Le vrai prix de l'IA se comptera en centimes

En mai 2026, Uber s’est aperçu qu’il avait dépensé tout son budget IA de l’année. Le budget courait sur douze mois. Il a tenu quatre. Andrew Macdonald, le président et directeur des opérations d’Uber, a reconnu publiquement qu’il était incapable de relier cette dépense à la moindre amélioration visible pour les clients : des millions de tokens consommés via Claude Code, rien de mesurable au bout. La réponse a été un plafond, 1 500 dollars par mois et par personne.

Uber n’est pas un cas isolé. Les budgets IA des entreprises sont passés d’un peu plus d’un million de dollars par an en 2024 à sept millions en 2026, et JP Morgan a qualifié les factures d’IA des entreprises de « hors de contrôle ». Au même moment, l’accès subventionné se resserre : début 2026, Anthropic a coupé l’usage par API de ses forfaits Claude Code, ce qui a renchéri la facture de ceux qui s’en servaient.

De tout ça, une conclusion s’impose, et on l’entend partout : l’IA coûte de plus en plus cher, et le jour où il faudra payer le vrai prix, elle redeviendra un luxe.

Je pense plutôt le contraire. Le coût de l’IA va se banaliser, jusqu’à devenir une commodité.

Ces factures qui explosent racontent une autre histoire que celle qu’on leur fait dire. Pour la lire, il suffit de regarder le prix d’une seule chose : un million de tokens.

Le prix d’une capacité s’effondre

Prenons o1, le premier modèle de raisonnement d’OpenAI, sorti fin 2024. À sa sortie, une révolution. Il coûtait 15 dollars le million de tokens en entrée et 60 en sortie. Pour beaucoup d’usages, c’était hors de portée. Dix-huit mois plus tard, un modèle qui raisonne aussi bien, DeepSeek R1, se facture 0,55 dollar en entrée et 2,19 en sortie. La même capacité a perdu environ 96 % de son prix en un an et demi.

La même chute emporte tout le secteur. Atteindre le niveau de GPT-3.5, le modèle qui a lancé ChatGPT fin 2022, coûtait une vingtaine de dollars le million de tokens ; deux ans plus tard, sept centimes (Stanford AI Index). Pour une qualité donnée, le prix est divisé par dix chaque année. Et la tendance touche maintenant le haut de gamme lui-même : OpenAI et Anthropic se livrent une guerre de prix sur leurs modèles phares, OpenAI envisage de baisser encore, et tout le monde s’aligne sur le plancher fixé par les modèles chinois.

Voilà la courbe qu’on ne regarde pas pendant qu’on s’effraie des budgets : le prix d’une capacité donnée s’effondre.

Ce qui laisse une question sans réponse. Si le prix d’un token s’effondre à ce point, comment Uber a-t-il pu brûler son budget en quatre mois ?

Pourquoi la facture monte quand même

La réponse tient dans une observation de 1865. Cette année-là, l’économiste William Stanley Jevons remarque que les machines à vapeur plus économes ne réduisent pas la consommation de charbon du pays : elles l’augmentent. En rendant le charbon plus utile, on en met partout, et la demande totale grimpe bien plus vite que l’efficacité ne progresse.

L’IA suit le même chemin. Quand le token devient négligeable, on cesse de le compter. On colle de l’IA dans tout, et surtout on lâche des agents qui ne posent plus une question pour lire une réponse : ils bouclent, rappellent leurs outils, relisent leur propre contexte, et brûlent des millions de tokens pour une seule tâche. Uber n’a pas explosé son budget parce qu’un token a renchéri, mais parce qu’il a demandé à ses ingénieurs d’en consommer le plus possible, classements internes à l’appui, sur des outils qui en avalent des fortunes.

Le secteur a fini par le mesurer : sur la période récente, le prix d’un token a chuté de 98 % et les factures d’IA des entreprises ont triplé. Les deux en même temps. La facture monte parce que l’unité est devenue dérisoire, pas l’inverse.

Reste à comprendre pourquoi, même à l’unité, ce qu’on paie reste très au-dessus de ce qu’un token coûte vraiment à produire.

Le prix d’un chantier

La réponse, c’est qu’aujourd’hui, le prix d’un token paie aussi la construction de l’usine qui le produit. Et cette usine est démesurée. Rien qu’en 2026, Google, Amazon, Microsoft et Meta vont engloutir 725 milliards de dollars dans les data centers et les puces, 77 % de plus que l’année précédente. Le projet le plus emblématique, Stargate, devait à lui seul aligner 500 milliards pour bâtir le plus grand réseau de calcul du monde ; il a manqué capoter, freiné par les bagarres entre OpenAI, Oracle et SoftBank et par des financements introuvables. Voilà ce que mesurent les chiffres qui font peur : un chantier d’une ampleur que personne n’a jamais tentée.

Le prix qu’on paie à l’usage est, lui aussi, un prix de chantier. Les milliards levés ne couvrent pas tout : une part de la recherche et de la construction se finance forcément sur la facture des clients, ce qui est normal tant que l’usine se bâtit. À cela s’ajoutent une marge confortable là où la concurrence est encore faible, sur les modèles de pointe, et des subventions qu’on est en train de retirer. C’est un prix fixé par une bataille de positions et par un chantier à amortir, pas par ce qu’un token coûte à produire. Et ce coût de production, une fois l’usine debout, est minuscule : un peu de matériel amorti et de l’électricité.

S’il ne se voit pas encore dans les tarifs, c’est qu’on est en pleine phase d’investissement. Personne ne traque les économies, parce que ce n’est pas le moment. Le moment, c’est d’explorer ce que ces outils savent faire et de prendre de l’avance, quitte à gaspiller. Uber qui pousse ses ingénieurs à brûler des tokens, c’est le comportement normal d’un secteur qui défriche. Cet usage débridé finira par se standardiser, comme à chaque phase de maturation et de standardisation d’une nouvelle technologie.

L’efficience finit toujours par arriver

Or, la marche vers l’efficience a déjà commencé, et Google nous a envoyé un signal fort très récemment. Depuis l’arrivée de ChatGPT, une obsession domine le secteur : le modèle le plus puissant du monde, celui qui truste les benchmarks et fait les gros titres. Google, lui, a fait un pas de côté. À sa grande messe annuelle, la Google I/O de mai 2026, le groupe a assumé un autre pari : fabriquer le modèle qu’on utilisera vraiment tous les jours, rapide, tout juste assez bon pour l’immense majorité des tâches, peu cher. C’est tout le sens de la famille Gemini Flash.

Son dernier-né, Gemini 3.5 Flash, en est la preuve : sur les benchmarks, il atteint pour une fraction du prix le niveau qui était à la frontière quelques mois plus tôt. Un pari assumé sur l’optimisation. Et ce pari ne date pas d’hier : dès août 2025, Google annonçait qu’en douze mois, l’énergie d’une requête médiane à Gemini avait été divisée par 33, et son empreinte carbone par 44.

Mais ce mouvement d’optimisation n’est pas le seul qui nous dirige vers l’efficience. Car optimiser le généraliste, c’est un levier. Se spécialiser en est un autre, et il va beaucoup plus loin. Cette logique n’a rien de nouveau : c’est celle des métiers. On ne peut pas tout maîtriser, alors on concentre ses ressources là où elles rendent le plus. Personne ne confierait une opération du cœur à un médecin qui sait un peu de tout ; on veut le chirurgien qui n’a fait que ça, et qui n’a pas perdu de temps à apprendre le reste. Un spécialiste fait mieux sur sa tâche, et il coûte moins cher, parce qu’on ne paie pas le savoir qu’il n’utilise pas. Un modèle suit la même arithmétique : un généraliste doit tout porter, donc il est lourd et cher à faire tourner ; un spécialiste ne porte que sa tâche, donc il est léger et bon marché.

Les preuves sont déjà là, et les économies sont énormes. Des acteurs spécialisés l’ont compris, et entraînent leurs propres modèles sur leurs données, pour une tâche précise. C’est le cas d’Intercom par exemple, qui a post-entraîné son modèle Fin Apex sur des années de tickets de support : il résout mieux les demandes clients que GPT-5.4 ou Claude Sonnet 4.6, pour environ un cinquième du prix d’un modèle de pointe. Ou encore LangChain et Fireworks qui ont affiné un modèle ouvert sur une seule tâche, juger les erreurs d’un agent : 10 à 100 fois moins cher que le frontier, à précision égale ou supérieure. Cursor quant à lui est parti d’un modèle open weight, et a entraîné Composer pour le code, qui tient tête à Claude Opus pour un dixième du prix au token.

Aucun de ces modèles n’est le plus puissant du monde. C’est précisément pour ça qu’ils gagnent. Je crois que ces exemples préfigurent l’avenir des modèles. Une multitude de petits spécialistes post-entraînés, chacun excellent et bon marché sur sa tâche.

Ce mouvement, on l’a déjà vécu. Quand les usines s’électrifient, autour de 1890, la productivité ne bouge presque pas pendant trente ans. L’électricité est là, mais les usines ont gardé l’organisation héritée de la machine à vapeur, avec son arbre de transmission central et ses courroies qui distribuent la force à toutes les machines. Il faut attendre les années 1920 et l’idée de poser un moteur sur chaque machine pour que les gains apparaissent enfin. La technologie arrive vite ; la réorganisation qui la rend efficace prend une génération. L’IA en est à son arbre de transmission central.

Quand l’efficience devient la priorité, le coût rejoint son plancher. Et ce plancher, on commence à le voir.

Une commodité, comme l’électricité

On a vu deux leviers pour faire baisser le coût : optimiser les modèles, comme Google avec Flash, et les spécialiser. Le troisième est d’une autre nature, et c’est peut-être le plus radical : l’open source.

Parce qu’aujourd’hui, les modèles ouverts sont arrivés à un cheveu du sommet. GLM-5.2, sorti en juin 2026, talonne Claude Opus 4.8 sur les benchmarks les plus durs, à un point ou deux près, pour environ cinq fois moins cher au token. Et il est loin d’être seul. Pour l’immense majorité des usages, ces modèles sont largement suffisants.

Or un modèle ouvert change toute l’arithmétique. Par définition, n’importe qui peut récupérer ses poids et le faire tourner sur ses propres machines. Des entreprises spécialisées dans l’inférence peuvent donc émerger sans un centime de R&D à rembourser : elles ne paient que le coût de faire tourner le modèle. Et là, tout change. Le prix d’un token ne porte plus que l’amortissement du matériel et l’électricité. C’est exactement le prix d’une commodité. Et tout cela dans un cadre souverain, sans dépendre d’un fournisseur unique.

Un marché de fournisseurs d’inférence est déjà en train de naître. Des sociétés comme DeepInfra, Groq ou Together font tourner des modèles ouverts, Llama, DeepSeek, et vendent le calcul entre cinq centimes et un dollar le million de tokens. Comme ils sont interchangeables et se battent sur le prix, le tarif glisse mécaniquement vers son coût de production. On commence à acheter de l’IA comme de l’électricité : au compteur, chez un fournisseur qu’on change quand on veut, sur des modèles qu’on peut même faire tourner chez soi.

Ce qui restera

Benedict Evans le dit sans détour dans le podcast de Lenny Rachitsky, fin mai 2026 : les fabricants de modèles vont vers un avenir d’utility, avec les marges médiocres qui vont avec, et la valeur remonte vers ceux qui construisent les usages par-dessus. Vendre de l’intelligence au compteur, c’est vendre une commodité. Et une commodité, par définition, ne se vend pas cher.

Le coût de l’IA ne nous tombera pas dessus. Il va se diluer dans nos vies jusqu’à devenir invisible, comme une facture d’électricité qu’on ne lit plus. On aura simplement réussi, le temps d’un emballement, à vendre de l’énergie bon marché sous le nom d’intelligence.