Les prix moyens des tokens d'intelligence artificielle ont chuté de 67 % depuis mai 2026, mais les dépenses totales en tokens ont grimpé de plus de 120 %, selon les données publiées par la société de capital-risque Andreessen Horowitz, plus connue sous le nom d'a16z. Ces chiffres sont issus des Charts of the Week de la société, une publication récurrente de données, diffusée le 31 octobre 2026, et montrent que la demande d'inférence d'IA s'accroît assez vite pour compenser les baisses de prix les plus marquées. Les estimations de l'augmentation des dépenses totales en tokens oscillent entre 122 % et 160 % sur la période d'environ cinq mois, illustrant la manière dont la baisse des coûts unitaires s'est accompagnée d'une expansion générale de l'utilisation de l'IA. Une précision pour les lecteurs habitués à ce que « token » désigne un actif crypto : dans ces données, le terme désigne des unités de calcul d'IA, et non des actifs numériques.

Ce que montrent les chiffres

Dans ce contexte, un token est l'unité de facturation de l'inférence des modèles d'IA : un petit fragment de texte qu'un modèle lit ou écrit, généralement de quelques caractères à un mot entier. L'inférence est l'action d'exécuter un modèle d'IA entraîné pour produire un résultat, et les fournisseurs la facturent au token.

La divergence dans les données est frappante. Le prix par token a chuté de 67 % depuis mai, tandis que les dépenses totales sur la même période ont augmenté de 122 % à 160 %. L'unité est devenue moins chère, mais la facture s'est allongée. L'utilisation a cru suffisamment vite pour compenser entièrement la baisse des prix.

Le principal moteur semble être les agents d'IA. Selon les données d'a16z, les agents consomment près de cinq fois plus de tokens que les utilisateurs humains. Une personne pose généralement une question à un chatbot et lit la réponse. Un agent exécute une tâche plus longue de bout en bout, transporte davantage de contexte entre les étapes, fait appel à des outils et à des modèles de manière répétée, et effectue davantage d'étapes au total — et chaque étape consomme des tokens.

L'utilisation de tokens par les agents a également été multipliée par environ 14 depuis février 2026, ce qui témoigne d'une évolution vers des flux de travail plus vastes et plus automatisés plutôt que vers des requêtes ponctuelles.

Le paradoxe de Jevons, version GPU

a16z rattache cette tendance au paradoxe de Jevons : l'observation, attribuée à l'économiste anglais du XIXe siècle William Stanley Jevons, selon laquelle lorsqu'une ressource devient plus efficace ou moins chère à utiliser, la consommation totale peut augmenter au lieu de diminuer. Dans les années 1860, Jevons a constaté que l'utilisation plus efficace du charbon en Grande-Bretagne s'accompagnait d'une hausse, et non d'une baisse, de la consommation de charbon. Ce concept connaît une seconde vie dans les débats technologiques modernes, où il est régulièrement invoqué chaque fois que les gains d'efficacité semblent alimenter, plutôt que freiner, la demande. De la même manière, l'inférence moins chère rend de nouveaux cas d'usage économiquement viables, et des tâches trop coûteuses à automatiser aux prix de mai deviennent soudainement rentables aux tarifs actuels.

Du côté de l'offre, il y a une complication. Tandis que les prix des tokens continuaient de baisser, les prix de location des GPU ont fortement évolué dans le sens inverse. Selon les données, les coûts de location des puces B300 de Nvidia ont augmenté de 106 % depuis la mi-juillet 2026, tandis que les prix de location des B200 ont grimpé de 66 % sur la même période. Les B300 et B200 sont des GPU de centre de données haut de gamme de Nvidia utilisés pour exécuter des charges de travail d'IA à grande échelle.

C'est une combinaison inconfortable pour quiconque vend de l'inférence. Ce qu'ils vendent devient moins cher, tandis que le matériel qu'ils louent pour le produire devient plus coûteux. L'écart entre ces deux courbes a été baptisé « rack spread » — un clin d'œil au terme des traders désignant la distance entre deux prix liés, en l'occurrence entre le prix de vente d'un token et le coût de location de la puissance de calcul qui le sous-tend.

Les graphiques d'a16z mettent également en évidence une concentration chez les acheteurs. Un groupe relativement restreint d'utilisateurs de premier plan représente une part importante des dépenses totales en tokens. Concrètement, cela signifie que les totaux peuvent être influencés par les habitudes d'une poignée de comptes plutôt que par une demande générale de l'ensemble de la base d'utilisateurs.

Ce que cela signifie

Pour les fournisseurs de modèles d'IA, ces données sont une bénédiction mitigée. Le volume explose, ce qui est la bonne nouvelle, mais les revenus par token s'effondrent et le coût des GPU sous-jacents augmente. Le rack spread est cette pression exprimée en chiffres.

Pour les propriétaires de GPU et les opérateurs de cloud, le tableau semble plus favorable. La hausse de 106 % des tarifs de location des B300 depuis la mi-juillet suggère que la demande de calcul dépasse l'offre, du moins pour les puces les plus récentes.

Pour les entreprises développant sur l'IA, chaque appel individuel est moins cher qu'en mai. Pourtant, les produits reposant fortement sur des agents peuvent faire grimper rapidement les factures, puisque les agents utilisent près de cinq fois plus de tokens qu'un utilisateur humain.

Le point sur la concentration mérite également l'attention. Lorsqu'un petit groupe d'utilisateurs intensifs génère la majorité des dépenses, le marché devient sensible à leurs décisions.

Pour l'heure, les graphiques d'a16z racontent une histoire simple avec une conclusion contre-intuitive. L'inférence d'IA est devenue deux tiers moins chère en environ cinq mois, et la réponse du monde a été d'en utiliser tellement davantage que les dépenses totales ont plus que doublé. Les prochaines mises à jour des données de la société montreront comment les trois variables en mouvement — les prix par token, les tarifs de location des GPU et la répartition des dépensiers derrière les totaux — évolueront.

Source : CryptoBriefing. Le rapport original a été édité par Diego Almada Lopez.