Deux corps célestes en orbite l'un autour de l'autre décrivent des trajectoires stables et prévisibles. Ajoutez-en un troisième, et le système devient chaotique : chaque corps est suffisamment massif pour courber la trajectoire des autres, et une légère impulsion de l'un peut faire dévier celle des trois. C'est ainsi que l'auteur d'un commentaire publié dans Fortune décrit l'économie de l'IA en 2026 — comme trois corps qui s'attirent mutuellement : les laboratoires de pointe à code source fermé, menés par OpenAI et Anthropic ; les modèles à poids ouverts, essentiellement issus de Chine ; et les entreprises d'applications bâties au-dessus des deux. Chacun est suffisamment puissant pour remodeler l'orbite des autres, mais aucun ne peut dicter l'endroit où le système finira par se stabiliser.

Plusieurs événements survenus au cours des dernières semaines et des derniers mois ont accru l'instabilité du système. Le changement le plus spectaculaire tient à la dynamique acquise — et aux nouveaux obstacles rencontrés — par les laboratoires de pointe. Menés par Anthropic, ils ont connu une demande sans précédent et, avec elle, une croissance des revenus extraordinaire. Cette expansion a contribué à diffuser plus largement les outils d'IA dans l'économie, mais elle a aussi aiguisé la question que se posent désormais de nombreux acheteurs : quel est le retour sur toutes ces dépenses ? Selon l'estimation de l'auteur, les dépenses en IA représentent aujourd'hui entre 0,5 et 1 pour cent de l'ensemble des salaires des employés de bureau aux États-Unis — une échelle qui, à ses yeux, mérite d'être examinée de près.

En juillet, Alex Karp, de Palantir, a déclaré à CNBC que « quelque chose a complètement dérapé » dans la manière dont les laboratoires vendent leur produit : les entreprises, selon lui, se livrent au « tokenmaxxing » — des dépenses effrénées en tokens sans gain de productivité équivalent. Sur la même période, la concurrence à la pointe s'est intensifiée, Meta (Muse Spark 1.1) et xAI (Grok 4.5) déployant tous deux des modèles de plus en plus performants aux côtés d'Anthropic, OpenAI et Google.

Les modèles ouverts, notamment ceux issus d'entreprises chinoises, ont eux aussi progressé. Le GLM 5.2 de Zhipu et le Kimi K3 de Moonshot affichent désormais des performances à la pointe ou proches de la pointe sur plusieurs benchmarks importants. Vendus à une fraction du prix des modèles fermés comparables tout en offrant des capacités si proches, ils ont insufflé une forte dynamique à l'écosystème des poids ouverts. Les modèles à poids ouverts américains gagnent pour leur part en crédibilité : portés par l'Inkling de Thinking Machines et le Nemotron 3 de Nvidia — très performants, même s'ils ne sont pas encore tout à fait au niveau de la pointe —, ils offrent une alternative nationale aux modèles chinois. Pour les entreprises d'applications, cet éventail élargi compte, car le choix du modèle influe à la fois sur les coûts et sur le contrôle ; c'est pourquoi nombre des acteurs leaders ont intensifié leurs efforts pour construire au-dessus des modèles à poids ouverts.

Les systèmes à trois corps sont notoirement difficiles à prédire. Néanmoins, l'auteur discerne plusieurs grandes trajectoires pour le second semestre 2026.

Premièrement, la gêne face aux prix des modèles de pointe s'atténuera — en partie parce que la concurrence tirera les prix vers le bas, et en partie parce que les retours sur les dépenses d'IA commenceront à se manifester. Une bonne partie de l'anxiété actuelle, selon l'argument développé, tient à un décalage temporel : l'adoption devance l'utilité. Pour la plupart des technologies antérieures, comme l'automobile et le téléphone portable, l'adoption massive a suivi la baisse des prix. Dans le cas de l'IA, l'adoption a été bien plus rapide, si bien que la pression pour démontrer la valeur intervient alors que l'usage est encore en plein passage à l'échelle. Le retour sur investissement viendra, écrit l'auteur, sous la forme d'une croissance plus rapide pour certaines entreprises, d'économies de coûts pour d'autres et, à terme, d'une productivité accrue dans l'ensemble de l'économie.

Deuxièmement, le passage à un monde multi-modèles se poursuivra, porté par la concurrence et, idéalement, par une véritable différenciation dans ce que chaque modèle fait de mieux.

Troisièmement, les modèles à poids ouverts américains deviendront de véritables alternatives à leurs homologues chinois et en tireront une réelle adoption. Ils disposeront en outre d'un modèle économique plus clair, facilitant pour les clients les engagements à plus long terme. L'auteur s'attend à ce que la distinction entre ouvert et fermé finisse par s'estomper, les laboratoires de pointe eux-mêmes accompagnant la personnalisation des modèles selon les besoins spécifiques de leurs clients.

À d'autres égards aussi, les acteurs convergeront : les laboratoires de pointe descendront plus avant dans la pile produit pour élargir leurs barrières concurrentielles et préserver des marges élevées, tandis que les entreprises d'applications s'avanceront plus profondément dans la pile de modèles pour édifier leurs propres barrières. Cette convergence est rationnelle, argumente le commentaire : les éditeurs de logiciels affichent généralement des marges brutes supérieures à 70 % alors même que leurs clients estiment en avoir pour leur argent.

Au vu de ces coups et contre-coups, le système demeure un système à trois corps, dont l'équilibre n'est pas encore fixé. Une grande partie du bruit actuel — le débat entre ouvert et fermé, la panique liée à la Chine et les inquiétudes sur les retours sur investissement — paraît temporaire. La question véritablement intéressante, conclut l'auteur, n'est pas de savoir si l'IA finit par payer, mais qui captera la valeur à ce moment-là : les laboratoires à la pointe, les modèles ouverts qui les talonnent, ou les applications qui possèdent la relation client.

Les opinions exprimées dans les tribunes de Fortune.com relèvent uniquement des vues de leurs auteurs et ne reflètent pas nécessairement les opinions et convictions de Fortune.

Cet article a été initialement publié sur Fortune.com.