Un modèle n’est pas un service, c’est une version
Un modèle propriétaire traverse des états de cycle de vie déclarés, et le dernier signifie partout qu’il ne répond plus sous son propre nom : les requêtes échouent, ou basculent sur un autre modèle. Anthropic nomme les siens Active, Legacy, Deprecated et Retired. OpenAI s’en tient, pour ses modèles, à Active, Deprecated et Shutdown. Amazon Bedrock parle d’Active, Legacy et End-of-Life. Microsoft Foundry en compte cinq et renvoie un « 410 Gone » passé la date. L’API Gemini, elle, ne nomme pas d’états : elle publie au cas par cas une date d’extinction ou un réacheminement.
Ce vocabulaire ressemble à de la paperasserie de fournisseur. Il décide pourtant du jour où une application cesse de fonctionner, et c’est l’information d’architecture que personne ne lit au moment de choisir. On évalue un modèle sur ses réponses, on négocie son prix, on inscrit sa disponibilité dans un contrat. Sa durée de vie, elle, est publiée ailleurs, sur une page de documentation que l’équipe projet découvre en général le jour du courriel de préavis.
Ce qui diffère d’un fournisseur à l’autre n’est pas le mécanisme, c’est l’horloge. Anthropic s’engage sur au moins soixante jours de préavis avant le retrait d’un modèle publiquement diffusé. OpenAI promet au moins six mois pour les modèles en disponibilité générale, au moins trois pour les variantes spécialisées, et prévient explicitement qu’un modèle en « preview » peut disparaître en deux semaines environ, raison pour laquelle il déconseille de l’employer sur une charge critique. Chez Amazon Bedrock, le préavis figure sur la fiche du modèle : six mois pour la plupart, quarante-cinq jours pour certains. Microsoft, lui, ne négocie pas : la date de retrait d’un modèle en disponibilité générale est connue dès son lancement, elle tombe dix-huit mois plus tard, et elle est lisible par programme dès le premier jour.
| Fournisseur | Préavis engagé | Ce qui se passe au terme |
|---|---|---|
| Anthropic | Au moins 60 jours pour un modèle publiquement diffusé | Les requêtes au modèle retiré échouent |
| OpenAI | Au moins 6 mois en disponibilité générale, 3 mois pour les variantes spécialisées, environ 2 semaines en preview | Le modèle n’accepte plus de requêtes par l’API standard |
| Amazon Bedrock | 6 mois le plus souvent, 45 jours pour certains modèles, selon la fiche du modèle | Le modèle est retiré de toutes les régions et les requêtes échouent |
| Microsoft Foundry | Date fixée dès le lancement, retrait 18 mois plus tard, notification 60 jours avant | Toute inférence renvoie un 410 Gone |
| Google, API Gemini | La date publiée est un plancher, la date exacte est annoncée ensuite | L’extinction du modèle, ou le réacheminement vers un remplaçant |
Les trois premiers engagements sont des délais qui ne démarrent qu’au jour de l’annonce. Le quatrième est d’une autre nature, et il est plus confortable : une date connue dix-huit mois à l’avance s’inscrit dans un plan de charge, là où un préavis de soixante jours arrive forcément au milieu d’autre chose. Et quand une page affiche « pas avant le 15 octobre 2026 » pour un modèle qui répond encore un mois après cette date, elle ne donne pas une date : elle donne un plancher.
La date ne dépend pas de l’éditeur du modèle, mais de la plateforme où vous l’achetez
Le même modèle n’a pas la même date de retrait d’une plateforme à l’autre. C’est le point que les calendriers publiés en ligne manquent presque toujours, et c’est celui qui casse les inventaires.
Anthropic l’écrit noir sur blanc : les dates de sa page valent pour les plateformes qu’elle exploite elle-même, et les plateformes exploitées par des partenaires, dont Amazon Bedrock, fixent leurs propres échéances, si bien que l’état du modèle et ses dates peuvent différer. Amazon dit exactement la même chose dans l’autre sens : les dates de cycle de vie sont propres à Bedrock, elles peuvent s’écarter de celles publiées par les éditeurs, et pour un usage Bedrock, seules les dates de la fiche de modèle s’appliquent. Microsoft ajoute sa propre règle : les modèles en disponibilité générale venant d’éditeurs tiers, Anthropic et Mistral AI notamment, suivent un cycle de douze mois au lieu de dix-huit.
La conséquence est concrète. Un inventaire tenu par nom de modèle est faux. La clé, c’est le triplet éditeur, plateforme, version, et c’est aussi à ce niveau que la décision initiale se prend, comme le détaille la méthode pour choisir un modèle sur vos propres cas. Choisir, c’est trancher à un instant donné. Ce qui suit est un autre exercice : tenir ce choix dans le temps, alors que son socle bouge sans vous demander votre avis.
Trois façons de perdre un modèle sans avoir été prévenu
Un retrait annoncé se gère. Ce qui abîme la production, ce sont les situations où personne n’est prévenu parce que, techniquement, rien n’échoue.
La substitution silencieuse.Sur l’API Gemini, plusieurs modèles ne s’éteignent pas : leurs requêtes sont réacheminées vers un remplaçant. Google annonce ainsi qu’au 1er décembre 2026, les requêtes adressées à Gemini 2.5 Pro seront réacheminées vers Gemini 3.8 Flash, et celles adressées à Gemini 2.5 Flash vers Gemini 3.5 Flash-Lite, facturées dans les deux cas aux tarifs du modèle d’arrivée. Votre code continue de répondre 200, votre prompt s’exécute sur un autre modèle, et votre facture change de ligne. C’est le genre de glissement qui n’apparaît dans aucune alerte applicative et qui vient grossir les postes qui font déraper une facture d’inférence.
La montée de version automatique.Chez Microsoft Foundry, les déploiements Global Standard, Data Zone Standard et Standard basculent automatiquement sur la version suivante au moment du retrait, progressivement, région par région. Deux régions d’une même application peuvent donc tourner sur deux versions différentes le même jour. Les déploiements provisionnés, eux, ne basculent pas tout seuls et doivent être migrés à la main. Un réglage de déploiement permet de refuser toute montée automatique, et il faut lire ce qu’il implique : le déploiement cesse simplement de fonctionner à la date de retrait.
L’inactivité.Sur Bedrock, dès qu’un modèle entre en état Legacy, les nouveaux clients ne peuvent plus l’adopter, et les clients existants peuvent en perdre l’accès après quinze jours d’inactivité. Un traitement par lots mensuel coche exactement cette case. Le modèle n’est pas encore en fin de vie, votre préavis court toujours, et l’accès est déjà parti. Le mécanisme n’est d’ailleurs pas propre à Amazon : depuis le 2 juillet 2026, OpenAI ferme la création de tâches d’affinage aux organisations qui n’ont pas fait tourner d’inférence sur un modèle affiné depuis soixante jours.
L’API, les paramètres d’appel et l’outillage expirent aussi
Le 30 novembre 2026, OpenAI déprécie son point d’entrée de gestion des prompts réutilisables et Agent Builder, et fait passer en lecture seule son tableau de bord d’évaluation, son API d’évaluation et ses graders. L’annonce date du 3 juin 2026, le préavis est donc respecté, et elle ne porte sur aucun modèle. Le 6 janvier 2027 marque la dernière étape d’une fermeture progressive de l’affinage en libre-service : les clients encore actifs ne pourront plus créer de tâche d’affinage, et l’inférence sur les modèles déjà affinés survivra jusqu’au retrait du modèle de base. Chez Anthropic, trois paramètres d’appel parmi les plus employés, temperature, top_p et top_k, ont été retirés de la version d’API 2026-10-21 et y retournent désormais une erreur 400. Sur Bedrock, un modèle passé en Legacy n’accepte plus de nouvelle tâche d’affinage ni de nouveau débit provisionné.
La dépendance à surveiller n’est donc pas « le modèle ». C’est la version du modèle, la version de l’API, les paramètres d’appel, le mode de déploiement et l’outillage propriétaire. Cinq horloges, pas une, et elles ne sont pas synchronisées.
La plus coûteuse des cinq est la dernière, et c’est aussi la moins évidente. Si votre campagne d’évaluation vit dans la plateforme d’un fournisseur, elle s’arrête quand cette plateforme s’arrête. Le gel en lecture seule du 30 novembre en donne la forme exacte : les résultats déjà produits restent consultables, mais plus aucune campagne ne se rejoue, précisément au moment où il en faudrait une pour arbitrer une migration. C’est l’argument le plus solide en faveur d’un jeu d’évaluation gardé chez vous, et sa construction est détaillée dans le protocole d’évaluation d’une application IA.
Pourquoi une migration se paie deux fois
Changer de modèle n’est pas remplacer une chaîne de caractères. Microsoft énumère le travail réel avec une franchise utile. Il faut évaluer les candidats sur votre application, vos prompts et des données représentatives, puis comparer qualité, latence et coût ensemble plutôt que de s’en remettre aux classements publics. Reste à vérifier la compatibilité de l’API, la prise en charge des fonctionnalités, la disponibilité par type de déploiement et par région, la capacité et les quotas. Cette liste est la facture : une campagne d’évaluation, une reprise de prompts, une fenêtre de non-régression.
Le second paiement vient du calendrier, et il est contre-intuitif. Microsoft désigne officiellement le modèle de remplacement environ quatre-vingt-dix à cent vingt jours avant le retrait, et assume ce délai : nommer un remplaçant trop tôt risquerait de diriger les clients vers un modèle qui ne serait plus le meilleur disponible au moment de migrer. L’intention est bonne pour le client, et elle a un effet secondaire : la cible recommandée n’est pas encore nommée quand vous planifiez. Attendre qu’elle le soit pour commencer, c’est s’assurer de tout faire dans les trois derniers mois, et Microsoft le dit lui-même : n’attendez pas qu’un remplaçant officiel soit désigné pour évaluer les modèles plus récents. Anthropic conseille la même chose en plus court : tester bien avant la date de retrait.
Ce n’est pas un écart de plus à ajouter à ce qui sépare un POC d’un système industrialisé. C’est ce qui arrive après, quand le système tourne depuis assez longtemps pour que son socle bouge sous lui.
Traiter la version de modèle comme une dépendance datée
Tout ce qui précède tient dans une discipline que les équipes pratiquent déjà sur leurs bibliothèques et leurs certificats : un inventaire, une date, une alerte.
L’inventaire se lit par programme, et c’est la bonne nouvelle de ce dossier. Anthropic propose un export de consommation détaillé par clé d’API et par modèle, ce qui localise les appels qui pointent encore vers un modèle déprécié. Bedrock expose l’état du cycle de vie dans la réponse de ses API de description de modèles. Microsoft publie un état de cycle de vie, une date de dépréciation de l’inférence et une date par type de déploiement, interrogeables à tout moment. Trois façons de lire l’horloge dans du code plutôt que dans un billet de blog.
Un piège mérite d’être signalé, parce qu’il est documenté par Microsoft lui-même : son API n’emploie pas le vocabulaire de son portail. Ce que la documentation appelle Deprecated, un modèle encore servi mais fermé aux nouveaux clients, s’écrit « Deprecating » dans l’API, où la valeur « Deprecated » désigne un modèle déjà retiré. Une alerte écrite sur la mauvaise valeur lit l’état inverse de celui qu’elle croit surveiller.
Le reste relève de choix d’architecture ordinaires. Épingler une version datée plutôt qu’un alias, pour que la bascule soit un acte et non un effet de bord. Garder chez vous le jeu d’évaluation et les prompts. Décider de la politique de montée de version au lieu de l’hériter du réglage par défaut. Et surveiller la substitution comme un signal à part entière, puisqu’une réponse correcte venue d’un autre modèle que le vôtre ne se voit que dans ce qu’on instrumente autour d’un appel de modèle.
À retenir
Les dates ne se négocient pas une fois posées. Microsoft traite la question de front : non, les dates de retrait ne sont pas prolongeables. Les deux portes de sortie se négocient avant, pas après : Amazon mentionne un arrangement privé avec l’éditeur pour conserver un accès au-delà de la fin de vie, OpenAI évoque, sans la garantir, la mise à disposition d’une capacité dédiée négociée avec ses équipes commerciales. Dans les deux cas, c’est une clause contractuelle, pas un bouton.
Un dernier point mérite d’être connu pour ce qu’il ne dit pas. Anthropic s’est engagée en novembre 2025 à conserver les poids de tous ses modèles publiquement diffusés, au minimum pendant la durée de vie de l’entreprise, et à interroger un modèle avant son retrait pour consigner ses réponses. C’est un engagement sérieux, et il ne change rien à votre plan de charge : un modèle préservé n’est pas un modèle appelable.
La bonne question à poser en comité d’architecture n’est donc pas « quel modèle prenons-nous ? », mais « à quelle date le modèle que nous prenons cessera-t-il de répondre, qui fixe cette date, et qu’aurons-nous à faire ce jour-là ? ». Les trois réponses sont publiques et lisibles aujourd’hui, et c’est tout ce qu’il faut : une échéance connue n’est plus un risque, c’est une tâche.



