Fireworks AI : inférence, fine-tuning, modèles ouverts et usages

Fireworks AI est une entreprise de cloud spécialisée dans l'inférence de l'IA générative ouverte. Elle ne cherche pas à concurrencer OpenAI ou Anthropic sur la création de modèles fermés : elle héberge des modèles ouverts publiés par d'autres, les rend accessibles par API, les adapte aux données des clients et les sert avec de bonnes performances. Pour une équipe, cela revient à utiliser un LLM ouvert sans acheter ni administrer de GPU.

L'entreprise est fondée en 2022, à Redwood City en Californie, par d'anciens membres de l'équipe PyTorch de Meta. Lin Qiao, qui a dirigé PyTorch chez Meta, en est la directrice générale, et Dmytro Dzhulgakov, autre figure du projet, compte parmi les cofondateurs. Cette origine explique son positionnement : une expertise du framework sur lequel reposent la plupart des modèles ouverts, appliquée à leur mise en production. Elle a levé 1,5 milliard de dollars en série D en juillet 2026, pour une valorisation de 17,5 milliards, un tour mené par Atreides Management, Index Ventures et TCV, auquel NVIDIA a participé, après une série C de 250 millions en octobre 2025.

Dans l'écosystème, Fireworks AI occupe la couche entre les laboratoires qui publient des poids ouverts, comme Meta AI, DeepSeek ou Qwen, et les entreprises qui veulent les utiliser en production. Son concurrent le plus direct est Together AI, avec lequel elle partage le modèle économique et le public, et elle croise aussi les services des grands clouds.

Son modèle repose sur la facturation de l'inférence à l'usage, sur la capacité dédiée ou réservée et sur des contrats d'entreprise. Pour un apprenant qui déploie un LLM ouvert, le parcours est concret : on choisit un modèle, on l'appelle par API, puis on décide plus tard s'il faut le fine-tuner, réserver de la capacité ou internaliser. Cette progression limite l'investissement initial, mais elle ne dispense pas d'évaluer la qualité des réponses sur ses propres données.

À retenir : Fireworks AI n'est pas un laboratoire de modèles mais un fournisseur de cloud d'inférence pour modèles ouverts. La question utile est de savoir si le modèle ouvert couvre le besoin et si l'on veut déléguer l'infrastructure.

L'offre se lit comme un parcours : tester un modèle par API, l'adapter à ses données, puis le servir à l'échelle sur une capacité dédiée.

Ce découpage compte pour le budget. L'inférence serverless se facture au token et suit l'usage, ce qui convient au démarrage. Quand le trafic devient régulier, une capacité réservée offre des performances prévisibles. Le choix entre les deux relève d'un arbitrage de coût, détaillé dans l'article FinOps des LLM : API vs self-hosting.

Comment choisir entre API serverless et capacité dédiée ?

Commencer en serverless pour comparer les modèles, mesurer la qualité sur ses propres données et estimer les volumes. Passer à une capacité dédiée quand la latence, l'isolation ou le coût unitaire à fort volume l'exigent. Si la charge est très stable et que l'équipe sait exploiter des GPU, servir soi-même le modèle avec vLLM reste une option à chiffrer.

La plateforme s'appuie sur des modèles ouverts, mais il faut distinguer plusieurs niveaux, comme pour toute plateforme d'IA ouverte.

• Les modèles servis sont publiés par leurs auteurs avec leurs propres licences. Certains sont sous MIT ou Apache 2.0, d'autres sous des licences communautaires avec restrictions d'usage. Héberger un modèle chez Fireworks AI ne le rend pas open source.
• La plateforme est un service commercial et propriétaire. Son moteur d'inférence et son infrastructure ne sont pas publiés.
• Les modèles adaptés par fine-tuning restent soumis à la licence du modèle de départ, qu'il faut lire avant tout usage commercial.

Ce positionnement présente un avantage de portabilité : puisque les modèles sont ouverts, une application peut migrer vers un autre fournisseur ou vers un hébergement interne, à condition de reprendre le même modèle. C'est un argument face aux API fermées, où le modèle reste lié à son éditeur.

Il faut néanmoins tester chaque migration : le comportement d'un modèle ouvert, sa gestion des appels d'outils ou du format de sortie structuré peuvent différer de ceux du modèle remplacé. Un jeu d'évaluation propre au projet reste le meilleur moyen de trancher, et c'est aussi l'usage naturel des outils d'évaluation de la plateforme.

À retenir : l'ouverture concerne les modèles, pas la plateforme. Avant tout usage commercial, lisez la licence de chaque modèle choisi.

La comparaison est la plus naturelle, car les deux vendent l'accès à des modèles ouverts par API, avec fine-tuning et capacité dédiée. Les détails de Together AI sont décrits dans sa fiche.

Lequel choisir ? Les deux offres se recoupent largement, et la décision tient moins à une différence de principe qu'à des mesures : modèles disponibles, latence et débit observés, coût par million de tokens et services annexes. Le plus fiable est de comparer les deux sur un même jeu de requêtes réelles, avec le même modèle. Comme les deux suivent des conventions d'API proches de celles d'OpenAI, le coût de changement reste faible. Pour télécharger ou documenter un modèle, Hugging Face reste le point d'entrée habituel, et Ollama l'option la plus légère pour un essai local.