits, à une part significative des revenus publicitaires tirés des recherches effectuées via ce navigateur, un arrangement en vigueur, sous diverses formes, depuis 2002.

Ce chiffre est éloquent pour notre propos, indépendamment des questions de concurrence qu'il soulève et que nous laissons de côté. Il quantifie ce qu'un acteur est prêt à débourser pour occuper une position d'accès, pour être ce qui s'ouvre par défaut quand l'utilisateur ne choisit rien. Si occuper la case par défaut d'un navigateur justifie une dépense annuelle de cet ordre, alors posséder soi-même le canal — le système, la messagerie, la recherche — représente un actif dont la valeur ne se limite pas à la commodité : elle se compte en milliards. Une lecture possible : ce que Google paie pour être présent par défaut chez un tiers, il l'obtient sans coût d'acquisition sur ses propres surfaces, et cet avantage se transpose naturellement à la distribution de l'IA.

À retenir. Les ≈ 20 milliards de dollars versés par Google à Apple en 2022 pour rester le moteur par défaut de Safari quantifient la valeur d'une position d'accès. Posséder son propre canal évite cette dépense — et cet avantage se transpose à l'IA : l'acteur installé obtient une position comparable gratuitement, sur ses propres surfaces.

Le parallèle historique est fécond. L'histoire récente du logiciel est jalonnée de positions de défaut décisives : le navigateur livré avec le système d'exploitation, le moteur de recherche préinstallé, l'application de cartographie fournie d'origine. À chaque fois, la préinstallation a pesé lourd sur les usages, parfois davantage que la supériorité technique du produit concurrent. Rien n'interdit de penser que l'assistant d'IA intégré par défaut au téléphone, au navigateur ou à la messagerie bénéficiera d'un mécanisme comparable. C'est une hypothèse par analogie, à manier comme telle : les analogies éclairent, elles ne démontrent pas.

Le défaut, cette force tranquille

Le deuxième ressort est comportemental. Une part considérable des usages numériques relève du chemin de moindre résistance : les gens utilisent ce qui est déjà là, activé par défaut, sans friction. Quand un assistant apparaît directement dans le clavier du téléphone, dans la barre de recherche ou dans la conversation, il bénéficie de cette inertie favorable. L'utilisateur n'a pas à choisir de l'utiliser ; il le rencontre. Cette position de défaut, longtemps décisive dans l'histoire du logiciel — pour les navigateurs, les moteurs de recherche, les cartes —, pourrait rejouer un rôle dans l'IA.

Il faut manier cet argument avec précaution, car il a ses limites. Être proposé par défaut ne garantit pas d'être adopté : un assistant médiocre placé partout finit par être ignoré. La position de défaut abaisse la barrière, elle ne supprime pas l'exigence de qualité. Une lecture prudente dirait donc : la distribution installée offre une longueur d'avance dans la première rencontre, mais la rétention — le fait que les gens reviennent — dépend, elle, du service rendu. Le canal ouvre la porte ; il ne garantit pas qu'on reste dans la pièce.

Le cas de l'assistant professionnel de Microsoft, Copilot, illustre précisément cette limite, et il tempère la thèse au moment même où l'on pourrait la croire triomphante. L'outil est intégré aux logiciels de bureautique et au système, c'est-à-dire distribué sur l'un des plus vastes canaux professionnels au monde. Pourtant, les chiffres d'adoption racontent une histoire nuancée : l'offre a franchi le seuil des quinze millions de sièges payants lors des résultats de janvier 2026, puis vingt millions trois mois plus tard, en avril 2026, mais les mesures d'usage indiquent qu'une part seulement des personnes disposant d'un accès s'en servent réellement de façon active, de l'ordre d'un tiers selon plusieurs synthèses. Le canal a mis l'outil devant des millions d'employés ; il ne les a pas tous convertis en usagers réguliers. Voilà une démonstration en négatif : la distribution ouvre l'accès, la valeur perçue décide de la suite.

Ce fait mérite d'être versé au dossier avec honnêteté, car il joue contre la thèse autant que le précédent des vingt milliards jouait pour elle. Il rappelle que la distribution est une condition facilitante, pas un mécanisme automatique : elle réduit la friction initiale, mais l'adhésion durable se gagne sur le terrain de l'utilité. Un canal massif branché sur un produit dont les gens ne perçoivent pas le bénéfice ne produit pas d'adoption profonde ; il produit des accès dormants. La nuance est essentielle pour ne pas transformer un avantage réel en certitude qu'il n'est pas.

À retenir. Copilot illustre la limite du raisonnement : distribué sur plus de 1,6 milliard de postes Windows, il ne convertit qu'environ un tiers de ses détenteurs de licence en usagers actifs. La distribution ouvre la porte — elle ne garantit pas qu'on reste dans la pièce. Canal massif + produit insuffisant = accès dormants.

Le canal ouvre la porte ; il ne garantit pas qu'on reste dans la pièce. La distribution installée abaisse le coût de la première rencontre ; elle ne dispense pas de mériter la seconde.

Le signal d'usage, matière première de l'amélioration

Le troisième ressort est plus subtil. Un service utilisé massivement produit un signal : les interactions réelles indiquent où le modèle échoue, ce que les gens demandent, comment ils reformulent quand la réponse ne convient pas. À l'échelle de milliards d'interactions, ce retour d'expérience devient une matière première pour l'amélioration continue. Une lecture possible : la boucle « distribution → usage → amélioration » se referme, et un acteur qui distribue largement récolte de quoi affiner ses produits plus vite.

Une précaution s'impose ici, importante à l'heure où la protection des données personnelles structure le débat. Que l'usage produise un signal ne signifie pas que les conversations privées soient librement versées à l'entraînement des modèles. Les cadres réglementaires, en Europe notamment, encadrent strictement ce que les entreprises peuvent faire des données collectées, et les usages varient selon les produits et les consentements recueillis. Le signal dont il est question est agrégé et statistique — quelles requêtes échouent, quelles fonctions sont adoptées — bien davantage qu'un accès individualisé. La nuance compte : l'avantage existe, mais il s'exerce dans un cadre juridique qui en délimite les contours, et le confondre avec une exploitation sans limite serait inexact.

La boucle « distribution → usage → amélioration » se referme sur elle-même : l'avantage se nourrit du sien propre.

Acquisition. L'acteur installé n'a pas à financer la conquête d'un public : il l'a déjà, ce qui déplace sa dépense vers le service.
Défaut. Être proposé sans friction, là où l'utilisateur est déjà, abaisse la barrière de la première rencontre.
Signal. Un usage massif nourrit une boucle d'amélioration, dans les limites strictes du cadre réglementaire.
Contrepartie. Rien de tout cela ne dispense de la qualité : la rétention reste conditionnée au service réellement rendu.

La volatilité de la qualité renforce l'argument

Un dernier ressort mérite d'être isolé, parce qu'il donne à la thèse sa force particulière. Si le meilleur modèle était durablement le même, la qualité serait un avantage stable, et la distribution passerait au second plan. Mais ce n'est pas ce qu'on observe. Le classement des modèles change au rythme des sorties ; un laboratoire prend la tête, un autre le rattrape quelques semaines plus tard. Dans un tel régime, miser sur la qualité comme avantage central revient à courir sans jamais pouvoir s'arrêter. La distribution, elle, ne s'évapore pas au rythme des nouvelles versions : une base de trois milliards d'utilisateurs reste là, quel que soit le laboratoire en tête ce mois-ci.

Une lecture possible en découle. Pour l'acteur installé, la stratégie rationnelle pourrait être de ne pas chercher à toujours détenir le meilleur modèle — objectif coûteux et instable — mais de tenir un modèle suffisamment bon, et de le brancher sur un canal que personne ne peut lui prendre. La qualité devient alors un seuil à franchir plutôt qu'une course à gagner : il suffit d'être assez bon pour que la distribution fasse le reste. Répétons-le, c'est une hypothèse ; elle a le mérite d'expliquer pourquoi ces entreprises investissent autant dans l'intégration de l'IA à leurs produits existants, et pas seulement dans la performance brute de leurs laboratoires.

La mise en perspective : le contre-exemple qui tient tête

Cette grille n'aurait aucune valeur si elle expliquait tout. Or elle rencontre un contre-exemple massif, qu'il serait malhonnête de passer sous silence, et qui l'oblige à se réviser : des acteurs sans aucune base installée ont réussi une adoption fulgurante. C'est le test décisif de notre lecture, et il en montre les limites.

OpenAI : l'adoption sans canal préexistant

OpenAI n'avait, avant le lancement de son assistant conversationnel fin 2022, ni système d'exploitation, ni messagerie, ni navigateur, ni parc d'appareils. Aucun canal installé, aucune audience captive. Et pourtant, son service a atteint 800 millions d'utilisateurs hebdomadaires, un chiffre annoncé par son dirigeant, Sam Altman, en octobre 2025 — après avoir à peu près doublé son audience hebdomadaire au cours de l'année, passant d'environ 400 millions d'utilisateurs au début de 2025 à ce niveau, puis 900 millions en février 2026 selon OpenAI. Cette croissance s'est faite non par la distribution installée, mais par la qualité perçue et le bouche-à-oreille : les gens en ont parlé, l'ont recommandé, sont allés le chercher. C'est exactement l'inverse du mécanisme que décrit notre thèse.

Ce fait est un avertissement clair. Il démontre qu'une base installée n'est ni nécessaire ni suffisante : on peut atteindre une audience colossale en partant de zéro, à condition d'offrir un produit que les gens veulent au point de le chercher activement. La distribution installée n'est donc pas un fossé infranchissable ; c'est un avantage, parmi d'autres, qui peut être surmonté par la seule force d'un produit désiré.

Anthropic : une autre voie, sur un autre terrain

Le cas d'Anthropic complète la démonstration sous un angle différent. Ce laboratoire, lui aussi dépourvu de base installée grand public, a construit sa position moins sur l'audience de masse que sur un positionnement — la fiabilité, la sûreté — et sur une présence forte auprès des développeurs et des entreprises, via son interface de programmation et ses partenariats d'intégration. Sa trajectoire montre qu'il existe plusieurs manières de contourner l'absence de canal installé : par le produit grand public le plus désiré, comme OpenAI, ou par une distribution indirecte, en s'insérant dans les outils que d'autres construisent et distribuent.

Ces deux exemples imposent une révision honnête de la thèse. La distribution installée est un atout, sans doute réel ; elle n'est pas un déterminant unique. Le marché comporte au moins deux voies parallèles : celle des géants qui capitalisent sur un canal existant, et celle des spécialistes qui, à défaut de canal, misent sur un produit assez remarquable pour s'en créer un. Aucune n'a, à ce stade, rendu l'autre caduque.

Apple, ou le canal qui ne se convertit pas de lui-même

Un troisième cas affine encore la lecture, et il vient d'un acteur pourtant richement doté en distribution : Apple. L'entreprise détient l'un des plus vastes parcs d'appareils au monde — plus de deux milliards d'unités actives —, soit exactement le type de canal que notre thèse présente comme un atout majeur. Et pourtant, sa présence dans la vague d'IA générative est restée mesurée, plus tardive et plus prudente que celle de ses pairs. L'entreprise a repoussé à 2026, puis au-delà, la refonte en profondeur de son assistant vocal, un dirigeant expliquant ne pas vouloir décevoir ses clients avec une version insuffisamment aboutie. Elle a par ailleurs choisi de s'appuyer sur des modèles conçus par d'autres pour animer certaines de ses fonctions, plutôt que de reposer uniquement sur les siens.

Ce cas est riche d'enseignements, parce qu'il coupe court à une lecture trop mécanique. Posséder le canal ne suffit pas si l'on ne place pas dedans un produit convaincant, au bon moment. La base installée d'Apple demeure, à ce jour, un potentiel largement disponible plutôt qu'un avantage pleinement activé dans l'IA générative. Une lecture possible : la distribution est une condition de possibilité, pas un résultat ; elle attend qu'on la branche sur une offre à la hauteur, et rien ne l'active automatiquement. L'atout dort tant qu'on ne le réveille pas — ce qui, une fois encore, ramène la qualité du produit au centre du tableau.

On peut d'ailleurs lire cette prudence de deux manières opposées, et l'honnêteté commande de mentionner les deux. Selon la première, Apple prend du retard et laisse filer un avantage qu'elle aurait pu saisir plus tôt. Selon la seconde, l'entreprise se réserve la possibilité de déployer, le moment venu, une IA aboutie sur un parc gigantesque, en une fois — pariant que la distribution attendra, parce qu'elle, au moins, ne s'évapore pas. Laquelle des deux se vérifiera, nous n'en savons rien, et prétendre le contraire serait forcer le trait. Ce que le cas établit, en revanche, c'est que la seule possession d'un canal ne dicte pas le calendrier ni le résultat.

Un service parti de zéro a réuni 900 millions d'utilisateurs hebdomadaires par la seule force du produit. C'est la preuve que la base installée n'est pas un fossé infranchissable — et donc que « distribution > modèle » est une lecture, pas une loi.

Ce que révèle la coexistence des deux voies

La cohabitation de ces trajectoires est peut-être l'enseignement le plus solide, parce qu'il ne dépend d'aucune prédiction. On observe simultanément des géants installés qui diffusent l'IA à des milliards de personnes via leurs canaux, et des laboratoires nés récemment qui atteignent des centaines de millions d'utilisateurs sans canal préexistant. Les deux réussissent, à leur manière, ce qui suggère que l'avantage de distribution et l'avantage de produit ne s'excluent pas : ils opèrent sur des registres partiellement distincts.

On peut même lire une convergence en cours. Les spécialistes cherchent à se doter de canaux — applications mobiles, intégrations, accords de distribution — tandis que les géants installés s'efforcent d'améliorer la qualité de leurs modèles pour ne pas dépendre du seul canal. Chacun tente d'acquérir ce que l'autre possède déjà. Si cette convergence se confirme, la question « distribution ou modèle ? » deviendrait mal posée : les deux se rejoindraient au centre, et l'avantage durable appartiendrait à qui saurait tenir les deux bouts. Cette lecture, prudente, reste une lecture.

Deux voies distinctes convergent : chacun cherche à acquérir ce que l'autre possède déjà.

Ce qu'on peut en retenir

Résumons sans surenchère. Le fait établi est une inégalité de départ : quatre entreprises — Google, Meta, Microsoft, Apple — disposent de canaux atteignant, chacun, des centaines de millions à plusieurs milliards d'utilisateurs, et elles y insèrent l'IA sans avoir à conquérir un public. Ces chiffres sont réels, documentés, communiqués par les entreprises ou mesurés par des instituts indépendants. Ils constituent un point de départ que la qualité d'un modèle ne modifie pas.

La lecture que l'on peut en tirer — et ce n'est qu'une lecture — est que, dans une technologie où la meilleure qualité change de mains tous les quelques mois, cet accès installé pourrait constituer un avantage plus stable que la performance elle-même : il abaisse le coût d'acquisition, joue sur l'inertie du défaut, et nourrit une boucle d'amélioration, à condition de rester dans les limites du cadre réglementaire et de franchir le seuil minimal de qualité sans lequel aucun canal ne retient personne.

Mais cette lecture s'arrête net devant un fait qui la contredit : des acteurs sans aucune base installée ont réuni des centaines de millions d'utilisateurs par la seule force de leur produit. La distribution installée n'est donc ni nécessaire ni suffisante. Elle est un atout, réel mais surmontable, dans une compétition qui comporte plusieurs voies gagnantes. Prétendre que « la distribution l'emporte sur le modèle » serait aussi excessif que l'inverse ; la vérité observable, à ce jour, est que les deux réussissent, sur des terrains partiellement différents, et qu'ils tendent peut-être à converger.

Une dernière fois, pour lever toute ambiguïté : rien de ce qui précède ne désigne un gagnant. Notre propos n'était pas de couronner les géants installés ni de célébrer les nouveaux venus, mais d'isoler une variable trop souvent noyée dans la seule question de la performance — la distribution — et de mesurer ce qu'elle vaut, sans l'exagérer. Elle vaut beaucoup ; elle ne vaut pas tout. Le lecteur qui cherchait un verdict devra se contenter d'une grille de lecture, ce qui est, nous l'espérons, plus utile : une manière de regarder cette compétition qui tienne compte du tuyau autant que de l'eau qui y coule.