Le créateur d'OpenClaw a déclaré avoir brûlé 10 millions de dollars de tokens d'IA en un mois, une note payée par les investisseurs.

Une grande partie de cette utilisation est toutefois improductive

Le créateur d'OpenClaw a révélé avoir dépensé environ 10 millions de dollars en tokens d'IA en un mois. Bien que ces dépenses aient été réglées par les fonds des investisseurs, il a reconnu qu'une partie importante de cette utilisation n'aboutit pas à des résultats concrets. Cette sortie montre que des dépenses élevées en IA ne garantissent pas la productivité, et souligne les difficultés des organisations à en maîtriser les coûts. Les coûts relatifs aux performances de l'IA baissent rapidement. Cependant, il convient de distinguer « le coût de la pensée » pure d'un modèle du coût réel de l'exécution d'un travail complet en production.

Peter Steinberger, membre de l'équipe technique d'OpenAI et créateur du projet open source OpenClaw, a partagé son expérience avec les logiciels d'IA lors de l'événement Cloudflare Connect 2026 à San Francisco. Intervenant aux côtés du directeur de la technologie (CTO ) de Cloudflare, Dane Knecht, Peter Steinberger a révélé avoir dépensé environ dix millions de dollars en tokens en septembre 2026 pour exécuter des traitements liés à l'IA.

Peter Steinberger a toutefois précisé que ces sommes colossales étaient financées par les fonds des investisseurs. Dane Knecht avait précédemment fait remarquer que Peter Steinberger avait reconnu disposer d’un budget en tokens pratiquement illimité, ce qui n’est pas le cas de tout le monde dans la salle.

Face à l'étonnement de son auditoire, le programmeur a tempéré la portée de cette dépense en déclarant : « ce que les gens ne comprennent pas toujours, c'est que tout cela n'est pas utile ». La discussion a mis en lumière les contraintes matérielles actuelles de l'industrie de l'IA. Selon Peter Steinberger, l'infrastructure d'IA n'a pas encore rattrapé les besoins réels des développeurs. Il s'est ainsi interrogé sur la dépendance aux machines locales.

« Pourquoi cela utilise-t-il encore mon ordinateur ? Est-ce que tout cela ne devrait pas être dans le cloud ? », s'est-il demandé. Les agents IA hébergés dans le cloud peuvent s’avérer coûteux. En effet, au-delà des implications en matière de confidentialité et de conformité liées au recours aux systèmes d’IA hébergés dans le cloud, le coût reste un facteur à prendre en compte pour quiconque ne dispose pas de fonds de capital-risque illimités.

Un effondrement rapide du coût des performances de l'IA

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.

Selon les données publiées 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. Cette baisse évolue à un rythme 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.

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. Sur une période de 5 ans, le montant lié au prix de la pensée a été divisé par plusieurs centaines de milliers. La société a donné un exemple : « 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 ».

Mesure nuancée, coût de la confiance et leviers d’adoption

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.

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.

Évolution de l'open source et traitement des contributions

Évoquant le projet OpenClaw et le fait que plusieurs responsables de projets open source ont cessé d’accepter les pull requests automatisées en raison de la mauvaise qualité du code généré par l’IA, Dane Knecht a demandé à Peter Steinberger si l'industrie se dirigeait vers la fin de l’open source ou vers un âge d’or de l’IA. En réponse, Peter Steinberger a déclaré que « la manière dont les pull requests sont gérées devait changer » à l'avenir.

Il propose notamment d'exiger la transparence sur la démarche des contributeurs. « Si je peux voir vos réflexions, comment vous êtes passé de A à B, ma confiance dans le résultat est bien plus grande que si vous vous contentiez de me lancer le travail fini par-dessus la clôture », a déclaré le programmeur.

Lors de la conférence, Dane Knecht a également demandé à Peter Steinberger si, d’ici quelques années, toutes les personnes présentes dans la salle disposeraient de centaines d’agents d’IA. Peter Steinberger doute qu’il s’agisse de centaines. « Je pense que chacun disposera d’une forme d’intelligence capable de fonctionner, de réfléchir et de l’aider tout au long de la journée, voire de prédire ce qui pourrait lui être utile à l’avenir », a-t-il déclaré.

Gestion de la sécurité et contrôle croisé entre agents IA

Vers la fin de la session, Dane Knecht a soulevé la question de la confiance et de la manière de savoir quelles données confier à un agent IA. Peter Steinberger a admis que « c’est une question difficile ». Selon le créateur d'OpenClaw, cela dépend en partie du degré de confiance que l’on accorde au modèle sous-jacent lui-même, car une grande partie du comportement du modèle n’est pas régie par le « harness », le code qui encapsule le modèle.

« Bon nombre des décisions que j’avais intégrées très tôt dans OpenClaw peuvent désormais être modifiées, car les modèles se sont considérablement améliorés », a-t-il déclaré. Même si des risques tels que l’injection de prompts ont été réduits grâce à des efforts d’ingénierie, Steinberger a invité les utilisateurs à la prudence lorsqu'ils ont recours aux agents IA : « vous ne voudrez peut-être pas accorder toutes les autorisations à votre agent ».

Au lieu de cela, Peter Steinberger suggère d'instaurer une supervision entre plusieurs agents IA : « il faut disposer d’un autre agent capable de lui accorder ou non des autorisations, puis cet agent doit négocier avec un autre agent ». Selon le programmeur, ce mécanisme de négociation et de contrôle réciproque entre les agents IA permet de garantir le respect des limites établies et d'accroître la confiance dans l'autonomie des systèmes.

Source : Peter Steinberger, créateur d'OpenClaw

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous de la consommation de tokens du créateur d’OpenClaw ?

Voir aussi

Les prix des tokens d'IA ont atteint des niveaux historiquement bas en raison d'une concurrence accrue et de l'essor des modèles chinois à poids ouverts, la promesse de profits colossaux s'amenuise

Un employé dépense 28 000 $ en tokens IA en 28 jours, désormais Microsoft surveille tout le monde depuis que les coûts au token liés au codage IA explosent

Les coûts d'inférence IA par workflow agentique vont être multipliés par plus de cinq d'ici 2028, il n'y a donc pas de modèle universel fiable et économique en vue, d'après Gartner