Intelligence artificielle : pourquoi il ne faut pas avoir peur du prix des « tokens »

Depuis un mois, les utilisateurs de Claude découvrent chaque semaine une nouvelle date de péremption pour le dernier modèle de l’entreprise, Fable 5. Lancé le 9 juin, suspendu trois jours plus tard par une directive américaine, rétabli le 1er juillet, le modèle devait rester inclus dans les abonnements jusqu’au 7, puis jusqu’au 12, désormais jusqu’au 19 juillet, mais avec des quotas d’utilisation hebdomadaires réduits de moitié. Après quoi il faudrait acheter des crédits à l’usage. Chaque sursis nourrit la même inquiétude. L’intelligence artificielle entrerait dans l’âge de la pénurie et les entreprises ayant laissé leurs salariés consommer sans compter découvriraient bientôt une ligne de coûts incontrôlable.

Ce feuilleton mêle pourtant trois sujets différents, les restrictions géopolitiques, les garde-fous de sécurité et la capacité informatique disponible. Surtout, il entretient une confusion entre le prix et la dépense. Le prix d’un niveau donné de performance s’effondre. La dépense totale augmente parce que nous demandons davantage aux modèles, avec des agents qui réfléchissent plus longtemps.

La chute du prix unitaire ne relève pas d’une intuition. Une étude d’Epoch AI estime que la somme d’argent nécessaire pour atteindre un niveau de performance donné diminue encore de cinq à dix fois par an selon les tâches. Le matériel pousse dans cette direction. La dernière génération de puces de Nvidia, Blackwell, produit des « tokens » (jetons constituant l’unité économique de l’intelligence artificielle) jusqu’à trente-cinq fois moins cher que la génération précédente Hopper. Nvidia annonce pour Rubin, dont le déploiement commence cette année, un coût pouvant encore être divisé par dix face à Blackwell. Chaque étagère de serveurs produit davantage de réponses avec la même électricité.

Une déflation qui fonctionne

Les modèles ont aussi considérablement progressé. La technique dite de quantification allège la charge liée à l’exécution avec une perte de qualité souvent limitée. La distillation transfère les compétences d’un grand modèle vers un plus petit, le décodage spéculatif accélère la génération de résultats et les caches évitent de retraiter sans cesse le même contexte. Lors du lancement de Claude Opus 4, le 22 mai 2025, le million de jetons coûtait 15 dollars en entrée (lors des instructions données par l’utilisateur) et 75 en sortie (lors de la production du résultat final). Le 24 novembre suivant, Opus 4.5 a fait tomber les prix à 5 et 25 dollars. Depuis, Opus 4.8 a conservé ce tarif.

Anthropic, dont l’infrastructure en propre est plus réduite que celle d’OpenAI ou de Google, a serré ses quotas tout au long de 2025 et 2026, entretenant l’idée de pénurie. Le déblocage est arrivé le 6 mai, un accord avec SpaceX mettant en ligne le centre de données Colossus 1, ses 300 mégawatts et ses 220 000 processeurs, qui a permis de doubler les limites d’un coup. Mais c’était un problème de capacité plutôt que d’amélioration des marges. La compétition est trop forte pour se risquer à une telle stratégie. Dévoilé le 16 juillet, le modèle Kimi du laboratoire chinois Moonshot est facturé 3 dollars par million de tokens en entrée et 15 en sortie, soit 40 % de moins que Claude Opus 4.8, tandis que les premières informations le donnent au niveau, voire au-dessus, d’Opus.

Cela ne signifie pas que la facture baissera. Les modèles d’avant-garde deviennent plus gourmands parce qu’ils raisonnent davantage et accomplissent des tâches plus longues. Fable 5 coûte 10 dollars en entrée et 50 en sortie, impose un raisonnement plus coûteux en tokens (environ 30% par rapport aux modèles précédents). Une étude constate qu’une tâche réalisée par un agent IA agissant pour le compte d’un utilisateur peut consommer mille fois plus de jetons qu’un simple échange sur le code.

La réponse n’est donc ni l’abstinence ni le « tokenmaxxing« , cette mode venue de la Silicon Valley, qui transforme le volume consommé en preuve de productivité au sein des entreprises. Elle consiste à acheter le bon niveau d’intelligence pour chaque tâche. Extraire une date d’un bail, classer une facture ou traduire une note ne justifie presque jamais Fable 5. La dépense des entreprises en modèles de langage étendu est bel et bien passée de 3,5 à 8,4 milliards de dollars en six mois, par explosion des usages et non par renchérissement du jeton. C’est la signature d’une déflation qui fonctionne. Le vrai risque n’est pas la facture de tokens. C’est de brider son propre usage en guettant une hausse qui ne viendra pas, laissant ses concurrents apprivoiser la technologie.

Robin Rivaton est directeur général de Stonal et membre du conseil scientifique de la Fondation pour l’innovation politique (Fondapol)