Intelligence artificielle : le coût d’une réponse divisé par 13 chaque année, pourquoi Anthropic et OpenAI ont du souci à se faire

J’ai récemment fini par coder un petit widget pour surveiller la jauge de mon abonnement Claude. La fenêtre de cinq heures et le plafond hebdomadaire ont la fâcheuse habitude de tomber au milieu d’une tâche, d’autant qu’Anthropic ne publie jamais le volume exact de tokens (les fragments de mots facturés par les modèles) réellement inclus dans sa formule.

Côté ChatGPT, l’ambiance n’est guère meilleure : sur le forum d’OpenAI, des abonnés Pro se plaignaient tout l’été de limites qui fondent d’une semaine à l’autre.

Pourtant, au même moment, les chercheurs d’Epoch AI décrivent la baisse de prix la plus rapide de l’histoire des technologies. Au quotidien, les abonnés n’en voient pas la couleur.

Le rapport d’Epoch AI publié le 22 septembre par Luke Emberson et David Roodman explique une partie de l’écart. Il mesure ce que coûte l’obtention d’un score précis sur un test, quel que soit le nombre de tokens consommés.

À performance égale, la facture chute de 47 % par trimestre depuis 2023, soit une division par 13 chaque année. Début 2025, le modèle o3 d’OpenAI dépensait environ 30 centimes de dollar par question pour atteindre environ 81 % de bonnes réponses sur GPQA Diamond, un QCM scientifique de niveau doctorat. En juin 2026, GPT-5.6 Luna fait aussi bien pour à peine 0,0004 dollar. Avec un seul dollar, on passe de trois questions traitées à 2 500, soit un prix divisé par 725 en moins de dix-huit mois.

Pour donner l’échelle, Epoch AI compare cette courbe à d’autres grandes ruptures techniques. Le prix de la puissance de calcul n’a été divisé que par 1,5 par an entre 1940 et 2001, celui du séquençage ADN par 1,8 entre 2001 et 2025, celui des batteries lithium-ion par 1,16 depuis le début des années 1990, et celui de l’électricité aux États-Unis par 1,05 entre 1892 et 1973. Les auteurs reconnaissent toutefois que l’exercice compare un peu des pommes et des oranges : le « prix de l’IA » mesure le coût d’un score sur des tests, pas celui d’un produit qui resterait identique d’une année sur l’autre.

Une avance technologique qui se périme en quelques mois

Epoch AI souligne toutefois lui-même les limites de sa méthodologie. L’étude retient systématiquement le modèle le moins cher capable d’atteindre un score donné, ce qui ne reflète ni la facture réelle d’une entreprise ni le tarif vitrine du dernier modèle sorti.

Sur des données proches, une équipe du MIT aboutit d’ailleurs à un rythme de baisse plus sage, compris entre 5 et 10 fois par an pour les modèles de pointe. Epoch AI relève aussi que le coût d’un nouveau niveau de performance est divisé par environ 75 dans l’année qui suit son apparition. Deux ans plus tard, la baisse ralentit à environ 5 fois par an. Les auteurs y voient la trace d’une prime de courte durée : le laboratoire qui arrive le premier peut facturer plus cher, le temps que la concurrence le rattrape.

Les laboratoires chinois ajoutent à cette pression, même si Epoch AI note que la concurrence la plus vive sur les prix, au sommet, s’est surtout jouée entre modèles fermés. DeepSeek V4 Pro facture ainsi le million de tokens générés 1,98 dollar hors taxes (environ 1,75 €) en heures creuses et le double aux heures pleines, contre 10 dollars (environ 8,90 €) pour Claude Sonnet 5, tout en proposant des poids ouverts que n’importe quel fournisseur cloud ou particulier équipé peut héberger lui-même.

La course au moins-disant a certes ses limites à Pékin, comme l’illustre le lancement en juillet de Kimi K3 par Moonshot à 15 dollars le million de tokens en sortie. Nos nouveaux usages dévorent surtout les gains réalisés. Selon le cabinet Gartner, confier une tâche à un agent qui réfléchit par étapes coûte au moins cinq fois plus cher en calcul (l’inférence) qu’une simple réponse de chatbot. Le cabinet prévoit que la facture par flux de travail sera plus que quintuplée d’ici 2028. Face à un abonnement mensuel à prix fixe, la seule variable d’ajustement pour l’éditeur devient donc le bridage de la jauge.

Avant la Bourse, des pertes qui se comptent en dizaines de milliards

Le projet de prospectus boursier d’Anthropic, consulté par le Wall Street Journal et Reuters et révélé ce mardi 20 octobre, affiche 16,3 milliards de dollars (environ 14,5 milliards d’euros) de chiffre d’affaires au premier semestre, contre 1,1 milliard un an plus tôt. Sur la même période, la perte nette atteint 80,7 milliards de dollars (environ 72 milliards d’euros), contre 13 milliards au premier semestre 2025.

Environ 72 milliards de cette perte ne correspondent à aucune sortie d’argent. Il s’agit de la réévaluation comptable de ses obligations convertibles, dont la valeur grimpe avec celle d’Anthropic. Le calcul informatique, lui, coûte de l’argent bien réel : près de 9 milliards de dollars en six mois, plus que les 7,3 milliards dépensés sur toute l’année 2025. L’entreprise s’est en outre engagée à dépenser au moins 518 milliards sur dix ans.

Lors d’une réunion avec de futurs investisseurs le 14 octobre, Anthropic s’est dit rentable « sur une base ajustée » au troisième trimestre, avec 16,8 milliards de dollars de revenus, en hausse de 45 % sur un trimestre, selon Reuters. Le détail de cet ajustement n’a pas été rendu public. Autre fragilité, deux clients pèsent à eux seuls environ un cinquième des revenus du premier semestre.

Certains investisseurs envisagent désormais une valorisation autour de 1 500 milliards de dollars après ces publications, selon Reuters, alors que les premières estimations approchaient les 2 000 milliards.

OpenAI, qui a déposé en juin son propre dossier confidentiel d’introduction en Bourse, paraît tout aussi exposé. Selon The Information, l’entreprise a brûlé 3,7 milliards de dollars de liquidités au premier trimestre pour 5,7 milliards de revenus, et s’attend à voir s’envoler sa consommation de trésorerie à 25 milliards en 2026, puis 57 milliards en 2027. En juin, une source de Reuters évoquait une introduction en Bourse dès septembre, qui n’a toujours pas eu lieu.

L’entreprise garde toutefois de la marge. Elle disposait fin mars de plus de 73 milliards de dollars en trésorerie et en titres (environ 65 milliards d’euros), contre environ 40 milliards fin décembre, grâce à une levée de fonds annoncée fin mars.

Changer de modèle ou payer le prix fort

Pour les abonnés, le risque de cette fuite en avant se lit en creux : des tarifs mensuels qui grimpent, ou des modèles de pointe cantonnés aux formules les plus onéreuses.

Les développeurs disposent déjà d’une porte de sortie grâce aux API chinoises bradées et aux modèles ouverts qu’on fait tourner sur ses propres serveurs.

Epoch AI reconnaît que son calcul suppose un utilisateur qui teste sans relâche tous les modèles pour trouver le moins cher sur chaque tâche. Dans la vraie vie, on change rarement de modèle, et on n’empoche donc pas les mêmes économies. On a d’ailleurs lancé la plateforme média QUELLE IA, qui permet de comparer facilement les modèles de langage en fonction de vos usages.

Si la chute libre du prix de l’IA est bien réelle, elle profite donc avant tout à ceux qui acceptent de changer de crèmerie tous les trimestres.

Pour Anthropic et OpenAI, la seule défense consiste à sortir la prouesse suivante avant que la précédente ne vaille plus rien, au prix d’achats toujours plus massifs de cartes graphiques. L’introduction en Bourse d’Anthropic, prévue pour novembre, donnera une première idée de ce que les marchés acceptent de financer.