L'industrie de l'IA entre pour la première fois dans la « phase de comptabilité économique »

OpenAI et Anthropic pourraient engager une guerre des prix, la surface montrant deux grandes entreprises d'IA en compétition pour les utilisateurs, mais en profondeur, c'est la première véritable étape de l'industrie de l'IA vers une « phase de calcul de la valeur ».

Au cours des deux dernières années, le secteur de l'IA a été principalement discuté en termes de capacités des modèles : qui a le modèle le plus puissant, qui a le meilleur raisonnement, qui a une capacité de codage plus stable, qui impressionne davantage en multimodalité. Le capital, les médias et les utilisateurs sont prêts à payer une prime pour le « modèle le plus fort ». Mais lorsque l'IA entre réellement dans les entreprises, la situation commence à changer. Les entreprises ne se contentent plus de demander « le modèle est-il puissant ? », mais commencent à demander « la facture est-elle chère ? » ; elles ne regardent plus seulement « y a-t-il de l'IA utile ? », mais s'interrogent sur « combien de résultats ont été obtenus pour chaque token ». C'est là que cette actualité mérite vraiment d'être observée.

Selon Reuters, citant le Wall Street Journal, OpenAI envisage de réduire considérablement le prix de ses services d'IA pour faire face à la concurrence pour les utilisateurs avec Anthropic ; la discussion est toujours en cours, Reuters précisant qu'ils n'ont pas pu confirmer indépendamment cette information. La nouvelle mentionne également que les cadres supérieurs des entreprises ressentent une pression croissante sur les coûts d'utilisation de l'IA, Sam Altman ayant récemment reconnu que ces coûts sont devenus un « problème énorme ». Je pense que cette situation peut être analysée dans le contexte de l'essor d'Anthropic côté entreprise, de la popularité de Claude Code, de l'accent mis par OpenAI sur Codex, de la maîtrise croissante des dépenses liées à l'agent IA par les entreprises, et de la pression sur le modèle commercial avant l'IPO. Mon jugement est : il ne s'agit pas simplement d'une guerre de réduction de tokens, mais du début d'une transition de l'industrie de l'IA d'une « démonstration d'intelligence » vers une « évaluation de la valeur ».

Ce n'est pas une guerre des prix au sens traditionnel

Selon la logique traditionnelle d'Internet, lorsqu'une entreprise baisse ses prix, une autre suit, les utilisateurs en profitent, le marché s'élargit, et enfin, les coûts sont amortis par l'échelle. Mais le service de grands modèles ne suit pas entièrement cette logique. L'IA ne repose pas sur une distribution logicielle à coût marginal quasi nul, mais sur des dépenses concrètes en puissance de calcul, stockage, réseau, électricité, refroidissement et capital pour les centres de données.

Ainsi, l'IA ne peut pas être indéfiniment bon marché. Les prix peuvent être optimisés, le coût par token peut diminuer, l'efficacité de l'inférence peut s'améliorer, le cache, le traitement par lots et le routage des modèles peuvent réduire les coûts d'utilisation réels, mais la consommation des ressources sous-jacentes ne disparaîtra pas dans le vide. La page officielle des prix d'OpenAI indique que le tarif API pour GPT-5.5 est de 5 dollars par million de tokens d'entrée, et 30 dollars par million de tokens de sortie ; les informations officielles d'Anthropic montrent que le prix pour Claude Opus 4.8 en usage régulier est de 5 dollars par million de tokens d'entrée, et 25 dollars pour la sortie. Cela montre que les modèles phares de haut niveau maintiennent encore une tarification pour des tâches à haute valeur, sans entrer dans une phase de « prix sans limite ».

Par conséquent, ce qu'on appelle la guerre des prix de l'IA est probablement une réduction structurelle plutôt qu'un effondrement total des prix. Les consommateurs, les développeurs, les modèles de faible complexité, les scénarios d'entrée à haute fréquence, pourraient voir une baisse de prix en premier ; tandis que les tâches clés en entreprise, le raisonnement complexe, le code à haute fiabilité, et les scénarios avec des exigences élevées en conformité et sécurité, continueront probablement à bénéficier d'une prime.

Le vrai problème n'est pas si chaque token est bon marché, mais si chaque token peut générer suffisamment de valeur.

De la maximisation des tokens à la maximisation de la valeur

Dans notre précédente chronique « Observation de la technologie · Critique », nous avions discuté du tokenmaxxing : les entreprises et les employés augmentent continuellement leur consommation de tokens pour prouver qu'ils utilisent de l'IA. Mais maintenant, la discussion sur la guerre des prix montre que l'industrie de l'IA doit passer du tokenmaxxing à la valuemaxxing. Le tokenmaxxing concerne « combien d'IA est utilisée » ; le valuemaxxing concerne « combien de valeur chaque appel d'IA crée réellement ». Derrière ces deux termes, se trouvent deux logiques industrielles totalement différentes.

Si une entreprise ne regarde que la consommation de tokens, elle peut facilement obtenir une courbe d'utilisation de l'IA apparemment prospère : tout le monde utilise, la consommation augmente, la facture s'alourdit. Mais cela ne signifie pas nécessairement une augmentation de la productivité. Les entreprises vraiment matures poseront la question suivante : ces tokens ont-ils réduit le travail de reprise ? Ont-ils raccourci le cycle de livraison ? Ont-ils amélioré la qualité du code ? Ont-ils amélioré l'expérience client ? Ont-ils réduit les coûts de vente, de support, de R&D, d'exploitation et de gestion ?

C'est là que réside le vrai enjeu lorsque l'IA entre réellement dans l'entreprise. Autrefois, les entreprises vendaient des « capacités intelligentes » ; maintenant, leurs clients veulent acheter des « résultats vérifiables ». C'est aussi la transformation la plus importante derrière la guerre des prix : la compétition en IA passe de « qui est le plus intelligent » à « qui est le plus rentable », puis à « qui peut livrer des résultats ».

Pourquoi OpenAI ressent-il cette pression

La pression sur OpenAI vient de deux directions.

D'une part, la montée rapide d'Anthropic côté entreprise, notamment la diffusion de Claude Code auprès des développeurs et des équipes d'ingénierie. Le scénario de codage est l'un des plus susceptibles de générer une utilisation fréquente, à haute valeur et à forte fidélité, car il peut s'intégrer directement dans le processus de R&D, influençant l'efficacité de la livraison. La mention dans le matériel uploadé indique que Claude Code a contribué à la croissance du chiffre d'affaires d'Anthropic, ce qui a conduit OpenAI à faire de Codex une priorité. Cela montre que le champ de bataille de l'IA ne se limite plus à la messagerie, mais s'étend aux flux de travail réels en entreprise.

D'autre part, les clients commencent à réévaluer les coûts de l'IA. Au début, les entreprises adoptaient l'IA avec une mentalité expérimentale : achat, utilisation, exploration. Mais lorsque la consommation augmente et que la facture devient lourde, la direction passe forcément de « l'IA est-elle utile ? » à « cela en vaut-il la peine ? ». La mention dans Reuters indique également que les cadres supérieurs commencent à exprimer leur mécontentement face aux coûts élevés d'utilisation de l'IA.

Ce n'est pas la fin de la fièvre de l'IA, mais l'entrée de l'IA dans le budget opérationnel. Le budget d'innovation raconte une histoire, le budget opérationnel regarde le retour. À ce stade, les entreprises ne se demanderont plus seulement si le modèle est puissant, mais combien coûte chaque tâche, si le fournisseur peut être remplacé, si les résultats sont mesurables. Mon jugement est : si OpenAI envisage de réduire ses prix, cela ne signifie pas que leur modèle commercial est invalidé, mais que l'IA passe du « pilote stratégique » à une « composante de coût opérationnel ». Une fois dans cette catégorie, les clients commenceront à calculer l'IA de manière plus rationnelle.

La guerre des prix modifie réellement les règles de l'industrie

Ce que cette compétition changera vraiment, ce n'est pas le prix d'un modèle particulier, mais le système d'évaluation de l'industrie de l'IA.

Premièrement, les entreprises de modèles ne peuvent plus simplement raconter une histoire avec « le modèle le plus intelligent », elles doivent aussi prouver que « le coût d'intelligence par unité » continue de diminuer. Celui qui peut accomplir plus de tâches avec moins de tokens, une latence plus faible et des résultats plus stables aura un avantage.

Deuxièmement, les clients d'entreprise seront plus proactifs dans la composition de modèles. Autrefois, ils achetaient directement le modèle le plus puissant ; désormais, ils commenceront à différencier selon les types de tâches : raisonnement complexe avec des modèles phares, support client courant avec des modèles légers, recherche interne avec des modèles locaux, revue de code avec des modèles spécialisés. À l'avenir, l'architecture IA en entreprise ne sera probablement pas dominée par un seul modèle, mais par une gestion multi-modèles, multi-fournisseurs et multi-niveaux de coûts.

Troisièmement, les entreprises d'application auront des opportunités. La baisse des prix des modèles comprimera la prime de certains fournisseurs de modèles de base, mais amplifiera la valeur au niveau de l'application. Car ce que recherchent finalement les clients, ce ne sont pas des tokens bon marché, mais des résultats commerciaux stables, livrables et gérables. Ceux qui peuvent encapsuler la capacité des modèles dans des processus industriels réels transformeront le « coût du token » en « valeur commerciale ».

Quatrièmement, les investisseurs changeront leur regard sur les entreprises d'IA. Au lieu de regarder les classements de modèles, la croissance des utilisateurs et les histoires de valorisation, ils examineront la structure de marge brute, le coût d'inférence, la rétention client, le taux de réalisation des tâches, la pénétration des flux de travail et la rentabilité par tâche. Reuters indique que OpenAI et Anthropic ont tous deux entamé une procédure d'IPO, et qu'OpenAI aurait soumis en secret ses documents d'introduction en bourse ; cela signifie que le marché public évaluera plus directement la qualité de leurs revenus, leur structure de coûts et leur fidélité client.

Mon jugement est : la guerre des prix de l'IA ne mettra pas fin à la narration de haute valeur de l'IA, mais mettra fin à la phase où « il suffit de savoir invoquer un modèle pour raconter une grande histoire ».

Les enseignements pour l'industrie de l'IA en Chine

Pour l'industrie chinoise de l'IA, cela offre trois enseignements.

Premier, les grandes entreprises de modèles en Chine ne peuvent pas se contenter de se battre sur les paramètres, les classements et les conférences de lancement, elles doivent entrer plus tôt dans la compétition de l'efficacité des coûts. Les clients chinois sont plus sensibles aux prix et plus réalistes sur le ROI. Si la capacité du modèle est bonne mais que le coût de raisonnement est trop élevé, la stabilité insuffisante ou la livraison peu claire, il sera difficile d'intégrer réellement ces modèles dans les processus clés de l'entreprise.

Deuxièmement, l'opportunité pour l'IA chinoise ne réside pas dans la simple copie d'OpenAI ou d'Anthropic, mais dans les scénarios sectoriels et les flux de travail profonds. La fabrication, la chaîne d'approvisionnement, le commerce transfrontalier, la gestion des risques financiers, les services gouvernementaux et d'entreprise, l'exploitation de parcs industriels, le support client, la vente, la fiscalité et le juridique — tous ces processus complexes existent réellement chez les entreprises chinoises. Ceux qui pourront intégrer l'IA dans ces processus auront la possibilité de transformer la capacité du modèle en capacité de service industriel.

Troisièmement, les entreprises chinoises doivent rapidement établir leur propre système de gestion des coûts de l'IA. Il ne suffit pas de compter combien d'IA est utilisée, mais de mesurer le retour sur investissement pour chaque tâche, chaque processus, chaque département. À l'avenir, la gestion de l'IA en entreprise ne doit plus se limiter à « quels modèles ont été achetés », mais évoluer vers « quelles tâches conviennent à l'IA, quel modèle est le plus rentable, qui valide les résultats, comment répartir les coûts, comment évaluer la valeur ».

Un point particulièrement important : un prix bas ne signifie pas nécessairement un coût réel bas. Des chercheurs de Stanford, Berkeley et autres ont montré que le prix API affiché ne reflète pas toujours le coût réel d'inférence ; dans certains cas, un modèle moins cher peut coûter plus cher en raison d'une consommation accrue de tokens de réflexion. Cela est particulièrement crucial pour les entreprises chinoises : lors du choix d'un fournisseur d'IA, il ne faut pas se limiter au prix par million de tokens, mais considérer le coût total d'une tâche, depuis l'entrée, l'inférence, la sortie, la validation jusqu'à l'achèvement.

C'est aussi ce que je souligne toujours : lorsque l'IA entre réellement dans l'entreprise, la compétition ne porte pas sur qui parle le mieux, mais sur qui accomplit le mieux la tâche ; ce n'est pas qui brûle le plus de tokens, mais qui transforme l'intelligence en résultats à moindre coût, de meilleure qualité et vérifiables.

Conclusion : pas le prix bas, mais la valeur

Si OpenAI et Anthropic entrent vraiment en guerre des prix, à court terme, cela concerne la compétition pour les utilisateurs, mais à long terme, c'est un test du modèle commercial. Cela poussera à réduire le coût d'utilisation de l'IA, accélérera l'adoption par les entreprises, mais obligera aussi toute l'industrie à répondre à une question plus sérieuse : l'IA crée-t-elle vraiment de la valeur ou ne fait-elle que générer des factures plus importantes ?

Ainsi, la véritable signification de cette guerre des prix n'est pas de savoir si les tokens seront bon marché, mais que l'industrie de l'IA commence enfin à passer d'une « démonstration d'intelligence » à une « évaluation de la valeur ».

Les entreprises d'IA qui auront de la valeur à l'avenir ne seront pas forcément celles qui parlent le mieux, mais celles qui sauront transformer chaque consommation d'intelligence en résultats concrets, en efficacité commerciale et en valeur industrielle.

La prochaine étape de l'industrie de l'IA n'est pas que les tokens soient moins chers, mais que chaque token devienne plus précieux.