Ce qui se passe quand ChatGPT fait tourner l'économie

9.4/10

IAGrand Angle Nova11 octobre 2026 à 07:0019:49

Lecteur audio

0:00 / 0:00

INTRO

Les principales entreprises d’IA parient de plus en plus sur le fait que la valeur à long terme viendra moins des modèles de pointe eux-mêmes que de leur capacité à devenir la couche opérationnelle indispensable du travail professionnel réglementé.

POINTS CLÉS

Un produit coûteux avec une courte fenêtre d’exclusivité

L’entraînement d’un modèle de pointe exige des milliards de dollars en calcul, énergie, recherche et talents, alors que l’avance commerciale peut être brève. State of Open Source AI de Mozilla a estimé l’écart entre les meilleurs modèles à poids ouverts et les systèmes propriétaires de pointe à environ 4,4 mois. Les modèles ouverts étaient décrits comme progressant tous les 4 mois, contre 5,5 mois pour les modèles fermés, ce qui réduit la période pendant laquelle un prix premium peut être défendu.

Pourquoi la supériorité du modèle seule constitue un faible rempart

Les modèles fermés gardent une avance sur certaines tâches complexes, notamment les longs flux de travail d’experts, où les meilleurs systèmes propriétaires peuvent gérer environ 12 heures de travail contre près de 7 heures pour les meilleurs modèles ouverts. Mais cet avantage évolue vite à mesure que les rivaux ouverts rattrapent leur retard. En pratique, une tâche qui justifie aujourd’hui de payer pour un modèle propriétaire peut devenir faisable sur une infrastructure ouverte un trimestre plus tard.

La nouvelle cible est le flux de travail, pas seulement l’intelligence

L’opportunité commerciale consiste à intégrer l’IA dans les rouages réels du travail: accès aux données, permissions, modèles, traçabilité, journaux d’audit et contrôles de conformité. Dans des domaines comme la banque d’investissement, répondre à une question a moins de valeur que d’opérer dans l’environnement de la banque avec les bonnes données de marché, règles internes et formats documentaires. Cela déplace la rareté du modèle vers le système qui rend l’intelligence exploitable.

L’offensive d’OpenAI dans la finance illustre cette stratégie

Le 10 septembre, OpenAI a lancé ChatGPT for Financial Services, construit autour de ChatGPT 6 Astra et développé avec Morgan Stanley et Evercore. Le produit intégrait des sources comme Dealogic, PitchBook, LSEG News et Crunchbase, tout en prenant en charge l’accès par rôle, les exports d’audit et les contrôles de gouvernance. Il était conçu pour produire directement des résultats dans les formats Excel, Word et PowerPoint propres à l’entreprise, transformant l’offre en infrastructure plutôt qu’en simple chatbot.

L’adoption est déjà la plus forte en entreprise

La disposition des consommateurs à payer reste limitée: au premier trimestre 2026, seuls environ 3 % des Américains payaient de leur poche pour des outils d’IA. Pendant ce temps, le revenu entreprise a dépassé le revenu grand public chez OpenAI, après que la directrice financière Sarah Friar eut indiqué en octobre 2024 qu’environ 75 % du chiffre d’affaires provenait encore des abonnements grand public. Chez Anthropic, les entreprises représentaient déjà 80 % du chiffre d’affaires en 2025.

La même logique se diffuse dans les secteurs réglementés

Le schéma se répète désormais dans le droit et la santé. Harvey, plateforme juridique d’IA utilisée par 80 % des plus grands cabinets d’avocats américains par chiffre d’affaires, offre à OpenAI une voie indirecte vers le travail juridique, en parallèle de produits directs comme Astra for Law. Dans la santé, ChatGPT for Healthcare ajoute des sources médicales, des contrôles institutionnels et l’accès à des informations patients autorisées via Epic, étendant l’IA de l’assistance générale aux systèmes hospitaliers.

L’intégration crée des coûts de changement

Un modèle rival peut être téléchargé, mais remplacer une configuration d’entreprise opérationnelle est plus difficile. Les entreprises doivent reconnecter jeux de données sous licence, historiques internes, modèles de risque, modèles de documents, procédures et couches de validation, puis prouver que le nouvel ensemble fonctionne sur des cas sensibles. Le modèle devient ainsi de plus en plus interchangeable, tandis que l’environnement produit devient captif.

Le modèle économique pourrait aller au-delà des abonnements

Facturer par siège ou à l’usage peut sous-évaluer des outils qui contribuent à produire une valeur économique immense. Un chercheur payé 300 000 $ par an peut contribuer à un médicament valant 20 milliards de dollars; un flux de travail de trading peut générer des centaines de millions. Anthropic comme OpenAI se sont orientés vers des services et des activités de déploiement pour capter les revenus d’intégration, mais un gain encore plus important serait un partage de valeur via licences, redevances ou contrats indexés sur les résultats.

Les redevances pourraient faire des fournisseurs d’IA des percepteurs à l’échelle de l’économie

Des dirigeants ont évoqué des modèles dans lesquels le fournisseur d’IA partagerait directement les gains issus des découvertes ou transactions rendues possibles par ses systèmes. Cela pourrait signifier financer en amont l’usage de l’IA, puis percevoir des redevances si un médicament réussit ou si un autre résultat commercialement précieux suit. Appliqué à la finance, au droit, à la santé et à la recherche, le fournisseur n’aurait pas besoin de posséder ces entreprises pour participer à leur économie.

Le risque le plus important est la concentration du pouvoir

Si banques, hôpitaux, cabinets d’avocats et agences publiques organisent tous leur travail autour de la même couche d’IA, ce fournisseur gagne un levier sur les prix, les capacités et les conditions d’accès. OpenAI for Government regroupe déjà des travaux avec des organismes comme la NASA, le Trésor américain et des laboratoires nationaux. La dépendance qui en résulte peut accroître la productivité tout en réduisant la résilience, car il serait opérationnellement difficile de changer de fournisseur en situation de crise.

CONCLUSION

Le pari central derrière les valorisations gigantesques de l’IA actuelle n’est pas qu’un modèle donné restera longtemps unique, mais qu’une entreprise pourra utiliser une avance technique éphémère pour s’ancrer dans le fonctionnement des grandes institutions. Si cela réussit, le véritable actif acheté par les investisseurs n’est pas un modèle avec quatre mois d’avance, mais une position au centre de vastes pans de l’économie.

Poser une question

Sur le même sujet : IA