Epoch AI rapporte que les coûts liés aux performances de l'IA baissent plus rapidement que ceux de n'importe quelle autre technologie précédente. Le « prix de la pensée » chute d'environ 50 % chaque trimestre, ce qui représente une baisse annuelle multipliée par treize. Cela dépasse la vitesse de réduction des prix observée historiquement pour le séquençage de l'ADN ou les batteries au lithium. Mais cette dépréciation rapide engendre des défis économiques majeurs pour les entreprises d'IA, car elle complique la fidélisation des clients et la rentabilisation des investissements colossaux. La promesse des bénéfices faramineux se dérobe.Selon un rapport de septembre 2026, les prix des tokens s'effondrent en raison d'une concurrence accrue et de la réduction des coûts de production. La prolifération des modèles chinois en libre accès et les baisses de prix stratégiques exercent une pression déflationniste sur le marché. Cette tendance profite aux utilisateurs finaux des modèles. Cela dit, elle remet en question les profits faramineux que les acteurs de l'industrie espéraient réaliser.
Les investissements colossaux dans l'infrastructure de l'IA reposent sur ces promesses. LLM Token Expenditure Index, l'indice de référence de Silicon Data qui suit quotidiennement les tarifs des tokens d'IA, a franchi un cap à la baisse en s'établissant à 97 cents par million de tokens le 1er septembre 2026.
Le 28 septembre, l'institut de recherche indépendant Epoch AI a publié un nouveau rapport selon lequel « le coût de l'IA diminue à un rythme sans précédent », surpassant la rapidité de baisse observée dans d'autres technologies transformatrices comme le séquençage de l'ADN ou les batteries au lithium. Cela signifie que l'entraînement d'un modèle de pointe reste très coûteux, alors que le prix auquel on peut le vendre s'érode très rapidement.
Effondrement sans précédent du coût des performances de l'IA
Le coût nécessaire pour atteindre un niveau donné de performance en IA connaît un effondrement historique. Selon les données partagées par Epoch AI, le coût d'une même capacité cognitive diminue d'environ 47 % par trimestre, ce qui représente une baisse de 13 fois par an. Plus précisément, Epoch AI parle de « coût de la pensée » (price of thought), c’est-à-dire le coût requis pour qu'un modèle d'IA atteigne un score de référence donné.
Ce rythme semble plus rapide que celui de toute autre technologie transformatrice : il est quatre fois plus rapide que celui du séquençage de l’ADN, six fois plus rapide que celui de la puissance de calcul, 18 fois plus rapide que celui des batteries au lithium et (au cours du siècle jusqu’en 1973) 54 fois plus rapide que celui de l’électricité. Sur une période de cinq ans, le montant lié au prix de la pensée a été divisé par plusieurs centaines de milliers.
Pour illustrer la vitesse de ce phénomène, Epoch AI compare cette dynamique à un cas concret : « seriez-vous surpris si le prix affiché d'une voiture neuve passait de 50 000 $ à 296 $ en deux ans ? Car c’est à cette vitesse-là que l’IA devient moins chère ». Plusieurs exemples sont disponibles dans le secteur.
Un exemple marquant concerne la résolution de questions d'examen de niveau doctorat sur le banc d'essai GPQA Diamond. En janvier 2025, le modèle o3 d'OpenAI atteignait 75 % de réussite pour un coût moyen de 30 cents par question. Dix-huit mois plus tard, le modèle GPT-5.6 Luna obtenait un score identique pour quatre centièmes de centime par question, concrétisant « une chute de 725 fois du prix de la pensée en moins de 18 mois ».
Selon Epoch AI, la baisse est particulièrement intense immédiatement après le franchissement d'un nouveau palier de performance, atteignant initialement 66 % par trimestre, avant de ralentir progressivement autour de 32 % par trimestre à mesure que la technologie progressait. Les taux de réduction des coûts varient également selon les disciplines, les progrès tarifaires étant plus rapides et réguliers en mathématiques qu'en jeux de réflexion.
Le dilemme économique des créateurs et des laboratoires d'IA
Cette déflation sans précédent crée un dilemme stratégique majeur pour les laboratoires pionniers de l'IA comme OpenAI ou Anthropic, ainsi que pour les développeurs d'applications. Selon les analystes, il devient de plus en plus difficile pour ces acteurs d'assurer la fidélité des clients ou d'établir des revenus récurrents solides lorsque les prix s'effondrent si vite et que des alternatives équivalentes apparaissent constamment à une fraction du coût.
Les modèles d'abonnement classique perdent de leur attractivité quand les utilisateurs savent qu'un service plus performant et beaucoup moins cher sera accessible quelques semaines ou mois plus tard. Pour les entreprises qui investissent des centaines de milliards de dollars dans des infrastructures de pointe, conserver une rentabilité durable est un défi complexe, car la supériorité d'un modèle phare risque de n'être qu'un avantage temporaire.
Près de quatre ans après le lancement canon de ChatGPT et l'essor de l'IA générative, OpenAI n'a toujours pas démontré la viabilité de son modèle économique. Lors de son événement annuel DevDay le 29 septembre, OpenAI a présenté ses nouvelles pistes pour faire rentrer plus d'argent. Toutefois, les plans de l'entreprise, ainsi que le report de son introduction en bourse, n'ont pas convaincu les investisseurs ni l'industrie dans son ensemble.
Charles-Henry Monchau, directeur des investissements chez Syz Group, a résumé cette situation critique : « la déflation des tokens comprime la ligne de revenus alors que les engagements de calcul restent fixes. La réponse stratégique est évidente : l'avantage concurrentiel doit s'éloigner de la capacité brute des modèles, où l'écart en matière de poids ouverts se mesure en mois, pour se tourner vers la distribution, la mémoire et le contexte ».
Nuances de mesure, prix de la confiance et facteurs d'adoption
Concernant le rapport d'Epoch AI, des réserves méthodologiques incitent toutefois à nuancer ces constatations, notamment l'imperfection des bancs d'évaluation et le risque de « Benchmaxxing », cette pratique consistant pour les développeurs à optimiser spécifiquement leurs modèles pour réussir les tests. De plus, il convient de distinguer « le coût de la pensée » pure d'un modèle et le coût réel de l'exécution d'un travail complet en production.
Réaliser une tâche professionnelle implique des requêtes multiples, des systèmes de vérification et une validation humaine, formant ce que certains experts appellent « le prix de la confiance », dont la courbe de baisse est nettement plus lente. De plus en plus d'entreprises se tournent vers les modèles à poids ouverts, pour gagner en flexibilité et réduire les coûts. Les modèles fermés dominent toujours les tâches complexes. Mais jusqu'à quand ?
Enfin, l'adoption par les entreprises ne repose pas uniquement sur le tarif ou la puissance brute. La familiarité avec les interfaces, l'intégration dans les flux de travail existants, la sécurité des données et la stabilité organisationnelle incitent souvent les clients à conserver leur fournisseur habituel plutôt que d'assumer les risques liés à un changement de système. Les modèles ouverts provenant de Chine posent des risques en matière de sécurité.
L'explosion des coûts et l'asphyxie des flux de trésorerie
Au début de cette année, OpenAI a levé un montant record de 122 milliards de dollars à une valorisation de 852 milliards de dollars auprès d’investisseurs tels que SoftBank, Amazon et Nvidia, et a révélé que son chatbot ChatGPT comptait plus de 900 millions d’utilisateurs actifs hebdomadaires et plus de 50 millions d’abonnés payants. Malgré la forte hausse de son chiffre d’affaires, l'entreprise ne prévoit pas de dégager de bénéfices avant 2030.
Au contraire, OpenAI prévoit une perte de trésorerie estimée à 280 milliards de dollars d'ici fin 2030. Le laboratoire devrait générer environ 840 milliards de dollars de chiffre d’affaires cumulé sur la même période. Selon des estimations récentes, OpenAI aura épuisé les fonds des investisseurs dès 2028. Ces chiffres montrent que l'IA est encore loin de tenir ses promesses en matière de rentabilité, ce qui fait craindre l'éclatement brutal de la bulle.
Selon des documents consultés par Reuters, le principal concurrent d'OpenAI, Anthropic, se prépare à une introduction en bourse avec une valorisation potentielle de plus de 2 000 milliards de dollars. Mais les données financières indiquent que l'entreprise de Dario Amodei enregistrera une perte de 42 milliards de dollars pour l'exercice 2025 et dépensera...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.