Epoch AI rapporte que les coûts associés aux performances de l’IA diminuent plus rapidement que ceux de toute technologie précédente. Le « prix de la pensée » — le coût pour qu’un modèle d’IA atteigne un niveau de performance spécifique — baisse d’environ 50 % chaque trimestre, ce qui représente une diminution annuelle multipliée par treize. Ce rythme de déclin dépasse celui de technologies historiquement transformatrices comme le séquençage de l’ADN ou les batteries au lithium. Cependant, cette chute rapide des coûts pose d’importants défis économiques pour les entreprises d’IA, car elle rend plus difficile la fidélisation des clients et la rentabilité de leurs lourds investissements. La promesse de profits substantiels s’estompe, comme en témoignent les prix en chute libre des jetons d’IA, en raison d’une concurrence accrue et de la baisse des coûts de production. L’essor de modèles d’IA chinois accessibles gratuitement et les réductions stratégiques de prix exercent une pression déflationniste sur le marché. Si cette tendance profite aux utilisateurs finaux, elle remet en cause les immenses profits que les acteurs du secteur avaient anticipés. Les lourds investissements dans les infrastructures d’IA reposent sur ces prévisions de rentabilité. L’Indice des dépenses en jetons LLM, un indicateur clé de Silicon Data qui suit les prix quotidiens des jetons d’IA, a franchi un seuil à la baisse, s’établissant à 97 cents par million de jetons le 1er septembre 2026. Le 28 septembre, Epoch AI a publié un rapport affirmant que « le coût de l’IA diminue à un rythme sans précédent », dépassant les taux de déclin d’autres technologies transformatrices comme le séquençage de l’ADN ou les batteries au lithium. Pour illustrer la rapidité de cette évolution, Epoch AI la compare à un scénario hypothétique : seriez-vous surpris si le prix d’une voiture neuve passait de 50 000 dollars à 296 dollars en deux ans ? C’est à cette vitesse que l’IA devient moins chère. Par exemple, en janvier 2025, le modèle o3 d’OpenAI a atteint un taux de réussite de 75 % sur le benchmark GPQA Diamond à un coût moyen de 30 cents par question. Dix-huit mois plus tard, le modèle GPT-5.6 Luna a obtenu le même score pour seulement 0,04 centime par question, représentant une chute de 725 fois du « prix de la pensée » en moins de 18 mois. Cette déflation sans précédent crée un dilemme stratégique majeur pour les principaux laboratoires d’IA comme OpenAI et Anthropic, ainsi que pour les développeurs d’applications d’IA. Les analystes soulignent qu’il devient de plus en plus difficile pour ces entreprises d’assurer la fidélisation de leurs clients ou de générer des revenus récurrents solides lorsque les prix chutent aussi rapidement et que des alternatives moins chères émergent constamment. Les modèles d’abonnement traditionnels perdent de leur attrait lorsque les utilisateurs savent qu’ils peuvent accéder à des services plus puissants et bien moins chers en peu de temps. Pour les entreprises investissant des centaines de milliards de dollars dans des infrastructures de pointe, maintenir une rentabilité durable s’avère un défi complexe, car l’avantage d’un modèle phare peut être éphémère. Malgré l’essor de l’IA générative et le lancement de ChatGPT il y a près de quatre ans, OpenAI n’a toujours pas démontré un modèle économique viable.