La flexibilité native : notre vision des modèles d’IA

Il y a dix-huit mois, choisir un modèle d’IA ressemblait à une décision d’architecture classique : comparer les offres, en choisir une et s’appuyer dessus. Cette approche était raisonnable à l’époque, mais elle est aujourd’hui aussi obsolète qu’un modèle d’IA vieux de 18 mois.

Aujourd’hui, les capacités des modèles progressent à un rythme qui se compte en semaines. La qualité du raisonnement s’est considérablement améliorée. Les fenêtres de contexte ont augmenté de manière exponentielle. Les modèles open-weight ont comblé un fossé que la majeure partie du secteur pensait voir durer bien plus longtemps.

Pour les entreprises, l’implication est claire : vous en tenir à un seul modèle, aussi performant soit-il aujourd’hui, revient à transférer directement à votre entreprise le risque lié à un domaine de recherche qui connaît une évolution rapide. Chaque fois qu’un cap est franchi, et cela arrivera, votre entreprise subit les perturbations qui en découlent.

Chez ServiceNow, notre stratégie en matière de modèles d’IA repose sur un principe différent : nous concevons la couche de modèles comme un portefeuille que nous gérons pour le compte de nos clients. Il englobe des modèles de pointe et open-weight, offrant un choix et une flexibilité fondés sur une évaluation rigoureuse. Trois principes guident notre approche.

Principe 1 : adapter le modèle à la tâche

Les charges de travail liées à l’IA d’entreprise varient considérablement. Classifier un volume élevé de demandes entrantes, résumer un long historique de tickets et coordonner une tâche agentique en plusieurs étapes sur plusieurs systèmes imposent des contraintes fondamentalement différentes à un modèle. Optimiser un score unique sur un benchmark masque ces différences. C’est pourquoi nous optimisons en fonction du travail à accomplir.

Nous évaluons les modèles par rapport aux workflows que nos clients utilisent réellement, en mesurant leur précision, leur latence et leurs performances de bout en bout. C’est cette rigueur d’évaluation, et non la préférence pour un fournisseur en particulier, qui détermine quel modèle s’exécute et où. Il en résulte un portefeuille dans lequel chaque modèle est déployé en fonction des tâches qu’il gère le mieux.

Point important : grâce à la Tour de contrôle IA de ServiceNow, les clients peuvent à tout moment remplacer les paramètres par défaut des fournisseurs de modèles pour s’aligner sur leurs politiques d’entreprise.

Principe 2 : utiliser des modèles de pointe

Pour les tâches agentiques les plus exigeantes, comme le raisonnement inter-système, la planification avec plusieurs étapes d’avance ou le retour à la normale lorsqu’une approche initiale échoue au sein d’un workflow agentique, les modèles de pointe offrent les meilleures capacités du moment. C’est pourquoi nous concluons des partenariats et intégrons les technologies d’OpenAI, d’Anthropic, de Google et d’autres acteurs du secteur.

Les clients qui entretiennent déjà une relation commerciale avec un fournisseur continuent d’opérer selon leurs conditions existantes ou peuvent utiliser leur propre clé d’API, directement connectée via la ServiceNow AI Platform.

Nous sommes indépendants des modèles et des environnements cloud. Nous ne privilégions aucun modèle ni aucune solution cloud en particulier, de sorte que nos clients peuvent choisir ce qui convient le mieux à leur entreprise. De plus, ils conservent la possibilité d’activer ou de désactiver n’importe quel fournisseur via la Tour de contrôle IA de ServiceNow.

Principe 3 : mettre les modèles open-weight à la portée

Les modèles open-weight occupent désormais une place centrale dans l’entreprise. Nous les mettons à la disposition de tous nos clients.

L’open-weight vous offre de la visibilité et un contrôle total sur l’endroit où s’exécute le modèle. Pour toute entreprise soumise à des exigences de résidence des données, à une réglementation sectorielle ou à une gouvernance interne stricte, cette visibilité change la donne.

ServiceNow héberge depuis longtemps des modèles open-weight très performants, notamment Now LLM, StarCoder, Apriel et GPT-OSS. Cet engagement reste inchangé. Nous continuerons de proposer à tous nos clients une suite de modèles open-weight hébergés par ServiceNow.

Évoluer aux côtés de nos clients

L’écosystème des modèles d’IA évolue rapidement, porté par des gains de performance spectaculaires et de nouvelles capacités. Nous privilégions une approche continue et rigoureuse : à mesure que de nouveaux modèles et architectures émergent, nous les évaluons par rapport à des charges de travail concrètes en entreprise et adoptons ceux qui apportent des bénéfices clairs.

Cette approche guide la gestion de notre portefeuille : des modèles open-weight qui offrent transparence et contrôle, et des modèles de pointe qui apportent des capacités avancées. Nous nous engageons à adapter et faire évoluer notre stratégie au rythme de l’écosystème et des besoins de nos clients, afin de toujours leur proposer les meilleures solutions possibles.

L’objectif fondamental est simple : nos clients doivent bénéficier des avancées de l’IA sans subir le coût de chaque transition. Autrement dit, ils n’ont pas à subir de refonte d’architecture, de projet de migration, ni d’interruption des activités en cours. La couche de modèles évolue. Vos workflows, eux, continuent de tourner.

Découvrez comment ServiceNow peut vous aider à explorer, sécuriser et mesurer n’importe quelle IA.