Le 12 juin 2026, Anthropic a annoncé la suspension de l'accès à ses modèles Fable 5 et Mythos 5 pour l'ensemble de ses clients. La décision répond à une directive américaine visant à empêcher leur utilisation par des ressortissants étrangers. Les autres modèles de l'entreprise ne sont pas concernés.
L'événement est spectaculaire. Mais la leçon utile pour une PME ne concerne pas seulement Anthropic, la cybersécurité ou la politique américaine. Elle concerne la dépendance à un fournisseur IA. Lorsqu'un processus important repose entièrement sur un modèle, une API ou une plateforme, l'entreprise n'utilise plus simplement un outil. Elle lui confie une partie de sa continuité d'activité.
Et cette dépendance reste souvent invisible jusqu'au jour où l'accès change. C'est généralement le charme des points de défaillance uniques : ils paraissent très efficaces avant de devenir très seuls.
Dans son communiqué du 12 juin 2026, Anthropic explique avoir reçu une directive de contrôle des exportations du gouvernement américain. Selon l'entreprise, cette directive impose de suspendre l'accès à Fable 5 et Mythos 5 pour tout ressortissant étranger, aux États-Unis comme ailleurs.
Anthropic indique avoir désactivé les deux modèles pour tous ses clients afin de respecter cette obligation. L'entreprise précise que ses autres modèles restent accessibles. Elle conteste toutefois la justification technique de la mesure et affirme travailler au rétablissement de l'accès.
Il faut donc rester précis. Il ne s'agit pas, au 13 juin 2026, d'un arrêt définitif de toute l'offre Anthropic. Il s'agit de la suspension brutale de deux modèles précis, dans un contexte réglementaire et sécuritaire particulier.
Un fournisseur peut rester solide tout en rendant indisponible le modèle exact dont votre workflow dépend.
Cette nuance ne réduit pas l'importance du signal. Elle la rend plus utile. Une entreprise n'a pas besoin que son fournisseur disparaisse pour être bloquée. Il suffit que le produit, la fonction, la région, le tarif, les conditions d'usage ou le niveau de service dont elle dépend change.
La plupart des entreprises ne construisent pas consciemment une dépendance fournisseur. Elles l'accumulent.
Un collaborateur choisit un modèle pour rédiger. Une équipe crée une bibliothèque de prompts. Un service connecte l'outil à ses documents. Une automatisation est ajoutée. Puis une deuxième. Quelques mois plus tard, le processus fonctionne, mais personne ne sait exactement ce qui appartient à l'entreprise et ce qui appartient au fournisseur.
Si la réponse est non partout, vous n'avez pas seulement adopté une IA. Vous avez externalisé une partie de votre méthode de travail sans organiser sa réversibilité.
C'est une variante très concrète de l'erreur stratégique la plus coûteuse lors d'un déploiement IA : commencer par l'outil, puis découvrir trop tard qu'aucun cadre opérationnel n'a été construit autour.
Beaucoup d'entreprises pensent pouvoir changer facilement de modèle parce qu'elles conservent leurs prompts. C'est optimiste.
Un workflow IA ne se résume pas au texte envoyé au modèle. Il comprend aussi les données d'entrée, les documents de référence, les droits d'accès, les outils connectés, les règles de validation, le format de sortie, les seuils de qualité, les journaux d'exécution et les décisions humaines.
Deux modèles peuvent répondre correctement à la même demande tout en produisant des formats différents, en interprétant autrement une consigne ou en refusant certaines opérations. Une automatisation qui attend une structure exacte peut donc échouer alors que la réponse paraît excellente à l'écran.
La réversibilité ne consiste pas à connaître le nom d'un autre modèle. Elle consiste à pouvoir reprendre le travail sans reconstruire tout le système.
Le NIST rappelle, dans son cadre de gestion des risques liés à l'IA, que ces risques doivent être intégrés à la conception, au développement, à l'utilisation et à l'évaluation des systèmes. La dépendance fournisseur appartient précisément à cette logique : elle doit être pensée avant l'incident, pas ajoutée au compte rendu après l'arrêt.
La bonne réponse n'est pas de doubler chaque abonnement et de brancher quatre modèles sur chaque tâche. Ce serait coûteux, complexe et assez fidèle à cette vieille tradition numérique qui consiste à résoudre un risque en créant trois nouveaux tableaux de bord.
Il faut d'abord distinguer les usages de confort des usages critiques.
Reformuler un courriel, préparer une première liste d'idées, résumer un document non urgent ou créer une ébauche interne sont généralement des usages récupérables. Si l'outil est indisponible pendant quelques heures ou quelques jours, l'entreprise ralentit. Elle ne s'arrête pas.
La situation change lorsque l'IA participe à une réponse client, à une qualification commerciale, à un traitement documentaire régulier, à une présélection RH, à une production contractuelle, à un reporting obligatoire ou à une automatisation qui alimente d'autres systèmes.
Dans ces cas, l'indisponibilité n'est plus un désagrément. Elle devient un risque opérationnel. Et lorsque l'usage touche des données sensibles ou une décision importante, le sujet rejoint aussi la gouvernance et la conformité. Notre analyse de l'AI Act 2026 pour les PME rappelle justement qu'un usage d'entreprise doit être identifié, documenté et encadré selon son niveau de risque.
La question utile devient donc : combien de temps cette activité peut-elle fonctionner sans ce modèle précis ?
Commencez par recenser les outils, modèles, comptes, automatisations et connexions utilisés. Ne vous limitez pas aux achats officiels. Les dépendances les plus fragiles se trouvent souvent dans les usages individuels devenus indispensables sans avoir jamais été déclarés.
Pour chaque usage, identifiez le propriétaire métier, les données manipulées, la fréquence, la sortie attendue et l'impact d'une interruption.
Les consignes, critères de qualité, exemples, règles métier et validations doivent être documentés en dehors de la plateforme. L'objectif est simple : votre savoir-faire ne doit pas vivre uniquement dans l'historique d'une conversation ou dans un assistant impossible à exporter.
Utilisez des formats explicites pour les données, les documents et les résultats attendus. Plus un workflow dépend d'une interface propriétaire ou d'un comportement implicite, plus son remplacement sera difficile.
Un plan B non testé est une intention. Sélectionnez quelques processus importants et vérifiez régulièrement qu'ils peuvent fonctionner avec un autre modèle, une autre plateforme ou une procédure manuelle temporaire.
Toutes les entreprises n'ont pas besoin d'une architecture multi-fournisseurs. Toutes ont besoin de savoir où elles acceptent une dépendance et pourquoi. Cette décision doit être proportionnée au gain, au risque, au coût de remplacement et au délai maximal d'interruption.
C'est le rôle d'une démarche comme le Programme Productivité IA Maîtrisée - 90 jours : cartographier les usages, prioriser les gains, encadrer les risques et construire des méthodes qui appartiennent réellement à l'entreprise.
L'entreprise doit pouvoir changer d'outil sans perdre la mémoire de son propre travail.
La dépendance à un fournisseur IA apparaît lorsqu'une activité ne peut plus fonctionner normalement sans un modèle, une plateforme, une API ou une fonction précise. Elle devient critique lorsque l'entreprise ne peut ni transférer rapidement son workflow ni assurer temporairement le service autrement.
Non. Une stratégie multi-modèles peut être utile pour certains processus critiques, mais elle ajoute aussi du coût et de la complexité. L'essentiel est d'identifier les dépendances importantes, de documenter la méthode et de tester une alternative proportionnée au risque.
Il faut conserver les instructions, données, règles métier, critères de qualité et formats de sortie en dehors de la plateforme, puis vérifier qu'un autre modèle ou une procédure manuelle peut reprendre le processus dans un délai acceptable.
Réduire la dépendance fournisseur ne signifie pas renoncer aux meilleurs modèles, tout reconstruire en interne ou se méfier de chaque mise à jour.
Cela signifie conserver la maîtrise de ce qui compte : les données, la méthode, les règles de décision, les critères de qualité et la capacité à continuer.
L'annonce d'Anthropic ne prouve pas que tous les fournisseurs vont interrompre leurs modèles. Elle démontre quelque chose de plus banal et de plus utile : l'accès à une technologie peut changer pour des raisons que le client ne contrôle pas.
Une IA performante accélère un processus. Une stratégie IA sérieuse vérifie aussi que ce processus ne s'effondre pas lorsque le modèle change.
Le vrai signe de maturité n'est donc pas d'avoir choisi le meilleur outil du moment.
C'est de rester capable d'en choisir un autre.
