Magazine LLM Opensource · 22 October 2026

Pinterest a remplacé ses API d’IA propriétaires par de l’open source : anatomie d’une migration à 90 % d’économies

Quand Pinterest a confirmé avoir basculé l’essentiel de ses workloads d’IA vers des modèles open source, avec des performances comparables aux modèles de frontière pour « moins de 10 % du coût », la nouvelle a résonné bien au-delà de la Silicon Valley. Derrière le slogan se cache une migration technique documentée : une approche « model-agnostic » assumée, un recours à Qwen d’Alibaba pour la compréhension visuelle, une couche d’embeddings maison (PinCLIP), et une réorientation stratégique actée fin 2025. Récit d’une transformation qui, à l’heure où les modèles à poids ouverts de l’automne 2026 bousculent la hiérarchie, sert de cas d’école à de nombreuses équipes IA.

Quand Pinterest a dit adieu aux API coûteuses : le pari de l’open source

Pinterest, c’est d’abord un moteur de découverte visuelle : des centaines de millions d’utilisateurs actifs mensuels épinglent, cherchent et s’inspirent à travers des centaines de milliards d’images. Derrière cette simplicité d’usage se cache une infrastructure d’IA parmi les plus sollicitées au monde : recommandation de contenu, modération d’images, recherche visuelle, étiquetage de données, et plus récemment des outils génératifs comme Restyle, qui permet de redécorer une pièce à partir d’une photo.

Pendant des années, une partie de cette intelligence artificielle reposait sur des API propriétaires — des services managés facturés à l’usage, souvent au million de tokens ou à l’image traitée. Un modèle économique confortable pour les fournisseurs, mais qui devient vite douloureux quand on l’applique à l’échelle de centaines de millions d’utilisateurs. Les coûts d’inférence grimpent, la latence p99 sur des endpoints temps réel devient difficile à tenir, et la dépendance à des fournisseurs externes limite la capacité de personnalisation sur des données internes massives.

C’est dans ce contexte que Pinterest a pris une décision structurante. Interrogée par Fortune, l’entreprise a indiqué utiliser des modèles d’IA open source pour atteindre des performances similaires à celles des principaux modèles de frontière, pour moins de 10 % du coût, en particulier sur les tâches visuelles et multimodales. La décision a été « solidifiée fin 2025 » et constitue, selon Pinterest, l’aspect le plus déterminant de sa stratégie de transformation IA : meilleure personnalisation, mise à l’échelle plus rapide, et surtout économies substantielles.

Lors de la présentation des résultats trimestriels, le PDG Bill Ready a évoqué des modèles open source offrant une « performance exceptionnelle » pour les cas d’usage visuels, avec une réduction des coûts « d’un ordre de grandeur » par rapport aux modèles propriétaires. Une affirmation relayée par plusieurs médias spécialisés, dont Services Mobiles, 2051.fr et GoodTech.

Mais derrière l’annonce, il y a une histoire technique beaucoup plus riche : comment une entreprise de cette taille a-t-elle réussi à réduire la part des API propriétaires dans sa pile, sans sacrifier la qualité ? Et surtout, quelles leçons les autres équipes IA peuvent-elles en tirer ?

Facture d’inférence à six chiffres : ce qui a poussé Pinterest à tout changer

Les motivations de cette réorientation sont à la fois économiques et techniques. Côté économique, le coût des API propriétaires — qu’il s’agisse d’OpenAI, d’Anthropic ou de services managés cloud — est devenu un poste de dépense majeur pour toute entreprise qui les utilise à grande échelle. Pour Pinterest, avec des centaines de millions d’utilisateurs actifs et des workloads d’inférence quasi permanents (recommandation, modération, recherche), la facture se compte en millions de dollars. Les tarifs par million de tokens des grands fournisseurs, même s’ils ont baissé, restent prohibitifs pour des usages où chaque requête utilisateur déclenche plusieurs appels de modèles.

Vicky Gkiza, VP product management chez Pinterest, résume la logique à Fortune : « Nous sommes une entreprise plus petite, donc le coût compte. Nous essayons d’être aussi attentifs à l’utilisateur qu’à l’économie. » Un aveu qui tranche avec le discours des hyperscalers, pour qui le coût de l’inférence est noyé dans des budgets autrement plus vastes.

Côté technique, la latence est un enjeu critique. Les endpoints de recommandation doivent répondre en quelques dizaines de millisecondes pour ne pas dégrader l’expérience utilisateur. Or, les API propriétaires, même performantes, introduisent une latence réseau incompressible et une variabilité (p99) difficile à maîtriser. Pour des cas d’usage temps réel comme la modération d’images ou le scoring de pertinence, cette variabilité est rédhibitoire.

Enfin, la personnalisation est un luxe que les API propriétaires ne permettent pas vraiment. Pinterest dispose de plusieurs années de données internes : images, métadonnées, comportements utilisateurs. Pour entraîner des modèles vraiment adaptés à ses cas d’usage — mode, DIY, décoration, recettes — il faut pouvoir injecter ces données dans le modèle lui-même, ce que les API fermées ne permettent pas. On peut fine-tuner un modèle via une API, mais on reste limité par les contraintes du fournisseur : pas d’accès aux poids, pas de modification de l’architecture, pas de contrôle sur l’inférence.

C’est cet ensemble de contraintes qui a poussé Pinterest à chercher des alternatives. Les indicateurs internes qui ont déclenché la décision — coût par million de tokens, latence p99, taux d’erreur — ne sont pas publics dans le détail, mais la direction prise est claire : il fallait reprendre le contrôle de la pile IA.

Une stratégie « model-agnostic », pas une rupture : ce que Pinterest fait vraiment

Contrairement à ce que le récit dominant laisse parfois entendre, Pinterest n’a pas « tout basculé » vers l’open source du jour au lendemain. La réalité, documentée par B-17, est plus nuancée : l’entreprise applique une approche dite « model-agnostic », entamée dès 2023, qui combine trois briques :

ses modèles propriétaires, développés en interne par ses ingénieurs ;
des modèles fermés d’Anthropic (Claude, pour des usages internes comme le coding) et d’OpenAI (pour certaines fonctionnalités produit) ;
des modèles open source d’Alibaba (Qwen), utilisés pour la compréhension visuelle et de contenu, l’étiquetage de données et les tâches d’assistant.

Un porte-parole de Pinterest a confirmé à B-17 cette répartition. Gkiza précise à Fortune que l’entreprise n’a pas complètement cessé d’utiliser les modèles de frontière — OpenAI reste mobilisé pour certaines fonctionnalités et des usages internes comme le coding — mais que l’open source « est là où nous déplaçons davantage notre focus et où nous voyons le plus d’efficacités ». Dans un billet de blog engineering détaillant la stratégie, Pinterest parle d’« un changement de défauts technologiques » — comprenez : l’open source devient le choix par défaut, le propriétaire l’exception ciblée.

Le processus concret est simple à énoncer : identifier ce que l’on veut construire, puis identifier les meilleurs modèles open source pour le supporter. C’est ainsi que Pinterest a retenu Qwen pour analyser plus finement le contenu visuel des épingles et générer du texte contextuel — par exemple pour décrire des images qui n’en contiennent pas nativement.

Cette nuance est essentielle : la migration n’est pas une croisade idéologique mais un arbitrage économique et technique, réévalué en continu. C’est précisément ce qui la rend transposable à d’autres organisations.

Qwen sous stéroïdes : comment Pinterest a greffé son propre encodeur visuel

Le cœur technique de la migration repose sur un choix pragmatique : partir d’un modèle open source, Qwen d’Alibaba, et l’adapter en profondeur. Plutôt que d’utiliser le modèle tel quel, Pinterest a greffé sur sa pile une couche d’embeddings multimodaux propriétaire, PinCLIP, entraînée sur ses données internes.

Cette hybridation est une stratégie subtile. Au lieu de choisir entre un modèle entièrement open source (qui aurait nécessité un entraînement complet sur des données internes, avec des coûts d’infrastructure colossaux) et un modèle entièrement propriétaire (qui aurait maintenu la dépendance aux API), Pinterest a opté pour une solution intermédiaire : conserver la puissance du modèle de base open source, mais greffer dessus une couche d’embeddings entraînée sur ses propres données.

Le résultat est un modèle qui combine les avantages des deux mondes : la robustesse et la généralisation de Qwen, et la spécificité de PinCLIP, qui a appris à représenter les images et les métadonnées de Pinterest d’une manière adaptée à ses cas d’usage. C’est une forme de fine-tuning implicite : en remplaçant l’encodeur visuel, on injecte directement les données comportementales de Pinterest dans le modèle, sans avoir à réentraîner l’ensemble des paramètres.

Ce choix n’est pas anodin. Il reflète une tendance de fond dans l’industrie : plutôt que de choisir entre open source et propriétaire, les entreprises apprennent à combiner les deux. L’open source fournit la base, le propriétaire apporte la différenciation. C’est exactement ce que Pinterest a fait, et c’est une leçon que beaucoup d’équipes IA commencent à intégrer — une logique que l’on retrouve aussi dans l’essor des « decision models » à poids ouverts, où le grand modèle génératif n’est plus qu’une brique parmi d’autres dans un pipeline.

90 % d’économies, 30 % de précision en plus : les chiffres qui ont convaincu

Les résultats annoncés sont spectaculaires. Selon le blog Epinium, qui relaie un article de VentureBeat, Matt Madrigal (CTO de Pinterest) aurait rapporté les chiffres suivants :

Réduction de 90 % des coûts d’inférence IA
Amélioration de 30 % de la précision des recommandations
Gain de latence d’un facteur 20

Ces chiffres sont cohérents avec la déclaration de Bill Ready sur « l’ordre de grandeur » des économies, et avec la fourchette « moins de 10 % du coût » confirmée à Fortune. Mais il faut les analyser avec prudence. D’abord, ils proviennent d’une source secondaire (Epinium citant VentureBeat), pas d’un blog engineering officiel de Pinterest. Ensuite, la notion de « précision » est ambiguë : s’agit-il d’une métrique en ligne (click-through rate, engagement) ou hors ligne (NDCG, précision/rappel) ? Le gain de latence d’un facteur 20 est probablement lié au précalcul des embeddings hors ligne plutôt qu’à un appel temps réel, ce qui change la nature de l’amélioration.

Critère	API propriétaires (avant)	Open source hybride (après)
Coût d’inférence	Élevé, facturé à l’usage	Réduit de ~90 % ; « moins de 10 % du coût » des modèles de frontière (Fortune)
Latence	Variable, p99 difficile à maîtriser	Gain d’un facteur 20 (précalcul des embeddings, source secondaire)
Personnalisation	Limitée par les contraintes du fournisseur	Totale : PinCLIP entraîné sur données internes
Contrôle	Dépendance à des tiers	Maîtrise de la pile (GPU Nvidia, orchestration)
Précision des recommandations	Baseline	+30 % (source : VentureBeat via Epinium, non confirmé officiellement)

Malgré ces réserves, les chiffres sont impressionnants et cohérents avec ce que l’on sait des avantages de l’open source à grande échelle : suppression des marges des fournisseurs, optimisation de l’inférence (quantification, batching), et précalcul des représentations vectorielles.

GPU, latence, scaling : les dessous techniques d’une migration à grande échelle

Une migration de cette ampleur ne se fait pas sans défis d’infrastructure. Pinterest a dû repenser sa pile technique pour accueillir des modèles open source en production, à l’échelle de centaines de millions d’utilisateurs.

L’infrastructure actuelle, baptisée « Pinterest Intelligence », repose sur des GPU Nvidia Blackwell et Nvidia Dynamo pour l’orchestration, comme le rapporte Services Mobiles. Ce choix matériel n’est pas anodin : les GPU Blackwell offrent des performances d’inférence nettement supérieures aux générations précédentes, et Dynamo permet de gérer des workloads distribués à grande échelle.

La gestion de la latence a été un enjeu central. Pour les workloads temps réel (recommandation, modération), Pinterest a dû optimiser l’inférence : quantification des modèles (passage en 8 bits, voire 4 bits), batching des requêtes, et surtout précalcul des embeddings hors ligne. C’est cette dernière technique qui explique probablement le gain de latence d’un facteur 20 : au lieu de calculer les représentations vectorielles à la volée, Pinterest les précalcule et les stocke, ce qui réduit drastiquement le temps de réponse.

La mise à l’échelle a également posé des défis. Avec des centaines de millions d’utilisateurs actifs mensuels, chaque amélioration de latence ou de coût a un impact massif. Pinterest a dû trouver le bon compromis entre coût, vitesse et qualité : pas question de sacrifier la précision des recommandations pour économiser quelques centimes par requête, mais pas question non plus de maintenir des coûts d’inférence insoutenables.

Il faut d’ailleurs noter que l’écosystème de l’inférence open source a beaucoup bougé depuis la décision initiale de Pinterest. Le 20 octobre 2026, à la PyTorch Conference North America, le projet llm-d 1.0 a été présenté : un stack d’inférence distribué, natif Kubernetes, qui orchestre vLLM et SGLang et attaque frontalement le goulot du KV cache (voir notre article dédié). Pour une entreprise comme Pinterest, ce type d’outil change l’équation du self-hosting : là où il fallait assembler soi-même moteurs et orchestrateurs, il existe désormais des briques matures. Cela ne signifie pas que Pinterest les utilise — rien ne le confirme — mais cela abaisse le coût d’entrée du « build » face au « buy ».

Ce que les CTO peuvent copier : la méthode Pinterest pour évaluer open source vs propriétaire

Au-delà des chiffres, la méthode de Pinterest est instructive. L’entreprise confirme qu’elle évalue en continu différents modèles, et qu’elle réalise régulièrement des tests comparatifs entre ses propres modèles, les solutions commerciales et les modèles open source, comme le rapporte 2051.fr. Cette pratique, simple en apparence, est cruciale : elle permet de mesurer objectivement les performances sur ses propres données et cas d’usage, plutôt que de se fier à des benchmarks génériques.

Gkiza décrit le basculement comme la conséquence d’une observation : « il y a quelques mois, vous n’auriez pas obtenu ce type de performance avec l’open source. Ce que nous voyons, c’est que la technologie progresse, et nous voyons des choses que nous pensions impossibles il y a quelques mois à peine. » Autrement dit, la décision n’est pas figée : elle suit la courbe de progression des modèles ouverts.

Les leçons pour les équipes IA sont multiples :

Mesurer sur ses propres données : un modèle qui excelle sur un benchmark public peut échouer sur des données internes. Pinterest a testé les modèles open source sur ses jeux de validation propriétaires avant de se lancer.
Ne pas opposer open source et propriétaire : la stratégie gagnante est souvent hybride. Pinterest a conservé une couche propriétaire (PinCLIP) et des modèles fermés ciblés (OpenAI, Anthropic) tout en adoptant une base open source (Qwen).
Prendre en compte le coût total : le prix d’une API n’est qu’une partie de l’équation. Il faut aussi considérer la latence, la personnalisation, le contrôle, et les coûts d’infrastructure internes. Comme le rappelle Lan Guan (Accenture) à B-17, « ce coût par token va vous ralentir si vous ne commencez pas à le gérer proactivement ».
Investir dans les compétences internes : une migration vers l’open source exige des équipes capables de fine-tuner des modèles, d’optimiser l’inférence et de gérer des GPU. B-17 note d’ailleurs que Pinterest a ajusté sa stratégie de recrutement pour renforcer l’expertise en développement logiciel. C’est un investissement en talents, pas seulement en matériel.
Traiter l’open source comme un défaut, pas comme un dogme : Pinterest parle d’un « changement de défauts technologiques ». L’open source devient le point de départ, le propriétaire l’exception justifiée par un besoin précis.

Ce que Pinterest ne dit pas (encore) : les angles morts de la migration

Il serait malhonnête de présenter cette migration comme un succès sans zones d’ombre. Plusieurs points restent flous.

D’abord, les chiffres détaillés ne sont pas publiés dans un blog engineering exhaustif. Les gains de 90 %, 30 % et le facteur 20 proviennent de sources secondaires (VentureBeat via Epinium) et n’ont pas été corroborés par une documentation technique officielle détaillée. La fourchette « moins de 10 % du coût » est, elle, confirmée à Fortune — mais sans décomposition par workload.

Ensuite, la part exacte de l’open source dans la pile n’est pas chiffrée. Pinterest parle d’un « focus déplacé », pas d’une substitution totale. Les modèles fermés d’OpenAI et d’Anthropic restent en production pour des usages ciblés. Impossible donc de savoir quel pourcentage du trafic d’inférence est réellement servi par des modèles ouverts.

Troisième angle mort : le coût caché de l’infrastructure. Passer de l’API à l’auto-hébergement, c’est troquer une facture variable contre des capex GPU, des coûts d’exploitation (refroidissement, énergie, ingénierie) et une complexité opérationnelle. Les « 90 % d’économies » portent sur l’inférence, pas nécessairement sur le coût total de possession. C’est un point que les équipes tentées par la migration doivent intégrer.

Enfin, la question de la sécurité et de la maintenance. Les modèles à poids ouverts exigent une vigilance accrue : l’OWASP Top 10 LLM 2026, publié le 1er septembre 2026, place l’empoisonnement et la supply chain Hugging Face parmi les vecteurs critiques. Auto-héberger un modèle, c’est aussi hériter de la responsabilité de sa chaîne d’approvisionnement.

Le paysage a changé : ce que l’automne 2026 dit de la stratégie Pinterest

La décision de Pinterest, actée fin 2025, s’inscrit dans une accélération que l’automne 2026 rend spectaculaire. En quelques jours, la vague de modèles à poids ouverts a changé d’échelle :

Mistral Large 4 (« Le Chonk »), dévoilé le 6 octobre 2026, un modèle de frontière d’environ 1 000 milliards de paramètres dont 49 milliards activés par réponse, avec des poids annoncés sur Hugging Face le 27 octobre — Mistral le présente comme le meilleur modèle à poids ouverts hors de Chine.
Meta Muse Spark Open, publié le 15 octobre 2026 : un MoE de 816 milliards de paramètres (42 milliards actifs) avec une fenêtre de contexte d’un million de tokens, présenté comme le modèle à poids ouverts américain le plus capable à ce jour.
Reflection Beam, un modèle open-weight de 501 milliards de paramètres dévoilé le 6 octobre, qui revendique 3 à 4 fois moins de calcul d’inférence que ses rivaux.
Côté chinois, Qwen3.8-Max (Alibaba, 2,4 billions de paramètres, août 2026) confirme la vitalité de la famille Qwen sur laquelle Pinterest s’appuie.

Cette effervescence valide rétrospectivement le pari de Pinterest : la famille Qwen qu’il a choisie continue d’être activement développée, et la concurrence entre laboratoires ouverts fait baisser les coûts et monter les performances. Mais elle pose aussi une nouvelle question : avec des modèles de 500 à 1 000 milliards de paramètres, le « mur de la mémoire » devient un facteur limitant pour le self-hosting. Comme le relevait récemment notre magazine, la vague open-weight se heurte désormais à des contraintes matérielles concrètes — ce qui renforce l’intérêt des approches hybrides et compactes du type de celle de Pinterest.

Verdict : une leçon d’arbitrage, pas une recette miracle

La migration de Pinterest n’est pas un slogan militant pour l’open source. C’est une leçon d’arbitrage : une entreprise de taille moyenne, sur un marché où le coût compte, a réévalué ses défauts technologiques à mesure que les modèles ouverts progressaient, et a construit une pile hybride où l’open source fournit la base et le propriétaire la différenciation.

Trois enseignements se dégagent pour les équipes IA :

L’open source n’est plus un compromis de second choix sur les tâches visuelles et multimodales : c’est un choix par défaut économiquement rationnel, à condition de mesurer sur ses propres données.
L’hybridation est la norme, pas l’exception : Qwen + PinCLIP + OpenAI/Anthropic ciblés, c’est un assemblage assumé, pas une transition inachevée.
Les chiffres spectaculaires doivent être lus avec méthode : « 90 % d’économies » porte sur l’inférence, pas sur le coût total ; « +30 % de précision » reste à qualifier.

À l’heure où Mistral, Meta et Reflection alignent des modèles ouverts de plusieurs centaines de milliards de paramètres, la question n’est plus « open source ou propriétaire ? » mais « quel équilibre, pour quel workload, à quel coût total ? ». Pinterest a apporté une réponse documentée. D’autres suivront — et le débat sur le self-hosting, que llm-d 1.0 vient de relancer, ne fait que commencer.

Sources

Article recherché et rédigé automatiquement · Magazine Electrosens

📬 Restez à la pointe

Recevez chaque semaine les nouveautés de ce magazine par email.

💬 Une remarque, une correction ?

Aidez-nous à améliorer cet article. Nous prenons en compte vos retours.

Pinterest a remplacé l’IA propriétaire par l’open source : leçons d’une migration à grande échelle