Une étude récente menée par SemiAnalysis révèle que les abonnements à Claude d’Anthropic pourraient offrir environ cinq fois plus de valeur que ceux d’OpenAI pour les modèles de milieu de gamme, selon des calculs comparant la valeur équivalente de l’accès aux API. Cette évaluation intervient alors qu’OpenAI a récemment modifié ses formules d’abonnement, réduisant le quota de tokens de son plan à 200 dollars par mois et introduisant un nouveau plan à 500 dollars par mois, qui n’offre qu’une augmentation de 21 % de l’accès à GPT-6 Astra par rapport au plan précédent. Pendant ce temps, les abonnements d’Anthropic, bien qu’ils ne génèrent que 10 % de ses revenus, consomment plus de 40 % de sa puissance de calcul, soulignant le coût élevé de fonctionnement de ces services d’IA. L’étude a comparé les formules d’abonnement de plusieurs entreprises, dont Anthropic, OpenAI, Meta, SpaceXAI, MiniMax, Moonshot, Z.ai, Cursor et Cognition. Elle a noté que la valeur d’un abonnement peut varier en fonction du modèle et du type de travail effectué, car les coûts en tokens — utilisés pour mesurer la quantité de traitement par l’IA — peuvent différer des prix des API. Par exemple, l’abonnement Claude Pro à 20 dollars par mois d’Anthropic offre 2,9 milliards de tokens par mois, contre seulement 1 milliard pour l’abonnement ChatGPT. Cependant, d’autres analyses suggèrent que la valeur des modèles d’IA dépend des critères utilisés. Alors que SemiAnalysis se concentre principalement sur le débit de génération de tokens, d’autres entreprises mesurent le coût par tâche spécifique, ce qui pourrait rendre GPT-6.1 Sol d’OpenAI plus abordable pour certaines tâches que Claude Opus 5.5 d’Anthropic. Les formules d’abonnement sont fortement subventionnées par rapport aux tarifs standards d’accès aux API, ce qui a favorisé l’émergence d’un marché secondaire de revente de tokens issus de comptes partagés dans diverses régions. Anthropic et OpenAI ont adopté des approches différentes pour gérer leurs marges. Anthropic réduit la valeur équivalente de l’API à mesure que des modèles plus puissants sont déployés, tandis qu’OpenAI a directement réduit les limites de tokens de son abonnement à 200 dollars. Ces stratégies reflètent les défis persistants liés à l’équilibre entre coût et performance dans le secteur de l’IA. L’impact de ces modèles d’abonnement est plus marqué pour les entreprises, qui ne bénéficient pas des tarifs subventionnés et font face à une hausse rapide des coûts des API à mesure que l’IA se généralise. Un rapport de McKinsey indique que 93 % des entreprises ont dépassé leur budget alloué à l’IA. Pour maîtriser ces coûts, de nombreuses entreprises se tournent vers des modèles open source, qui peuvent être hébergés à moindre coût. Par exemple, Skydive affirme avoir réduit ses coûts d’IA de plus de 75 % en utilisant un routeur de modèles qui oriente les tâches vers des alternatives open source performantes. Les prix des tokens ont chuté de manière significative en raison d’une concurrence accrue et de la baisse des coûts de production, notamment avec l’essor des modèles open source chinois et des réductions stratégiques de prix. Cette tendance profite aux utilisateurs finaux, mais soulève des questions sur la rentabilité des acteurs du secteur. OpenAI, qui a levé 122 milliards de dollars de financement plus tôt cette année, devrait enregistrer une perte de trésorerie de 280 milliards de dollars d’ici la fin 2030, malgré des revenus cumulés estimés à environ 840 milliards de dollars. Anthropic, en préparation pour une introduction en Bourse, devrait afficher une perte de 42 milliards de dollars pour l’exercice 2025 et dépenser plus de 518 milliards de dollars en cloud, calcul et infrastructure. Les analystes estiment que l’industrie de l’IA devra générer environ 6 000 milliards de dollars de revenus annuels d’ici 2031 pour justifier les investissements actuels, mais les applications actuelles et la productivité des employés ne couvrent qu’une fraction de ce montant. Le déséquilibre financier au sein de l’industrie de l’IA, où les profits des fabricants de puces sont financés par le capital des investisseurs plutôt que par des revenus réels, et où les développeurs d’applications d’IA affichent des marges opérationnelles négatives, crée un modèle économique fragile reposant sur la rentabilité future. Si les utilisateurs finaux ne génèrent pas rapidement des retours sur investissement concrets, les financements massifs pourraient soudainement s’assécher, risquant de provoquer un effondrement du secteur de l’IA.