Les clients d'OpenAI brûlent 100 milliards de jetons par mois alors que les coûts explosent

Les dépenses d'IA des entreprises sont passées d'une simple considération secondaire à une crise budgétaire en seulement six mois, a reconnu Sam Altman, PDG d'OpenAI.

Le coût d'exécution de l'intelligence artificielle est devenu un « immense problème » pour les clients entreprises, a déclaré Sam Altman, directeur général d'OpenAI, alors que la consommation de jetons a été multipliée par un million par rapport aux niveaux d'il y a seulement six ans.

« Il n'était jamais question de coût il y a six mois », a déclaré Altman lors d'un événement OpenAI destiné aux entreprises le 2 juin. « Aujourd'hui, c'est un problème énorme. » Le PDG a révélé que le plus grand client unique d'OpenAI consomme désormais environ 100 milliards de jetons par mois — soit environ 75 milliards de mots — contre 100 000 jetons pour le principal utilisateur il y a six ans et demi.

L'explosion de l'utilisation a mis en évidence un problème structurel : OpenAI dépense 1,35 $ pour chaque dollar de revenu, les pertes étant principalement dues aux coûts d'inférence plutôt qu'à l'entraînement des modèles. Uber Technologies Inc. a épuisé l'intégralité de son budget IA 2026 au cours des quatre premiers mois de l'année, imposant des plafonds stricts de jetons, tandis que certains ingénieurs de l'entreprise de VTC accumulaient des factures d'IA mensuelles allant de 150 à 2 000 dollars. Amazon.com Inc. a fermé ses classements internes de consommation de jetons pour décourager une utilisation effrénée.

Le passage à la facturation basée sur les jetons par OpenAI et Anthropic au premier trimestre 2026 a transformé une ligne de coûts auparavant opaque en une dépense mesurable par tâche — et les premiers résultats alarment les équipes financières des entreprises. Gartner prévoit que les dépenses en logiciels d'agents IA atteindront 207 milliards de dollars en 2026, soit une hausse de 139 % par rapport à 2025, mais cette trajectoire suppose que les entreprises continuent d'augmenter leurs dépenses en IA. Le signal donné par Uber, ainsi qu'une tendance des entreprises à réduire discrètement leur consommation de jetons, suggèrent que cette trajectoire est sous pression.

Le Piège du Jeton

La racine de la crise des coûts réside dans la structure tarifaire du secteur. Pendant la majeure partie de l'ère de l'IA générative, les abonnements à forfait absorbaient une consommation illimitée de jetons, rendant le coût réel de chaque tâche invisible. Lorsqu'Anthropic et OpenAI ont transféré leurs clients entreprises vers une facturation à l'utilisation au premier trimestre 2026, les coûts cachés sont soudainement devenus visibles. Un client entreprise d'Anthropic a accidentellement dépensé 500 millions de dollars en un seul mois après avoir omis de fixer des limites de dépenses.

Le problème comporte deux niveaux. Premièrement, la qualité des résultats reste imprévisible — les grands modèles de langage hallucinent, bouclent et échouent de manière difficile à anticiper, et chaque exécution ratée consomme des jetons quel que soit le résultat. Deuxièmement, il n'existe pas d'unité standard pour mesurer le coût d'une tâche d'IA, car une même tâche peut consommer des quantités de jetons radicalement différentes selon l'invite, la version du modèle, la fenêtre de contexte et les erreurs d'orientation de l'agent.

Le passage de GitHub Copilot à la facturation par jetons en juin 2026 a fourni la preuve la plus claire au niveau des particuliers. Les utilisateurs du palier promotionnel ont signalé avoir brûlé 30 à 60 % de leurs crédits mensuels en quelques invites. Un utilisateur a déclaré que Copilot était passé du statut d'abonnement préféré au plus stressant du jour au lendemain.

Le Réveil du Retour sur Investissement

L'expérience d'Uber illustre le défi plus large. Andrew Macdonald, directeur des opérations, a reconnu lors d'une conférence le 25 mai que, malgré l'utilisation mensuelle des outils d'IA par 95 % des ingénieurs, il ne pouvait pas établir de lien entre ces dépenses en jetons et des améliorations significatives des produits destinés aux consommateurs. « Ce lien n'existe pas encore », a déclaré Macdonald.

Microsoft Corp., confronté à des factures Claude Code s'élevant de 500 à 2 000 dollars par ingénieur et par mois, a commencé à annuler les licences directes de Claude Code et à réorienter les ingénieurs vers GitHub Copilot.

Dario Amodei, PDG d'Anthropic, a explicitement reconnu le risque de calendrier. Dans une interview en février, il a averti que si les prévisions de croissance des revenus de l'IA sont erronées, ne serait-ce que d'un an, « alors on fait faillite ». Il faisait référence aux propres paris d'infrastructure d'Anthropic, mais la logique s'applique également aux clients entreprises. Si la facturation par jetons révèle que les gains de productivité ne justifient pas les coûts, les entreprises ne font pas faillite — elles cessent simplement de renouveler.

Pour les investisseurs, la transition vers la facturation par jetons est le premier véritable mécanisme de découverte des prix que l'industrie de l'IA ait produit. Les abonnements à forfait créaient une image commode : les coûts étaient faibles, l'adoption était élevée, et le retour sur investissement était une question à traiter plus tard. La facturation à l'utilisation a changé cette donne du jour au lendemain. Les entreprises capables de mesurer et de démontrer le retour sur investissement de l'IA détermineront si la structure actuelle du capital tient. Celles qui ne le peuvent pas seront les premières à renégocier et à repenser leurs stratégies.

Nvidia Corp., dont les unités de traitement graphique alimentent la majorité de l'entraînement et de l'inférence de l'IA, fait face à un choc potentiel de la demande si les clients entreprises plafonnent universellement leurs dépenses. Le chiffre d'affaires du centre de données de l'entreprise a augmenté de plus de 200 % d'une année sur l'autre pendant cinq trimestres consécutifs, mais cette croissance suppose une consommation de jetons en constante expansion. Un ralentissement durable des budgets d'IA des entreprises pourrait comprimer cette trajectoire.

Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.