Les chiffres ont cessé de fonctionner quelque part fin 2025. Anthropic et OpenAI ont collectivement englouti plus de 100 milliards de dollars en dépenses d’infrastructure et en R&D. Ni l’un ni l’autre n’est rentable. L’écart entre le capital déployé et les revenus réalisés n’est plus un problème à l’échelle d’une start-up, mais un problème existentiel.
C’est le mur de la monétisation que tout le monde esquive depuis 2023. Ce n’est plus théorique.
Les chiffres qui comptent
OpenAI génère un chiffre d’affaires annuel estimé à 3,4 milliards de dollars au T1 2026. Ses coûts informatiques seuls dépassent 2 milliards de dollars par an. Anthropic, malgré une forte croissance de son adoption par les entreprises, n’a pas divulgué ses métriques de rentabilité — un silence qui parle de lui-même. Pendant ce temps, les deux sociétés sont engagées dans des contrats de centres de données pluriannuels qui éclipsent leurs flux de revenus actuels.
La thèse d’infrastructure a toujours été la même : investir massivement maintenant, monétiser plus tard grâce à l’échelle. L’échelle est arrivée. La monétisation, non.
Le récent reportage de Hayden Field sur The Verge met en lumière une tension critique : les grandes entreprises d’IA ne peuvent pas retarder indéfiniment la rentabilité, mais accélérer la monétisation risque de cannibaliser les bases d’utilisateurs qui justifient l’investissement initial. Augmentez les prix de l’utilisation de l’API Claude, regardez les développeurs partir. Limitez l’accès au niveau gratuit, regardez l’adoption par les consommateurs ralentir. La fenêtre entre « construire encore sa domination » et « prouver que l’on peut gagner de l’argent » se referme plus vite que la plupart des dirigeants ne s’y attendaient.
Pourquoi ça compte maintenant, pas plus tard
Les bulles technologiques précédentes (dot-com, crypto) avaient des échéances différentes. Le capital-risque pouvait attendre cinq ans pour la rentabilité. Les marchés le toléraient. Les dépenses d’infrastructure IA d’aujourd’hui sont différentes en termes d’échelle et de visibilité. Les constructions de centres de données nécessitent des milliards en CAPEX que les banques et les investisseurs institutionnels doivent voir se traduire par des flux de trésorerie dans les 18 à 36 mois, pas une décennie. La patience a été structurellement érodée.
Au moins la moitié des PDG interrogés sur Decoder ont reconnu la réalité directement : certaines entreprises échoueront. Ce n’est pas du pessimisme. C’est de l’arithmétique.
Le problème de la fragmentation
Voici ce que la plupart des analyses manquent : l’échec de la rentabilité n’est pas isolé à un seul acteur. Si OpenAI ou Anthropic faiblissent, la crédibilité de tout le secteur en prend un coup. Les clients entreprises cessent de s’engager dans des partenariats API à long terme. Les startups qui construisent sur ces plateformes se retirent. L’effondrement de la confiance se propage en cascade.
Inversement, si un acteur majeur atteint des économies d’unités durables à grande échelle, toute la catégorie se légitime. C’est l’asymétrie. Le succès n’est pas garanti. L’échec est contagieux.
Ce qui doit réellement changer
La monétisation n’est pas un problème de canal (meilleur emballage SaaS, options de niveaux, etc.). C’est un problème de fondamentaux. Les mathématiques exigent soit :
- Une baisse des coûts d’inférence de 50 % ou plus grâce à des gains d’efficacité algorithmique ou à du matériel moins cher (les deux sont possibles, aucun n’est garanti dans les délais requis)
- Une augmentation de 3 à 5 fois du revenu moyen par utilisateur sans perdre la base de clients (presque impossible sans tuer l’élan d’adoption)
- L’émergence d’un cas d’utilisation véritablement nouveau qui commande des marges 10 fois supérieures aux prix actuels de l’API (spéculatif)
Aucune de ces améliorations n’est un progrès linéaire. Elles s’accumulent ou pas. Et le temps est la contrainte, pas seulement le capital.
Le résultat réaliste
La consolidation est la voie la plus probable. Les modèles plus petits avec une empreinte d’infrastructure plus faible survivront. Les systèmes généralistes à grande échelle se consolideront autour de 2 à 3 acteurs dominants capables d’absorber les coûts d’infrastructure suffisamment longtemps pour atteindre l’efficacité opérationnelle. Les alternatives open-source (Llama 3, Mistral) domineront des segments spécifiques où le coût ou le déploiement sur site est plus important que la capacité.
Ce qui n’arrivera pas : ils réussiront tous. Le capital-risque resserre déjà le financement de l’IA — les tours de table de série B sont plus lents, les valorisations en baisse augmentent. La fête est mathématiquement finie.
Votre coup cette semaine
Si vous construisez sur une API à modèle fermé, diversifiez-vous. Ce n’est pas de la paranoïa, c’est du pragmatisme. Exécutez la même charge de travail d’inférence via Claude Sonnet, GPT-4o mini et un déploiement local de Mistral 7B. Documentez le coût et la latence pour chacun. Si votre fournisseur principal atteint un mur de rentabilité et augmente ses prix de 40 %, vous voudrez une voie de sortie pré-construite, pas une migration paniquée. Les 12 prochains mois clarifieront quels paris étaient réels et lesquels étaient dus à l’élan. Vos choix d’infrastructure doivent refléter cette incertitude dès maintenant.
