« 72 % de tokens consommés mais seulement 27 % des dépenses »—la question clé du débat AI haussier vs baissier

Les données sur la demande d’IA créent une divergence rare sur le marché : face aux mêmes chiffres, haussiers et baissiers y puisent chacun ce qui les arrange, chacun revendiquant la victoire. Au cœur de cette controverse se trouve une contradiction structurelle préoccupante : la consommation de Token explose, mais la quasi-totalité de l’augmentation profite aux modèles appliquant les frais les plus bas, tandis que le coût des GPU chargés de traiter ces Token augmente simultanément.

Selon le dernier rapport de Bobby Molavi de Goldman Sachs, les données d’OpenRouter montrent que, lors de la deuxième semaine de septembre, les modèles à poids ouvert (open-weight models) ont traité 72% du trafic de Token mais n’ont reçu que 27% des dépenses totales de la plateforme ; dans le même temps, les modèles à code fermé, bien que leur part soit passée de 89% début janvier à 73%, continuent d’accaparer la majeure partie des revenus monétisés.

À noter également que, vers la mi-septembre, environ 69% des Token sur la plateforme OpenRouter provenaient de laboratoires d’IA chinois. Molavi qualifie le marché actuel d’« injouable » et souligne que les dividendes de productivité de l’IA n’ont, jusqu’à présent, laissé aucune trace quantifiable en dehors du secteur technologique.

Cette contradiction structurelle est en train de remodeler les attentes du marché quant au retour sur investissement (ROI) de l’IA. Les loyers des GPU continuent d’augmenter, alors que le prix du Token baisse sans cesse ; cette pression symétrique signifie que les fournisseurs de puissance de calcul profitent des loyers perçus, mais les entreprises clientes et, in fine, les actionnaires qui en supportent le coût, se heurtent à la difficulté d’obtenir un ROI effectif. Récemment, Meta a sollicité jusqu’à 95 milliards de dollars auprès de ses actionnaires pour ses dépenses en capital liées à l’IA, tandis que ses fournisseurs de puces devenaient également actionnaires, illustrant ainsi que le « financement fournisseur » est passé de la dette à la prise de participation. Les questions sur la viabilité du cycle de capital deviennent de plus en plus pressantes.

Explosion de la demande de Token : la réalité derrière une croissance de 250 fois

La croissance de la demande en elle-même ne peut être remise en question. En s’appuyant sur les données d’OpenRouter, Molavi indique que la demande en Token a été multipliée par 27 depuis novembre dernier, les modèles à poids ouvert représentant aujourd’hui 72% des Token. Sur une échéance plus large : le volume hebdomadaire de Token traité sur OpenRouter est passé de 500 milliards à la mi-janvier 2025 à 128,4 billions la semaine du 14 septembre, soit une croissance d’environ 250 fois en 20 mois.

Les prix des GPU confirment également la réalité de la demande. En un an, le tarif de location du H200 a augmenté de 160%, le B200 de 120%, le H100 de 35%. Plus convaincant encore, le tarif de location des puces A100 produites en 2020 dépasse aujourd’hui celui du début d’année, ce qui remet en cause l’hypothèse centrale de la dépréciation rapide des GPU — si une puce peut générer davantage de revenus six ans plus tard, une prévision pessimiste de dépréciation sur trois ans ne tient plus, et la rentabilité à long terme des hyperscalers doit être réévaluée.

Pour les haussiers, c’est le meilleur argument : la demande est réelle et la durée de vie économique des ressources de calcul dépasse les anticipations des baissiers.

La chute libre du prix du Token : la déflation la plus rapide de l’histoire

Toutefois, l’autre revers de l’explosion de la demande est l’effondrement inédit du prix des Token. Selon le rapport d’Epoch AI publié le 22 septembre, « The Plunging Price of Thought », depuis 2023, le coût d’atteinte d’un niveau de performance d’IA équivalent baisse d’environ 47% par trimestre, soit 13 fois de moins par an ; pour les modèles à la pointe, cette baisse atteint 66% par trimestre, soit 75 fois par an.

Epoch AI propose l’exemple le plus parlant :

En janvier 2025, le modèle o3 d’OpenAI répond correctement à 75% des questions du benchmark scientifique docteur GPQA Diamond, pour environ 0,30 dollar par question ; aujourd’hui, GPT-5.6 Luna atteint le même score pour seulement 0,0004 dollar par question, soit une chute de 725 fois du prix en 18 mois — l’équivalent d’une voiture initialement vendue 50 000 dollars passant à 69 dollars.

Historiquement, le rythme de baisse du prix d’inférence des grands modèles de langage a été quatre fois supérieur à celui du séquençage d’ADN, six fois celui du progrès de calcul entre 1940 et 2001, 18 fois celui des batteries lithium-ion et 54 fois celui de l’électricité.

Cependant, le prix effectivement payé par les clients baisse bien plus lentement que le prix affiché. Selon les données de YipitData sur près de 20 quadrillions de Token annualisés, le prix effectif du Token pour les services API a baissé de 39% dans la deuxième moitié de 2025 (44% sur OpenRouter), mais de seulement 6% depuis le début de 2026 jusqu’à mai.

La raison : les développeurs privilégient en continu les modèles meilleur marché, tandis que les entreprises augmentent leur proportion d’utilisation de modèles haut de gamme ; les laboratoires à la pointe soutiennent temporairement les revenus grâce à leur pouvoir de fixation des prix — mais les données d’Epoch indiquent que cette prime a une demi-vie trimestrielle, les clones open source couvrant rapidement les mêmes tâches à moindre coût.

Le cœur de la divergence : qui profite et qui paie

C’est précisément le cœur du « dilemme des deux lectures d’une même donnée » décrit par Molavi.

La logique des haussiers : la demande grandit constamment, le marché adressable (TAM) s’élargit, l’explosion de la consommation de Token prouve une adoption généralisée de l’IA.

La logique des baissiers : le coût par Token augmente, le revenu par Token diminue et la majeure partie du trafic additionnel concerne les modèles open source à coût minimal. Les données d’OpenRouter sont éloquentes : les modèles à poids ouvert traitent 72% des Token mais ne reçoivent que 27% des dépenses ; les laboratoires chinois d’IA génèrent près de 70% du trafic de Token sur la plateforme. L’indice de momentum Goldman Sachs (Goldman momo basket) a culminé fin juin, temporalité qui coïncide avec l’irruption massive des modèles open source chinois sur le marché de l’IA.

Molavi résume la contradiction ainsi : Hausse des loyers GPU et baisse du prix des Token, une pression qui s’exerce sur les deux extrémités. Avantage pour les détenteurs de GPU ; tout autre effet pour les entreprises qui paient le loyer.

Les dividendes de productivité absents : le silence du S&P 493

La logique ultime des dépenses d’investissement en IA est une élévation de la productivité profitant à la société entière. Pourtant, rien ne valide encore cette logique au-delà du secteur technologique.

Molavi, citant un rapport de stratèges, souligne que l’IA « n’a pas encore engendré d’amélioration de productivité quantifiable dans les données clés hors univers technologique » : le Mag 7 (les sept géants du secteur) affiche une hausse du chiffre d'affaires et de la marge par employé, mais les indicateurs correspondants pour le S&P 493 (les 493 autres du S&P 500) restent quasi stables.

Cette réalité est en train de modifier la logique de décision des entreprises en matière d’IA. Molavi constate que de nombreuses sociétés passent d’un focus sur « la corrélation entre dépenses de Token, croissance et productivité » à une analyse plus axée sur « les dépenses de Token, le coût et l’impact sur la marge ». Les directeurs financiers ont dorénavant identifié le poste budgétaire ‘IA’ et veulent savoir concrètement ce que leur argent a acheté.

« Cercle vertueux » et la question de la durabilité du capital

La frénésie actuelle autour des dépenses en capital IA est portée par ce que Molavi décrit comme un « cercle vertueux » : plus les hyperscalers investissent, plus de revenus affluent vers l’écosystème IA, attirant capital-risque et capital croissance, générant ainsi des flux bidirectionnels — mais tout cela repose sur la dépense initiale de capital IA.

Le talon d’Achille de ce cercle, c’est sa durabilité : si les dépenses en capital ralentissent, l’écosystème pourra-t-il subsister par lui-même ?

Le marché privé n’est pas épargné non plus. Molavi note que les cas de sorties actuels « sont nombreux mais très concentrés » (SpaceX, Cerebras, Cursor, Hugging Face), et que certaines réévaluations de projets « ne se basent sur rien d’autre qu’une lettre d’intention d’investissement », l’ensemble du marché privé semblant croire à un âge d’or éternel du Token et une disruption généralisée.

Côté financement, alors que la fenêtre de la dette se rétrécit, Meta a récemment annoncé solliciter jusqu’à 95 milliards de dollars auprès de ses actionnaires pour ses dépenses IA, avec la participation simultanée de ses fournisseurs de puces au capital. Le financement fournisseur est passé de la dette à l’investissement en actions, brouillant de plus en plus la frontière entre revenus et financement des fournisseurs comme des utilisateurs.

Molavi résume l’essence du débat en quatre questions : Quel est le coût de construction, qui paie, la douleur vaut-elle le coup, et combien de temps faudra-t-il attendre avant de voir un retour sur investissement ?

La situation actuelle est la suivante : la demande de Token a été multipliée par 250, mais les gains supplémentaires profitent aux modèles les moins chers ; le loyer des GPU grimpe, mais l’addition finit sur le compte des actionnaires ; hors secteur technologique, aucun dividende de productivité n’est visible pour l’instant.

La conclusion de Molavi : la réalité de la demande est incontestable, mais « une demande multipliée par 250, des flux vers les modèles les moins chers, les loyers vers les détenteurs de GPU, et l’addition transférée aux actionnaires », ce n’est pas le récit de ROI promis initialement par les dépenses d’investissement. Dans ce tir à la corde entre haussiers et baissiers, il se pourrait bien que les baissiers tiennent le meilleur bout.