OpenAI perd des milliards : qui paiera vraiment pour l'IA ?

Des milliards engloutis, des profits introuvables : la grande question que personne ne pose vraiment

OpenAI devrait perdre 5 milliards de dollars en 2024, malgré 3,4 milliards de revenus. Google a dépensé plus de 12 milliards en infrastructures IA sur un seul trimestre. Et pourtant, les valorisations s'envolent, les levées de fonds battent des records, et le discours ambiant reste euphorique. À un moment, quelqu'un devra expliquer comment cette équation tient debout — ou admettre qu'elle ne tient pas.

Ce n'est pas un article catastrophiste. C'est une lecture froide d'un secteur qui a peut-être confondu vitesse et trajectoire.

Le contexte : une course aux armements sans précédent

Depuis le lancement de ChatGPT fin 2022, l'industrie technologique a basculé dans une logique de dépenses massives. Les grands acteurs — Microsoft, Google, Meta, Amazon — ont engagé des centaines de milliards de dollars dans des GPU Nvidia, des centres de données, des équipes de recherche et des acquisitions de startups.

La logique sous-jacente est claire : celui qui construira le modèle le plus puissant capturera le marché. C'est la même logique que lors de la guerre des navigateurs dans les années 90, ou de la bataille du cloud dans les années 2010. Sauf que cette fois, les montants engagés atteignent des ordres de grandeur inédits.

Nvidia, de son côté, engrange des profits colossaux — preuve que quelqu'un gagne de l'argent dans cet écosystème. Mais fournir les pelles pendant la ruée vers l'or, ce n'est pas la même chose que trouver de l'or.

Le problème structurel : les coûts ne baissent pas assez vite

L'un des grands paris de l'industrie IA repose sur une hypothèse : les coûts d'inférence (le prix pour faire tourner un modèle) baisseront suffisamment vite pour permettre une rentabilité à grande échelle. C'est partiellement vrai. Les coûts par requête ont effectivement chuté depuis 2022.

Mais deux phénomènes contrebalancent cette tendance :

• L'effet d'échelle inversé : plus les modèles deviennent puissants, plus ils consomment de ressources. GPT-4 coûte exponentiellement plus à entraîner et à faire tourner que GPT-3.
• La compétition par le prix : pour conquérir des parts de marché, OpenAI, Anthropic et Google proposent des accès quasi-gratuits ou très bon marché à leurs APIs. Ce qui comprime les marges avant même qu'elles existent.

Résultat : chaque utilisateur supplémentaire peut, dans certains cas, augmenter les pertes plutôt que de les résorber.

Trois modèles économiques testés — avec des résultats très inégaux

1. L'abonnement grand public (ChatGPT Plus, Claude Pro)

À 20 dollars par mois, ces offres génèrent des revenus prévisibles. Mais le taux de conversion des utilisateurs gratuits vers le payant reste faible — autour de 5 à 10% selon les estimations. Et le coût de servir un abonné intensif peut dépasser son abonnement mensuel.

2. L'API pour développeurs

C'est le segment le plus prometteur sur le papier. Les entreprises intègrent les modèles dans leurs produits et paient à l'usage. Mais la guerre des prix entre fournisseurs érode les marges, et beaucoup d'entreprises testent sans jamais passer à l'échelle industrielle.

3. Les contrats enterprise

Microsoft avec Copilot, Google avec Workspace AI : des licences d'entreprise à valeur ajoutée. C'est ici que la monétisation est la plus crédible — mais aussi la plus lente à se matérialiser, car les cycles de vente B2B prennent du temps et les directions informatiques restent prudentes.

Pourquoi les investisseurs continuent quand même

Face à ces chiffres, pourquoi des fonds aussi sérieux que Sequoia ou Tiger Global continuent-ils d'injecter des capitaux ? Pour deux raisons principales.

D'abord, la théorie du winner-takes-all : si l'IA générative devient aussi centrale que le cloud ou le mobile, le leader du marché capturera une valeur si massive que les pertes actuelles seront anecdotiques. Amazon a perdu de l'argent pendant dix ans avant de dominer le e-commerce mondial.

Ensuite, la peur de rater le train — ce que les Américains appellent le FOMO institutionnel. Ne pas investir dans l'IA en 2024, c'est risquer d'expliquer à ses limited partners en 2030 pourquoi on a raté la transformation la plus importante de la décennie.

Ces deux logiques sont rationnelles. Elles n'impliquent pas pour autant que chaque acteur actuel survivra.

Ce qui attend le secteur dans les 36 prochains mois

Plusieurs signaux suggèrent une consolidation inévitable. Les startups IA sans différenciation claire — celles qui se contentent d'envelopper GPT-4 dans une interface — seront les premières touchées. La question n'est pas si cette consolidation aura lieu, mais à quelle vitesse.

Pour les grands acteurs, le scénario le plus probable n'est pas l'effondrement, mais le recalibrage : des dépenses plus disciplinées, des cas d'usage prioritaires, et un discours moins messianique auprès des investisseurs.

Conclusion : une bulle partielle, pas une fiction

L'IA générative n'est pas une illusion. Les gains de productivité sont réels, les cas d'usage existent, et certains acteurs construisent de véritables avantages compétitifs durables. Mais une technologie réelle peut très bien coexister avec une valorisation excessive et des modèles économiques encore non prouvés.

La bulle IA, si elle éclate un jour, ne ressemblera probablement pas à l'explosion des dot-com de 2001. Ce sera plus discret : des pivots silencieux, des équipes réduites, des promesses revues à la baisse. Pas un krach, mais un atterrissage. La vraie question est de savoir qui sera encore debout pour en bénéficier.

— Reservoir Live