Les dépenses en IA stagnent alors que les guerres de prix et les gains d'efficacité freinent la croissance des revenus

L'utilisation de l'IA par les entreprises atteint des volumes record, mais les dépenses totales stagnent, selon les nouvelles données de la plateforme de gestion financière Ramp. Cette divergence suggère que la concurrence intense sur les prix et l'amélioration de l'efficacité client plafonnent la croissance des revenus des principaux fournisseurs de modèles comme OpenAI et Anthropic, juste au moment où ils se préparent à entrer en bourse.

Ce qui s'est passé

L'analyse de Ramp montre que les dépenses en tokens n'ont augmenté que de 1,5 % entre août et septembre 2026, un ralentissement brutal par rapport à la croissance mensuelle de 42 % observée en juillet. Bien qu'une légère réaccélération de 8,9 % ait été enregistrée en octobre, la tendance globale indique que l'ère de l'hypercroissance pourrait marquer une pause. Ara Kharazian, économiste en chef chez Ramp, note que le top 1 % des entreprises les plus intensives en IA, souvent qualifiées de « plus imprégnées d'IA », ont vu leurs dépenses par employé baisser légèrement en dessous du pic mensuel de 10 000 $ atteint durant l'été. Comme ce petit groupe génère une part disproportionnée du chiffre d'affaires total, même un léger fléchissement de leur consommation suffit à aplatir la croissance globale du marché.

Ce ralentissement ne résulte pas d'un manque de demande. Les volumes de tokens continuent d'augmenter, indiquant que les entreprises utilisent l'IA plus fréquemment. Cependant, le coût unitaire de travail a considérablement chuté. Les entreprises médianes dépensent désormais entre 12 et 15 $ par employé et par mois, tandis que le top 10 % dépense entre 600 et 1 000 $. Kharazian soutient qu'il est incertain que des secteurs plus larges, tels que la santé ou la vente automobile au détail, atteignent un jour les niveaux élevés de dépenses observés dans le logiciel et la finance. Sans l'émergence de nouveaux cas d'usage très coûteux pour remplacer le plateau actuel, les trajectoires de revenus des fournisseurs de modèles font face à des vents contraires significatifs.

Comment cela fonctionne

Le principal moteur de cette stagnation des dépenses est une guerre des prix féroce entre les principaux fournisseurs d'IA. En septembre, OpenAI a réduit de moitié les prix de son API pour ses modèles GPT-6 Sol et GPT-6 Luna. Anthropic a répondu avec des réductions significatives pour Fable 5.1 et Opus 5.5, une décision que l'entreprise a admis avoir amputé sa croissance projetée des revenus d'environ 600 millions de dollars. Ces baisses, combinées aux remises accordées aux entreprises pour fidéliser les clients, ont transformé le marché en un paysage favorable aux acheteurs. Contrairement aux monopoles technologiques précédents où les prix d'introduction bas finissaient par entraîner des coûts plus élevés, le secteur de l'IA reste highly compétitif, avec des entrants comme Meta, Nvidia et divers fournisseurs open-source maintenant une pression sur les prix.

Au-delà des baisses de prix externes, les entreprises deviennent plus sophistiquées dans la gestion de leurs budgets IA. Elles mettent en œuvre des paramètres par défaut plus stricts pour empêcher l'utilisation de modèles coûteux pour les tâches longues et imposent des limites budgétaires fermes aux employés. Elles emploient également des routeurs pour décharger les requêtes simples des modèles standards vers des alternatives légères et moins chères. Par exemple, des outils comme Jev permettent aux entreprises de traiter des sorties simples oui/non à une fraction du coût des modèles à usage général. Comme l'a résumé Akshay Kothari, co-fondateur de Notion, « les tokens vont brrr. les coûts vont ahhh », soulignant comment l'augmentation de l'utilisation ne se traduit plus linéairement par une augmentation des dépenses.

Détails clés

• La croissance des dépenses en tokens a ralenti à 1,5 % en août et septembre 2026, contre 42 % en juillet.
• OpenAI a divisé par deux les prix de l'API pour GPT-6 Sol et GPT-6 Luna en septembre, provoquant des baisses similaires chez Anthropic.
• Les réductions de prix d'Anthropic ont diminué sa croissance projetée des revenus d'environ 600 millions de dollars.
• Le top 1 % des entreprises dépensières en IA voit ses coûts par employé passer sous le pic mensuel de 10 000 $.
• Les entreprises médianes dépensent 12-15 $ par employé et par mois, tandis que le top 10 % dépense 600-1 000 $.
• La valorisation potentielle d'Anthropic lors de son entrée en bourse a chuté de 2 billions de dollars à une estimation de 1,2–1,3 billion de dollars.

Pourquoi c'est important

Pour les dirigeants logiciels et les fondateurs techniques, ce changement signale une transition de l'adoption expérimentale vers l'efficacité opérationnelle. L'hypothèse selon laquelle les budgets IA croîtraient indéfiniment parallèlement à l'utilisation s'effondre. Au contraire, les organisations se concentrent sur l'économie unitaire, cherchant des moyens de maintenir ou d'augmenter la production tout en réduisant le coût par token. Cet environnement favorise les équipes capables de mettre en œuvre des stratégies de routage robustes, de surveiller étroitement l'utilisation et de sélectionner le modèle le plus rentable pour chaque tâche spécifique, plutôt que de recourir par défaut à l'option la plus performante ou la plus chère.

Les investisseurs et les cadres doivent également recalibrer leurs attentes concernant les revenus des fournisseurs d'IA. Le chemin vers la rentabilité pour les fournisseurs de modèles devient plus ardu alors qu'ils rivalisent sur les prix dans un marché encombré. Bien que de nouveaux produits comme les agents personnels soient présentés comme le prochain moteur de croissance, les experts restent sceptiques quant à leur capacité à égaler la productivité économique des agents de codage. Par conséquent, les entreprises pourraient se retrouver dans une position de négociation plus forte, capables de tirer parti de la concurrence entre OpenAI, Anthropic et les alternatives open-source pour obtenir de meilleures conditions et des coûts inférieurs.

Ce que vous pouvez faire

• Auditez vos dépenses actuelles en IA pour identifier les tâches utilisant actuellement des modèles coûteux qui pourraient être traitées par des alternatives plus légères et moins chères.
• Mettez en œuvre des routeurs de modèles pour diriger automatiquement les requêtes simples, telles que la classification ou les questions oui/non, vers des points de terminaison à faible coût.
• Définissez des plafonds budgétaires stricts et des restrictions de modèles par défaut pour l'accès des employés afin d'empêcher une utilisation non contrôlée des offres premium.
• Négociez des remises entreprise avec plusieurs fournisseurs, en tirant parti de la guerre des prix actuelle pour sécuriser de meilleurs tarifs à long terme.
• Surveillez en interne les tendances des volumes de tokens par rapport aux coûts pour garantir que vos gains d'efficacité égalent ou dépassent les moyennes du marché.
• Évaluez les outils open-source ou spécialisés comme Jev pour des cas d'usage spécifiques et restreints où les modèles à usage général sont excessifs.