Le coût de l'IA s'effondre — et l'effondrement accélère. Ce que ça change pour votre PME

Le 8 juillet 2026, un nouveau modèle de pointe est sorti : Grok 4.5. Son éditeur le présente comme jouant dans la même catégorie que les meilleurs modèles du marché, pour une fraction de leur prix. La formule fait mouche. Elle est aussi un peu trop belle. Mais derrière l'argument commercial se cache une réalité que tout dirigeant de PME devrait avoir en tête, et qui est beaucoup plus solide que le communiqué de presse.

D'abord, remettons les chiffres à l'endroit

Comparons les tarifs publics, par million de mots produits (ce qu'on appelle les tokens de sortie) : Grok 4.5 est à 6 $, Claude Opus 4.8 à 25 $, GPT-5.5 à 30 $, Claude Fable 5 à 50 $. On est donc sur un rapport de 4 à 8 fois moins cher, pas dix.

Et sur la performance ? Grok 4.5 dépasse Opus 4.8 sur certains tests de référence, mais reste nettement derrière sur d'autres — l'écart avec le meilleur modèle atteint 15 points sur l'un des benchmarks les plus exigeants. L'évaluation indépendante d'Artificial Analysis le classe quatrième, pas premier. « Performances comparables », donc, mais au sens de « dans la même famille », pas de « équivalent ».

Il y a néanmoins un endroit où l'argument du prix divisé par dix se défend : ce modèle est très économe en tokens. Sur une même tâche de développement, il en consomme environ quatre fois moins que ses concurrents directs. Or c'est le nombre de tokens consommés, pas le tarif affiché, qui détermine votre facture. Tarif 4 fois moins cher, appétit 4 fois moindre : le coût réel d'une tâche peut effectivement approcher le dixième. Retenez ce point, on y revient plus bas — c'est le cœur du sujet.

Le vrai chiffre à retenir : 75 $ → 6 $ en onze mois

Oubliez un instant la guerre des benchmarks. Voici le chiffre qui compte, et il est vérifiable sur deux pages de tarifs publiques :

En août 2025, le meilleur modèle disponible coûtait 75 $ le million de mots produits. Aujourd'hui, un modèle plus performant coûte 6 $. Soit 12 fois moins cher, en onze mois, avec une qualité supérieure.

Ce n'est pas une projection d'analyste ni une étude commandée par un vendeur. C'est le prix affiché, hier et aujourd'hui.

Ça baisse — et la baisse elle-même accélère

L'institut de recherche Epoch AI a mesuré cette dégringolade sur l'ensemble du marché. À performance constante, le prix d'un service d'IA baisse en médiane d'un facteur 50 par an. Mais voici le détail qui change tout : en ne regardant que les données postérieures à janvier 2024, cette médiane passe de 50 à 200 fois par an. (méthodologie et données)

Autrement dit, la chute des prix ne se contente pas de continuer : elle s'accélère. Le fonds a16z avait documenté le même phénomène sous le nom de « LLMflation » : un niveau de qualité qui coûtait 60 $ fin 2021 en coûtait 0,06 $ trois ans plus tard, soit mille fois moins. Une baisse plus rapide que celle du coût du calcul pendant la révolution du PC, ou de la bande passante pendant la bulle internet.

Ce que ça change, très concrètement, pour votre PME

Si vous avez étudié un projet d'automatisation il y a six ou douze mois et que vous l'avez écarté parce que « le calcul ne tombait pas juste », vos hypothèses de coût sont périmées. Pas discutables : périmées.

Prenons un traitement qui produit l'équivalent de 500 000 mots par mois — un volume réaliste pour du tri d'e-mails, de la rédaction de réponses ou de l'analyse de documents à l'échelle d'une PME. En août 2025, la seule facture du modèle tournait autour de 37 $ par mois. Aujourd'hui, le même volume revient à environ 3 $. Un cas d'usage qui échouait de peu au test du retour sur investissement le passe désormais largement.

C'est mécanique : la barre du « ça vaut la peine » descend toute seule, tous les mois. Et elle descend de plus en plus vite.

Le piège : le prix du token n'est pas le coût de la tâche

Maintenant, l'avertissement — parce que c'est là que des entreprises se font piéger, y compris des grandes.

Le cabinet Bain a mesuré qu'entre décembre 2024 et décembre 2025, le prix des tokens a été divisé par deux… pendant que la consommation augmentait de 450 %. Résultat : la facture globale monte. Uber a brûlé tout son budget IA annuel en quatre mois et a fini par plafonner la dépense par employé. Le magazine Forbes résume la mécanique dans un article du 13 juillet 2026 : votre dépense, c'est le nombre de tâches × le nombre d'essais par tâche × les tokens par essai × le prix du token. Seul le dernier terme baisse.

Un agent IA qui travaille en autonomie ne fait pas un aller-retour comme dans une conversation : il lit, essaie, se trompe, recharge son contexte, recommence. Une tâche agentique peut consommer plusieurs centaines de fois plus de tokens qu'un simple échange dans un chat.

Alors, on y va maintenant ou on attend que ce soit encore moins cher ?

C'est la question qu'on me pose, et elle est légitime : si les prix sont divisés par cinq tous les six mois, pourquoi ne pas attendre ?

Parce que le prix des modèles n'est pas votre facteur limitant. Votre facteur limitant, c'est l'apprentissage. Le temps de comprendre quels processus se prêtent à l'automatisation, de nettoyer vos données, de former vos équipes, d'ajuster ce qui ne marche pas du premier coup. Ce temps-là ne se compresse pas parce qu'un modèle a baissé de prix. Le concurrent qui commence aujourd'hui n'accumule pas seulement six mois d'économies : il accumule six mois de savoir-faire, de données propres et d'habitudes d'équipe.

Attendre que l'IA soit moins chère, c'est comme attendre que les ordinateurs soient moins chers pour apprendre à s'en servir. Le matériel a baissé. Le retard, lui, ne s'est jamais rattrapé tout seul.

Ce que je retiens

• Le coût de l'intelligence artificielle s'effondre, et l'effondrement s'accélère — c'est documenté, pas spéculatif.
• Un projet écarté il y a six mois pour des raisons de coût doit être réexaminé : les hypothèses ne tiennent plus.
• Le tarif affiché ne dit rien de votre facture. Mesurez le coût par tâche réussie, sur un cas d'usage réel.
• Ne choisissez pas un modèle sur un classement de benchmarks — ils sont contestés, parfois contaminés. Choisissez-le sur votre cas d'usage.

C'est exactement ce que je fais avec les PME que j'accompagne : on prend un processus réel, on mesure ce qu'il coûte à automatiser, et on décide sur des chiffres — pas sur une brochure. Si vous voulez savoir combien coûte concrètement un premier audit, ou par où commencer sans vous tromper de chantier, ces deux articles vont plus loin. Et si la question du choix technologique vous préoccupe, misez sur un partenaire plutôt que sur un outil figé : dans un marché où les prix sont divisés par douze en onze mois, la flexibilité vaut plus cher que l'outil du moment.