Fin de vie des modèles IA : le calendrier qui casse vos intégrations

2026-08-24 · 6 min de lecture · Gouvernance IA

Claude 3 Haiku a été arrêté le 23 août 2026 sur Google Cloud, quatre mois après son retrait de l'API d'Anthropic. Un même modèle, deux plateformes, deux dates : ce décalage suffit à casser une intégration en production.

La fin de vie (retirement) d'un modèle d'IA est la date à partir de laquelle le fournisseur cesse de répondre aux requêtes qui le visent : après cette date, l'appel échoue. Le 23 août 2026, Claude 3 Haiku a été arrêté sur Google Cloud Vertex AI, selon la documentation des dépréciations de modèles partenaires de Google. Le même modèle avait déjà été retiré de l'interface de programmation (API) d'Anthropic le 20 avril 2026, soit quatre mois plus tôt.

Ce décalage n'est pas une anomalie, c'est la règle. Anthropic indique explicitement que les plateformes opérées par des partenaires, Amazon Bedrock et Google Cloud, fixent leurs propres calendriers de retrait. Une entreprise qui a migré ses appels côté API directe en avril 2026 a donc pu laisser tourner quatre mois de plus une charge de travail identique sur Vertex AI, jusqu'à son extinction.

Combien de modèles ont été retirés en un an ?

Neuf modèles Claude ont été retirés entre octobre 2025 et août 2026, d'après la page officielle des dépréciations d'Anthropic : Claude 3.5 Sonnet (deux versions, 28 octobre 2025), Claude 3 Opus (5 janvier 2026), Claude 3.7 Sonnet et Claude 3.5 Haiku (19 février 2026), Claude 3 Haiku (20 avril 2026), Claude Sonnet 4 et Claude Opus 4 (15 juin 2026), Claude Opus 4.1 (5 août 2026).

Le phénomène dépasse un seul fournisseur. Microsoft a fixé au 31 mars 2026 la retraite définitive de GPT-4o sur Azure OpenAI Service, avec une prolongation d'un an réservée aux déploiements affinés (fine-tuned). Anthropic comme Microsoft s'engagent sur un préavis minimal de 60 jours pour les modèles en disponibilité générale. C'est court pour un cycle de tests et de mise en production en organisation réglementée.

Ce qui casse n'est pas toujours le modèle

Un retrait de modèle est visible. Une dépréciation de paramètre l'est beaucoup moins. Depuis Claude Opus 4.7, les paramètres de contrôle d'échantillonnage (temperature, top_p et top_k) renvoient une erreur HTTP 400 s'ils sont transmis avec une valeur autre que celle par défaut. Le code qui fonctionnait la veille échoue le lendemain, sans qu'aucun identifiant de modèle n'ait été retiré.

Le coût est l'autre effet secondaire. Claude 3 Haiku était facturé 0,25 $ US par million de tokens en entrée et 1,25 $ US en sortie. Son remplaçant recommandé, Claude Haiku 4.5, est facturé 1 $ US et 5 $ US, soit un facteur quatre sur les deux volets. À usage constant, une migration imposée par un calendrier fournisseur quadruple donc la facture d'un service de classification à fort volume.

5 contrôles à mettre en place avant la prochaine échéance

Inventorier les appels réels. La console d'Anthropic exporte un fichier CSV de la consommation ventilée par clé d'API et par modèle. Cet export révèle les identifiants figés oubliés dans des scripts, des tâches planifiées ou des connecteurs tiers.
Bannir les identifiants de modèle codés en dur. Centraliser la référence dans une variable de configuration unique, pour qu'une migration soit un changement de paramètre et non une chasse dans le code.
Suivre un calendrier par plateforme, pas par modèle. Le même modèle a des dates distinctes sur l'API directe, sur Amazon Bedrock et sur Google Cloud. Le tableau de suivi doit croiser ces deux axes.
Rejouer les tests de non-régression et recalculer le coût. Un modèle de remplacement modifie les sorties, la latence et la facture. Ces tests doivent précéder l'échéance de plusieurs semaines.
Mettre à jour l'évaluation des facteurs relatifs à la vie privée (ÉFVP). La Loi 25 impose une ÉFVP pour tout projet d'acquisition, de développement ou de refonte d'un système d'information mettant en jeu des renseignements personnels.

Quelles sont les prochaines échéances à surveiller ?

La page des dépréciations d'Anthropic annonce trois horizons rapprochés, formulés comme des dates planchers : Claude Sonnet 4.5 pas avant le 29 septembre 2026, Claude Haiku 4.5 pas avant le 15 octobre 2026, Claude Opus 4.5 pas avant le 24 novembre 2026. Ce ne sont pas des dates de retrait, mais des garanties minimales de disponibilité. Trois modèles très déployés en entreprise entrent donc dans leur fenêtre de retrait d'ici la fin de 2026.

Cette dépendance calendaire prolonge un risque déjà documenté avec la leçon Fable 5 : l'exposition ne vient pas de la qualité du modèle, mais du fait qu'un tiers décide seul de sa date de fin. Une évaluation de maturité comme celle proposée sur /diagnostic mesure combien de processus critiques reposent sur un identifiant de modèle unique.

Questions fréquentes

Combien de préavis un fournisseur d'IA donne-t-il avant de retirer un modèle ?

Anthropic s'engage sur un préavis d'au moins 60 jours avant la retraite d'un modèle publiquement diffusé, et notifie par courriel les clients dont les déploiements sont actifs. Microsoft applique le même seuil de 60 jours pour les modèles en disponibilité générale sur Azure OpenAI Service.

Pourquoi un modèle est-il retiré à des dates différentes selon la plateforme ?

Parce que les plateformes opérées par des partenaires fixent leurs propres calendriers. Anthropic précise que ses dates couvrent l'API Claude, Claude Platform sur AWS et Microsoft Foundry, mais qu'Amazon Bedrock et Google Cloud publient des échéances distinctes. Claude 3 Haiku illustre l'écart : retiré le 20 avril 2026 côté API Anthropic, arrêté le 23 août 2026 sur Vertex AI.

Que se passe-t-il si mon application appelle un modèle retiré ?

La requête échoue. Il n'existe ni bascule automatique vers un modèle de remplacement, ni période de tolérance après la date de retrait. Toute intégration qui référence l'identifiant complet du modèle, dans du code, un connecteur ou une tâche planifiée, cesse de fonctionner.

Un changement de modèle IA déclenche-t-il une obligation Loi 25 ?

Il peut la déclencher. La Loi sur la protection des renseignements personnels dans le secteur privé impose une évaluation des facteurs relatifs à la vie privée pour tout projet d'acquisition, de développement ou de refonte d'un système d'information impliquant des renseignements personnels. Une migration de modèle qui modifie le traitement ou l'hébergement entre dans ce cadre.

Sources

Anthropic, Model deprecations : https://platform.claude.com/docs/en/about-claude/model-deprecations
Google Cloud, Partner model deprecations (Vertex AI) : https://docs.cloud.google.com/vertex-ai/generative-ai/docs/deprecations/partner-models
Microsoft Learn, Azure OpenAI Service model deprecations and retirements : https://learn.microsoft.com/azure/ai-services/openai/concepts/model-retirements
LégisQuébec, Loi sur la protection des renseignements personnels dans le secteur privé (article 3.3) : https://www.legisquebec.gouv.qc.ca/fr/document/lc/P-39.1
Anthropic, Commitments on model deprecation and preservation : https://www.anthropic.com/research/deprecation-commitments

Voir tous les articles