Pourquoi l'IA coûte de moins en moins cher (et qui paie la facture)

Le token le moins cher jamais vu

Un million de tokens, de quoi faire lire et répondre une IA sur l'équivalent d'un roman entier, coûte aujourd'hui une fraction de centime chez plusieurs fournisseurs. Il y a trois ans, le même niveau de qualité coûtait l'équivalent d'un repas au restaurant. Cette chute de prix est réelle, documentée, et elle continue.

Elle sert aussi d'argument marketing permanent : l'IA serait en train de devenir presque gratuite, donc accessible à tous, donc rentable pour tout le monde. Le problème, c'est que pendant que le prix du token s'effondre, les entreprises qui le vendent perdent de l'argent à un rythme jamais vu, les géants du cloud empruntent des centaines de milliards pour construire les data centers qui le produisent, et les factures d'électricité grimpent déjà dans certaines régions des Etats-Unis. Le token est moins cher. La facture, elle, n'a pas disparu. Elle s'est juste déplacée ailleurs.

Le prix du token s'est effondré

Le fonds de capital-risque Andreessen Horowitz a mis un nom sur ce phénomène fin 2024 : la « LLMflation ». Son constat, à qualité de modèle équivalente, le coût de l'inférence baisse d'un facteur dix chaque année, un rythme plus rapide que la loi de Moore en son temps. L'exemple le plus parlant concerne les modèles qui atteignaient un score de 42 au test MMLU, une mesure de culture générale et de raisonnement. En novembre 2021, seul GPT-3 y parvenait, pour 60 dollars par million de tokens. Trois ans plus tard, un modèle ouvert comme Llama 3.2 3B, servi par Together.ai, atteint le même score pour 0,06 dollar par million de tokens, soit mille fois moins cher. Pour les modèles plus capables, au niveau de GPT-4 depuis mars 2023, la baisse atteint environ 62 fois sur la même période.

Mi 2026, cette tendance continue de se lire directement dans les grilles tarifaires publiques des laboratoires.

• 01Gemini Flash-Lite 3.1 (Google) : 0,25 $ par million de tokens en entrée, 1,50 $ en sortie
• 02DeepSeek V4 : fenêtre de contexte d'un million de tokens à 0,27 $ par million de tokens en entrée
• 03Repère historique : GPT-3 facturait 60 $ par million de tokens en novembre 2021, pour une qualité aujourd'hui dépassée par des modèles à moins de 0,10 $

Pourquoi la baisse est aussi brutale

Cette chute tient à plusieurs forces qui se combinent. La première est la concurrence directe entre laboratoires : OpenAI, Google, Anthropic, Mistral, ainsi que des acteurs chinois comme DeepSeek ou Alibaba, publient des modèles comparables à quelques mois d'écart, ce qui empêche n'importe lequel d'entre eux de maintenir des marges élevées trop longtemps.

La deuxième force est l'essor des modèles à poids ouverts. Une fois qu'un modèle open source atteint un niveau de qualité donné, n'importe quel fournisseur de cloud peut l'héberger et le facturer au plus bas prix rentable, ce qui tire vers le bas les modèles fermés équivalents. La troisième force est matérielle : de nouvelles générations de puces, une meilleure diversification des fournisseurs au-delà de Nvidia, et des techniques d'optimisation comme la quantification ou la mise en cache des réponses répétées réduisent le coût réel de chaque requête traitée par les centres de données.

Ces trois forces se renforcent mutuellement. Mais elles ne suppriment pas le coût réel du calcul : elles le déplacent, de la facture affichée au client vers les investissements qu'il faut consentir en amont pour produire ce calcul à cette échelle.

Ceux qui vendent les tokens perdent de l'argent, et empruntent pour construire

Le prix qui baisse côté client ne raconte pas ce qui se passe côté fournisseur. Dans ses comptes 2025, OpenAI a déclaré 13,07 milliards de dollars de revenus pour 34 milliards de dollars de dépenses totales, dont 19,18 milliards rien qu'en recherche et développement. La perte nette attribuable à l'entreprise, gonflée par une charge comptable ponctuelle de 41,55 milliards liée au changement de statut juridique d'OpenAI, atteint 38,53 milliards de dollars, contre 5,09 milliards en 2024, une perte multipliée par près de huit en un an. Anthropic ne publie pas de comptes aussi détaillés, mais des projections internes relayées par la presse évoquaient environ 5,6 milliards de dollars de trésorerie brûlée en 2025, avec un objectif affiché d'arrêter de perdre de l'argent en 2027.

Une partie de cet argent finit d'ailleurs par revenir chez les fabricants de puces. En septembre 2025, Nvidia s'est engagé à investir jusqu'à 100 milliards de dollars dans OpenAI, par tranches de 10 milliards liées au déploiement effectif d'infrastructure. Sarah Friar, la directrice financière d'OpenAI, a reconnu que l'essentiel de cette somme « reviendra à Nvidia », puisqu'elle sert à louer les puces du fabricant plutôt qu'à les acheter d'un coup. Deux mois plus tard, Nvidia a discrètement ajouté dans un document réglementaire qu'il n'y avait « aucune garantie » que l'accord se concrétise tel quel.

À l'autre bout de la chaîne, les propriétaires de data centers empruntent à un rythme inédit pour financer la baisse de prix promise aux clients. Microsoft, Alphabet, Amazon, Meta et Oracle prévoient collectivement entre 660 et 690 milliards de dollars de dépenses d'investissement pour 2026, contre environ la moitié un an plus tôt. Ces cinq groupes ont émis environ 121 milliards de dollars d'obligations de qualité investissement depuis le début de l'année, contre une moyenne de 28 milliards par an sur les cinq années précédentes. Une partie de ce financement passe par des véhicules dédiés qui n'apparaissent pas directement dans leurs bilans, ce qui a conduit plusieurs analystes financiers à évoquer, courant 2026, jusqu'à 1 650 milliards de dollars de dette liée à l'IA accumulée par les hyperscalers américains, soit environ huit fois plus qu'il y a quatre ans.

L'essentiel de cette somme « reviendra à Nvidia », a reconnu la directrice financière d'OpenAI, puisqu'elle sert à louer les puces du fabricant plutôt qu'à les acheter d'un coup.

La facture arrive aussi dans votre courrier d'électricité

Cette dette et ces pertes restent, pour l'instant, cantonnées aux bilans d'entreprises et aux marchés financiers. Mais une partie de la facture atterrit déjà chez des gens qui n'ont jamais utilisé une IA générative. PJM, le plus grand réseau électrique des Etats-Unis, qui alimente une bonne partie de la côte est, a vu ses prix de gros grimper de 76 % en un an, passant de 77,78 à 136,53 dollars par mégawattheure entre le premier trimestre 2025 et le premier trimestre 2026, selon le régulateur indépendant du marché. Les data centers seraient responsables d'environ 63 % de cette hausse lors de la dernière enchère de capacité, soit 9,3 milliards de dollars de coûts supplémentaires répercutés sur les clients du réseau. Le ménage moyen raccordé à PJM devrait voir sa facture augmenter d'environ 70 dollars par mois d'ici 2028.

À l'échelle nationale, le prix de l'électricité pour les particuliers a progressé de 7,4 % sur un an en septembre 2025, et Goldman Sachs anticipe encore environ 6 % de hausse supplémentaire entre 2026 et 2027. Plusieurs Etats ont commencé à réagir : en Ohio, le régulateur a ordonné aux fournisseurs d'électricité de faire payer aux data centers une part plus importante du coût des renforcements de réseau qu'ils exigent, plutôt que de le diluer sur l'ensemble des abonnés.

Ce qu'il faut regarder, au-delà du prix du token

Le prix du token continuera probablement de baisser : la concurrence entre laboratoires ne montre aucun signe de ralentissement, et chaque nouvelle génération de puces réduit un peu plus le coût du calcul. Mais ce chiffre, à lui seul, ne dit rien de la soutenabilité de l'ensemble. Le surplus que les Américains tirent de l'IA générative, estimé par l'AI Index 2026 de Stanford HAI à 172 milliards de dollars par an début 2026 contre 112 milliards un an plus tôt, reste très inférieur aux centaines de milliards investis chaque année dans les infrastructures qui le produisent.

Trois indicateurs valent la peine d'être surveillés plutôt que le seul prix affiché par million de tokens. D'abord la rentabilité réelle des laboratoires : quand OpenAI ou Anthropic cesseront-ils de dépenser plus qu'ils n'encaissent. Ensuite le calendrier de la dette des hyperscalers, dont l'essentiel arrive à échéance à partir de 2036, ce qui laisse une dizaine d'années avant que la facture ne devienne vraiment pressante pour les marchés financiers. Enfin, très concrètement, la facture d'électricité de son propre foyer, surtout pour qui habite une région où de nouveaux data centers sortent de terre. Le token le moins cher jamais vu n'a rien de gratuit. Il a simplement changé de payeur.