Les entreprises américaines choisissent de plus en plus le modèle d'IA le moins cher capable d'accomplir le travail, plutôt que d'opter automatiquement pour la solution la plus avancée disponible. Selon le Financial Times, cette évolution exerce une pression sur les prix premium à mesure que les nouveaux modèles réduisent l'écart de capacités et que le coût des tokens continue de baisser.

Acheter le modèle le moins cher qui fait le travail

La logique est que les coûteux modèles frontaliers ne devraient être déployés que lorsque c'est nécessaire, tandis que les tâches courantes peuvent être confiées à des modèles peu coûteux qui exécutent la tâche de manière tout à fait satisfaisante.

Ce schéma est apparu dans l'AI Index du 9 septembre de Ramp, qui suit les dépenses en IA des entreprises. D'après les données de dépenses d'août 2026, 43,8 % des entreprises américaines de l'échantillon de Ramp ont acheté des produits Anthropic, contre 39,8 % pour OpenAI. Ramp a également souligné que l'utilisation croissante de modèles moins chers représentait une menace pour les entreprises d'IA dont les modèles économiques reposent sur des dépenses croissantes et régulières des entreprises en systèmes frontaliers.

Cette tendance est également conforme aux conclusions du rapport de l'OCDE sur l'IA agentique publié en septembre 2026. Les entretiens menés auprès de 25 organisations ont indiqué que les économies de coûts étaient une raison fréquente d'adoption des systèmes agentiques — une IA capable de planifier et d'exécuter des tâches en plusieurs étapes avec une supervision limitée — aux côtés de leur contribution à une productivité accrue et de leur rôle dans la résolution des pénuries de main-d'œuvre.

Une guerre des prix mesurée en fractions de centime

Le prix des modèles d'IA chute rapidement, au moment même où une nouvelle vague de systèmes est introduite. Selon une couverture antérieure de Cryptopolitan, OpenAI a publié GPT-6 Sol et GPT-6 Luna le 22 septembre, à des prix inférieurs d'au moins 50 % aux précédents modèles GPT-5.6. GPT-6 Sol coûte 2 $ par million de tokens d'entrée et 10 $ par million de tokens de sortie, les tokens constituant l'unité standard de texte que les modèles traitent et sur laquelle la tarification des API est calculée.

Dans la même semaine, Anthropic a lancé Opus 5.5 tandis que xAI présentait Grok 4.7, ces lancements intervenant sur un marché de plus en plus dicté par des critères de rapport prix-performance. Selon Axios, les modèles bon marché mais néanmoins efficaces représentent la nouvelle course concurrentielle du secteur.

La tendance baissière à long terme est encore plus frappante. Selon Epoch AI, le prix nécessaire pour atteindre un niveau constant de performance en IA a diminué d'environ 47 % par trimestre depuis 2023 — soit environ 13 fois par an.

Le coût par tâche accomplie compte davantage

À mesure que la pression sur les prix s'intensifie, les indicateurs par lesquels les entreprises mesurent le succès de l'IA évoluent. Le leadership en matière de benchmarks n'a pas perdu de son importance, mais l'attention se porte désormais davantage sur ce que les clients paient pour une performance efficace.

L'AutomationBench de Zapier teste les agents d'IA sur des flux de travail de bout en bout couvrant 47 outils professionnels. Au 28 septembre, Claude Opus 5.5 dominait le classement avec une efficacité de 42,47 % à un prix de 1,44 $ par tâche, tandis que GPT-6 Sol affichait 33,2 % en XHigh pour seulement 0,27 $ par tâche.

Le même arbitrage apparaît sur Artificial Analysis. GPT-6 Sol à effort maximal obtient un score de 48 sur son Intelligence Index pour un coût estimé à 1,06 $ par tâche, tandis que MiMo-V2.6-Pro de Xiaomi, un modèle à poids ouverts dont les poids sont publiquement disponibles et peuvent être exécutés en dehors de l'infrastructure du fournisseur, obtient 46 pour seulement 0,13 $ par tâche.

Cet écart est suffisamment faible pour que le routage multi-modèles devienne viable. Plutôt que de dépendre d'un seul fournisseur pour toutes leurs charges de travail, les entreprises peuvent attribuer le bon modèle en fonction de l'importance relative et de la complexité de chaque tâche.

Des tokens moins chers peuvent toujours signifier des factures plus élevées

Des prix plus bas ne se traduisent pas nécessairement par des dépenses en IA moindres. Selon Axios, le paradoxe de Jons — décrit pour la première fois par l'économiste du XIXe siècle William Stanley Jevons, qui a observé qu'une plus grande efficacité dans l'utilisation d'une ressource tend à accroître sa consommation totale plutôt qu'à la freiner — indique que des ressources plus abordables entraînent une plus grande consommation. Gartner a formulé une mise en garde similaire dans ses prévisions du 17 août, estimant une hausse de plus de cinq fois du coût d'inférence des flux de travail agentiques d'ici 2028.

Les modèles moins chers peuvent également élargir l'accès dans d'autres régions du monde. Selon le Global AI Diffusion Report de Microsoft, les modèles abordables et ouverts peuvent contribuer à améliorer la disponibilité, mais l'infrastructure, la connectivité et les compétences joueront un rôle essentiel pour déterminer qui pourra en profiter.

Pour les acheteurs professionnels, le message devient de plus en plus clair : la meilleure IA n'est peut-être pas la plus intelligente, mais celle qui accomplit son travail efficacement au coût le plus bas.

Source : Cryptopolitan