// FRANDROID — INTELLIGENZA ARTIFICIALE
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.
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.