#GateEventPointsSystemLaunched #OpenAI二季度亏损扩大 Les revenus d'OpenAI ont augmenté de 18 %, mais l'entreprise a été dépassée : qu'est-ce qui ne va pas exactement dans le modèle économique de l'IA ?

OpenAI a publié ses données du deuxième trimestre : ses revenus ont atteint 6,7 milliards de dollars, en hausse de 18 %, mais l'entreprise a été dépassée par Anthropic, tandis que ses pertes ont continué de se creuser.
Il ne s'agit pas simplement de savoir quelle entreprise est en tête ; le modèle économique de l'ensemble du secteur des modèles fondamentaux d'IA traverse une crise profonde.
La course effrénée à l'IA et l'équilibre entre profits et pertes
Les chiffres sont brutaux. Les revenus d'OpenAI se sont élevés à 5,6 milliards de dollars au premier trimestre et à 6,7 milliards de dollars au deuxième trimestre, avec une croissance de 18 % d'un trimestre à l'autre, ce qui semble positif. Mais les revenus d'Anthropic sur la même période ont atteint 8,5 milliards de dollars : l'entreprise a non seulement dépassé OpenAI, mais la devance de 1,8 milliard de dollars. Plus important encore, les pertes d'OpenAI se creusent — c'est le signal le plus dangereux.
Beaucoup débattent encore pour savoir quel modèle est le plus intelligent et quelle technologie est la plus avancée. Je veux dire ceci : ne vous laissez pas tromper par le halo de la technologie. Lorsqu'une entreprise voit ses pertes augmenter et se fait dépasser par un concurrent en termes de revenus, cela révèle déjà un problème fondamental : le modèle économique actuel de l'IA pourrait prendre la mauvaise direction.
Le « dilemme de la centrale électrique » de l'IA : plus la technologie est puissante, plus les coûts sont élevés
Commençons par une réalité : générer une seule image avec OpenAI coûte environ 2,12 cents. Le traitement de 1 000 tokens coûte entre 0,03 et 12 cents. Combien paient les utilisateurs ? ChatGPT Plus coûte 20 dollars par mois, ce qui ne semble pas très cher.
Les modèles fondamentaux sont comme des centrales électriques très énergivores
Mais c'est précisément là que réside le problème. Les modèles fondamentaux d'IA sont comme des centrales électriques extrêmement gourmandes en énergie : plus elles produisent d'électricité, plus elles brûlent de charbon. Plus les utilisateurs les sollicitent fréquemment, plus les pertes de l'entreprise s'aggravent.
Mon observation est que les entreprises de modèles fondamentaux sont tombées dans un cercle vicieux : pour prouver que leur technologie est en tête, elles doivent rendre leurs modèles plus grands et plus intelligents ; plus le modèle est grand, plus le coût d'inférence est élevé ; plus les coûts sont élevés, plus il est difficile de gagner de l'argent. C'est une boucle sans fin.
Pourquoi Anthropic a-t-elle réussi à dépasser OpenAI en termes de revenus ? Mon analyse est qu'elle a peut-être trouvé une clientèle plus efficace. Les entreprises et les développeurs — des groupes prêts à payer pour la fiabilité — constituent le point de percée de la commercialisation de l'IA. OpenAI, en revanche, dépend encore fortement des utilisateurs grand public, qui représentent justement le marché le plus difficile à monétiser.
Manque de réflexion produit : un modèle fondamental n'est pas synonyme de bon produit
Je veux ici souligner un fait que beaucoup refusent d'admettre : être technologiquement à la pointe ne signifie pas réussir son produit. OpenAI dispose de GPT-4o, de Sora et des modèles fondamentaux les plus avancés au monde. Mais alors ? Les utilisateurs ne veulent pas de spécifications techniques ; ils veulent des produits capables de résoudre des problèmes.
Par exemple, que préoccupe un dirigeant de petite ou moyenne entreprise lorsqu'il utilise ChatGPT pour rédiger du contenu marketing ? Il se soucie de la difficulté de devoir réajuster le prompt à chaque fois, de l'incertitude liée à des résultats parfois bons et parfois mauvais, ainsi que de la sécurité des données. OpenAI a-t-elle résolu ces problèmes ?
Je ne le pense pas. Les entreprises de modèles fondamentaux souffrent généralement de « narcissisme technologique » : elles pensent que leurs modèles sont suffisamment intelligents et que les utilisateurs doivent s'y adapter. Il s'agit d'une approche produit totalement erronée.
À quoi ressemble une véritable réflexion produit ? Cela signifie qu'il faut se placer du point de vue de l'utilisateur : quels problèmes devez-vous résoudre chaque jour ? Pour quoi êtes-vous prêt à payer ? Quel est votre plus grand problème ?
À en juger par ses données financières, OpenAI n'est clairement pas allée assez loin dans cette direction. La croissance des revenus accompagnée d'une hausse des pertes indique que les coûts sont hors de contrôle. Le fait d'avoir été dépassée par Anthropic indique qu'elle a un demi-pas de retard dans le déploiement commercial.
Trois idées fausses fatales sur le modèle économique
À mon avis, le modèle économique des modèles fondamentaux d'IA repose sur trois idées fausses fatales.
Premièrement, une dépendance excessive à l'économie des API. De nombreuses entreprises de modèles fondamentaux pensent que l'ouverture d'API aux développeurs leur permettra de bâtir un écosystème. Mais en réalité, une API n'est qu'un outil, pas une solution. Les développeurs veulent des capacités d'IA stables, abordables et fiables — pas des services qui deviennent régulièrement plus chers.
Deuxièmement, la négligence des applications verticales. Les modèles fondamentaux peuvent tout faire, mais ils ne font rien assez en profondeur. La santé, le droit, l'éducation et la finance — chaque secteur vertical possède des besoins et des barrières à l'entrée qui lui sont propres. Les modèles fondamentaux généralistes éprouvent souvent des difficultés dans ces domaines.
Troisièmement, la sous-estimation des besoins des entreprises. Les entreprises ne veulent pas de démonstrations d'IA tape-à-l'œil ; elles veulent des outils d'IA qui puissent s'intégrer aux flux de travail, soient sécurisés et contrôlables, et produisent des résultats prévisibles. Ce marché présente de fortes barrières à l'entrée, mais aussi une grande valeur. Le dépassement d'OpenAI par Anthropic pourrait bien être le résultat d'une percée sur ce marché.
Mon jugement est que les futurs gagnants de l'IA ne seront pas nécessairement les entreprises dotées de la technologie la plus puissante, mais celles qui comprendront le mieux comment transformer la technologie de l'IA en valeur commerciale.
La voie à suivre : passer d'une course technologique à la création de valeur
La situation difficile d'OpenAI a tiré la sonnette d'alarme pour l'ensemble du secteur de l'IA. La vitesse à laquelle la course technologique brûle de l'argent dépasse déjà celle de la monétisation commerciale.
Alors, quelle est la solution ?
Premièrement, passer des applications généralistes aux applications verticales. Les modèles fondamentaux doivent « aller plus en profondeur » et pénétrer des secteurs et des cas d'usage spécifiques. Un modèle spécialisé maîtrisant le diagnostic médical pourrait avoir une plus grande valeur commerciale qu'un modèle généraliste capable de faire un peu de tout.
Deuxièmement, passer des modèles aux applications. Les utilisateurs n'achètent pas des modèles ; ils achètent des solutions. La manière de transformer les capacités de l'IA en produits pour lesquels les entreprises sont prêtes à payer sera la clé de la prochaine phase de la compétition.
Troisièmement, passer de la consommation de liquidités à la génération de flux de trésorerie. Les entreprises d'IA doivent trouver des modèles de rentabilité durables au lieu de dépendre éternellement des investisseurs pour se financer. Cela signifie contrôler strictement les coûts, identifier précisément les utilisateurs payants et établir de véritables barrières commerciales.
Les données du deuxième trimestre d'OpenAI semblent, en surface, montrer une croissance des revenus malgré son dépassement. À un niveau plus profond, elles reflètent l'anxiété collective suscitée par le modèle économique de l'ensemble du secteur de l'IA.
L'enthousiasme entourant les avancées technologiques est passé. Il est désormais temps de faire face à la dure réalité commerciale. L'IA n'est pas magique ; elle doit résoudre des problèmes du monde réel, créer une valeur réelle et générer des bénéfices réels.
Au cours des deux prochaines années, nous assisterons à la première grande vague de consolidation du secteur de l'IA. Les entreprises qui savent uniquement construire des modèles, mais ne comprennent pas comment construire des produits, finiront progressivement à la traîne. Celles qui comprennent véritablement les utilisateurs, développent les applications en profondeur et établissent des modèles économiques durables deviendront les nouvelles gagnantes.
OpenAI a encore une chance, mais le temps presse. Chaque entrepreneur de l'IA devrait tirer un signal clair de cet ensemble de données : la technologie est importante, mais les affaires le sont davantage. Les avancées technologiques dépourvues de soutien commercial finiront par n'être que des jouets de laboratoire.
La deuxième moitié de l'IA ne fait que commencer$OPENAI ‌