« Tout n’est pas utile » : le créateur d’OpenClaw brûle 10 millions $ de ChatGPT par mois sans payer

Le chiffre est tombé ce mercredi 21 octobre à San Francisco, lors de la conférence Cloudflare Connect. Dane Knecht, le directeur technique de Cloudflare, rappelle que son invité a lui-même reconnu disposer d’un « budget de tokens quasi illimité », ce qui n’est pas le cas de tout le monde dans la salle.

Peter Steinberger avance une estimation : environ 10 millions de dollars (près de 9 millions d’euros) le mois dernier. Selon The Register, un murmure parcourt la salle, et sa réponse ne le calme pas : « ce que les gens ne comprennent pas toujours, c’est que tout n’est pas utile. »

L’Autrichien, fondateur de PSPDFKit, a créé OpenClaw, un agent open source qui agit à votre place sur votre ordinateur et vos messageries, avant de rejoindre OpenAI en février.

10 millions, vraiment ?

OpenAI règle la facture de Steinberger, avec l’argent de ses investisseurs, comme le relève The Register. Le montant est sans doute calculé au tarif public de l’API, celui que paierait un client. Ce que ces tokens coûtent réellement à OpenAI sur ses propres serveurs est probablement bien inférieur.

Le 16 mai, Steinberger avait publié sur X une capture de son outil de suivi, CodexBar : 1,3 million de dollars sur 30 jours (environ 1,16 million d’euros). À un internaute qui demandait si OpenAI lui facturait tout ça, il avait répondu « of course not ». La facture a donc été multipliée par près de huit en quatre mois.

Les 10 millions de septembre représentent environ 330 000 dollars (près de 295 000 euros) par jour, ou l’équivalent de 500 000 abonnements ChatGPT Plus à 20 dollars par mois.

Le relevé de mai donnait aussi l’échelle : 603 milliards de tokens et 7,6 millions de requêtes en 30 jours, essentiellement sur GPT-5.5. Steinberger utilisait en plus le « Fast Mode », facturé plus cher : sans lui. Rien ne dit si les 10 millions de septembre ont été calculés avec ou sans ce mode, ce qui rend la comparaison avec mai fragile.

Pour produire quoi ?

Steinberger avait déjà répondu à cette question en mai, sur X : il fait tourner en permanence « environ 100 Codex dans le cloud ». Ces agents relisent chaque contribution, cherchent des failles de sécurité, chassent les doublons et le spam, et écoutent même les réunions de l’équipe pour lancer le travail pendant qu’on en parle. Son but : découvrir comment on construira les logiciels « quand les tokens ne compteront plus ».

Le résultat se lit dans le billet d’OpenClaw 2.0, publié le 30 août : 933 contributeurs et plus de 16 000 modifications intégrées, soit environ la moitié de toutes celles que le projet a jamais acceptées. Le projet est d’ailleurs resté près de sept semaines sans publier de version, alors qu’il en avait sorti 106 en 230 jours auparavant.

Une précaution, toutefois : cette version 2.0 est sortie avant septembre. Elle montre ce que produit la machine, mais rien de ce qu’ont donné les 10 millions de septembre. À ce rythme, on peut supposer qu’une bonne partie du travail des agents consiste à refaire, corriger et recommencer, ce qui expliquerait le « tout n’est pas utile » de Steinberger.

Surtout, rien ne dit que les 10 millions par mois sont uniquement pour OpenClaw. On imagine que le développeur aide aussi à la mise à niveau de GPT et Codex chez OpenAI avec ces tokens.

Le cloud, ou chez soi ?

Sur scène, Steinberger a aussi regretté que l’infrastructure ne suive pas : « Pourquoi ça utilise encore mon ordinateur ? Tout ça ne devrait pas être dans le cloud ? ». The Register pose la question inverse : est-ce que ça ne devrait pas plutôt tourner en local ?

Un agent comme OpenClaw lit vos mails, vos messages, vos fichiers. Le billet d’OpenClaw 2.0 cite lui-même l’exemple d’un agent qui surveille les mails de l’école des enfants, le genre de données qu’on aimerait garder chez soi. Le projet tient d’ailleurs un autre discours que son créateur : à l’installation, OpenClaw 2.0 détecte les modèles locaux déjà présents sur la machine, au même titre que les abonnements ChatGPT ou Claude et les clés d’API.

J’ai fait l’essai sur un mini-PC, avec le modèle Qwen3 Coder 30B, que le logiciel Ollama fait tourner dans OpenClaw. La première requête, qui envoie d’un coup environ 20 000 tokens, prend 3 à 4 minutes. Les suivantes tombent à 4 à 8 secondes, tant que le modèle reste chargé en mémoire. Ça fonctionne, mais un modèle local ne fait pas le travail d’un modèle de pointe, comme je l’avais constaté en remplaçant ChatGPT par une IA chinoise sur une machine en Nvidia RTX Spark.

En local, on paie la machine et l’électricité, pas les tokens. Pour un particulier, le local est donc une question d’argent autant que de vie privée : c’est le seul moyen d’échapper à la fois au paiement à la requête de l’API et aux plafonds d’usage des abonnements.

Un agent pour surveiller l’agent

Sur la confiance à accorder à un agent, Steinberger reconnaît que « c’est une question difficile ». Il conseille de ne pas tout lui autoriser, et de confier les permissions à un second agent, qui accorde ou refuse et « négocie » avec le premier. Il admet toutefois qu’une grande partie du comportement dépend du modèle lui-même, et donc de la confiance qu’on lui accorde. D’après lui, l’agent surveillé se ravise d’ailleurs souvent de lui-même, ou trouve une solution plus simple qui reste dans les clous.