Le scaling en IA désigne l'observation selon laquelle la performance des modèles s'améliore de façon prévisible quand on augmente le calcul, les données et les paramètres. Ce principe, parfois appelé scaling laws, a alimenté la course aux modèles toujours plus grands. Mais le scaling ne se limite pas aux modèles plus gros : il signifie aussi l'extension opérationnelle, le déploiement de l'IA à davantage d'utilisateurs, de cas d'usage et de régions sans rompre la fiabilité ni le budget.