Le tournant le plus lourd de conséquences pour l’IA d’entreprise cette année n’est pas sorti d’un laboratoire, mais des directions financières.
Nous travaillons à la fois avec les écosystèmes de modèles occidentaux et chinois, si bien qu’une même question de nos clients nous occupe plus que de raison : la gamme économique existe-t-elle vraiment, ou n’est-ce qu’un effet d’annonce ? En bref : elle existe, elle est surtout chinoise, et la raison de s’y intéresser relève de l’arithmétique, non de la géopolitique.
Une nouvelle discipline budgétaire s’impose dans les entreprises américaines, à mesure que directeurs financiers et conseils d’administration s’attaquent aux dépenses d’intelligence artificielle inefficaces.
CNBC, 5 juin 2026
C’est l’arithmétique qui les a décidés. Jeetu Patel, directeur produit de Cisco, l’a posée en des termes à la portée de n’importe quel directeur financier.
- 200 $ par salarié et par semaine
- × 90 000 salariés
- = 900 M$ par an, tout sur modèles de pointe
Jeetu Patel, directeur produit de Cisco, a détaillé le calcul pour CNBC le 5 juin : quelque 200 $ de tokens par salarié et par semaine, soit environ 10 000 $ par personne et par an. Pour 90 000 salariés, la facture atteint 900 millions de dollars par an.
Ramenez ce calcul à votre échelle si vous n’avez pas 90 000 salariés. Deux cents personnes au même niveau d’usage coûtent environ 2 millions de dollars par an : une vraie ligne budgétaire pour une entreprise de cette taille, qu’une seule décision de routage peut réduire de moitié.
Cette facture suppose que chaque requête part vers un modèle de pointe. La plupart n’en ont pas besoin. Demandez qui fut le troisième président des États-Unis : un modèle facturé 0,09 $ le million de tokens d’entrée vous répond Thomas Jefferson, un modèle facturé 5,00 $ aussi. Le même Jefferson, pour environ 55 fois le prix.
L’écart de prix, mi-2026
Prix pour 1 million de tokens, mi-2026 (poids ouverts/Chine contre modèles fermés/États-Unis) :
| Modèle | Entrée / 1 M | Sortie / 1 M | Origine | Poids |
|---|---|---|---|---|
| DeepSeek V4 Flash | $0.09 | $0.18 | Chine | MIT |
| GLM-5.2 | $0.93 | $3.00 | Chine | MIT |
| Claude Opus 4.8 | $5.00 | $25.00 | US | Fermés |
| GPT-5.5 | $5.00 | $30.00 | US | Fermés |
Du moins cher au plus cher : ×55
DeepSeek V4 Flash, sur le point d’accès le moins cher, coûte 0,09 $ en entrée et 0,18 $ en sortie par million de tokens. GPT-5.5 est actuellement facturé 5 $ en entrée et 30 $ en sortie par million de tokens.
OpenRouter, 30 juin 2026
Prix vérifiés le 15 juillet 2026. Une réserve sur la ligne GLM, qui vaut d’ailleurs pour toutes. Des poids ouverts n’ont pas un prix, ils ont un marché. Une vingtaine d’hébergeurs servent GLM-5.2 et, un même jour de début juillet, leurs tarifs d’entrée affichés s’étalaient de 0,93 $ à 3,00 $, la sortie montant jusqu’à 10,25 $ sur les offres à latence premium. L’option la moins chère imposait aussi le plafond de sortie le plus bas, 32 768 tokens, de quoi tronquer sans avertissement une longue exécution d’agent. Le prix affiché n’est pas la facture. Confrontez l’un et l’autre à votre propre charge avant d’y adosser un dossier d’investissement, et recommencez dans un mois : le plancher d’entrée de GLM a perdu un tiers en quatre-vingt-dix jours.
Pourquoi « obligatoire » n’est pas un mot trop fort
Quand l’écart entre les gammes atteint un facteur 50, le routage devient, pour la plupart des équipes, le premier levier de coût. Il pèse plus que la mise en cache, plus que la compression des prompts, et demande bien moins de réglages minutieux que l’une comme l’autre.
Ce calcul, vous pouvez le faire vous-même, ce qui vaut mieux que de croire sur parole le pourcentage d’économies d’un tiers. Prenez un million de tokens d’entrée au tarif d’Opus 4.8, 5,00 $ : la facture s’élève à 5,00 $. Basculez-en 70 % vers GLM-5.2 à 0,93 $ et vous payez 0,65 $ plus 1,50 $, soit 2,15 $. Une baisse de 57 % obtenue par une seule décision de routage, avant même de toucher au cache. Portez à 80 % la part confiée à la gamme économique et l’on approche des deux tiers.
Exemple : router 70 % d’un million de tokens d’entrée vers la gamme économique (GLM-5.2 · 0,93 $) plutôt que vers la gamme de pointe (Opus 4.8 · 5,00 $).
- Facture mixte / 1 M : 2,15 $
- Économie face au tout-pointe : 57 %
Le routage n’est pas gratuit, et toute présentation honnête de cet argument le dit d’entrée de jeu. Vous ajoutez un composant sur le trajet des requêtes : une couche de classification ou de règles qui coûte des millisecondes, se trompe parfois d’aiguillage et devient un point de panne de plus à 3 heures du matin. Face à un écart de prix d’un facteur 50, l’arbitrage vaut généralement la peine. Il n’en reste pas moins un arbitrage.
Le plus gênant, c’est le peu d’équipes qui s’y résolvent.
Environ 95 % de l’usage de l’IA en entreprise passe encore par les modèles de pointe les plus chers, y compris pour des tâches que des solutions moins coûteuses traiteraient sans peine.
Arvind Jain, directeur général de Glean, cité par CNBC, 5 juin 2026
Rapprochez ces deux constats. Le secteur connaît la réponse et n’en a rien fait. Le problème n’est pas vraiment technologique. Personne n’obtient de promotion pour avoir basculé un pipeline qui fonctionne vers un modèle moins cher, et tout le monde essuie un mauvais trimestre quand la bascule tourne mal. Le blocage est organisationnel, et c’est là que se trouve l’argent.
Les analystes voient venir la même évolution.
D’ici 2028, 70 % des entreprises les plus en pointe sur l’IA s’appuieront sur des architectures multi-outils avancées pour gérer de manière dynamique le routage entre des modèles variés.
IDC, 2026 AI and Automation FutureScape, décembre 2025
La Chine est devenue exportatrice de tokens
La gamme économique n’est pas sortie de nulle part. Elle a été publiée, à dessein, sous licences permissives.
Dire que la Chine exporte des tokens demande une précision : elle ne les exporte pas comme elle exporte de l’acier. Elle publie des poids. Chacun peut les télécharger, et l’inférence tourne sur le matériel de l’acheteur, dans le pays de son choix. Ce qui franchit la frontière, c’est la capacité, une seule fois, gratuitement. Le chiffre d’affaires vient plus tard, et ailleurs : contrats cloud, déploiements en entreprise, points d’accès payants pour les équipes qui préfèrent ne pas exploiter leurs propres modèles.
| Période | Modèles américains | Modèles chinois | Remarque |
|---|---|---|---|
| 2025 | 75% | 25% | Modèles américains, ~3/4 des tokens |
| Juin 2026 | 46% | >50% | Les modèles chinois passent en tête |
Début juin 2026, les modèles chinois ont dépassé les modèles américains en part de tokens sur OpenRouter. En 2025, les modèles américains représentaient environ les trois quarts des tokens consommés.
OpenRouter, 30 juin 2026
DeepSeek a doublé à lui seul sa part des tokens de la plateforme, de 9 % à 18 %, entre janvier et juin. La semaine de bascule fut celle du 9 au 15 février : pour la première fois, les systèmes chinois ont traité plus de tokens que les américains. Ce qui doit retenir votre attention, ce n’est pas le drapeau. C’est la rapidité avec laquelle les développeurs ont changé de modèle, en production, sur le seul critère du prix. Le coût de changement est donc plus faible que ne le supposent la plupart des discussions d’achat.
La stratégie n’a rien de philanthropique. Alibaba fait de Qwen la porte d’entrée d’Alibaba Cloud : les poids ouverts amorcent l’adoption, l’inférence payante capte la suite. Qwen a franchi le milliard de téléchargements cumulés sur Hugging Face, dépassant Llama. Zhipu, désormais cotée à Hong Kong, publie GLM sous licence MIT et vend du déploiement en entreprise.
Exportation reste pourtant le mot juste. Un modèle publié sous licence MIT et servi par n’importe quel hébergeur, n’importe où, est un produit d’inférence qui a franchi une frontière sans déclaration en douane, et sans laisser à Washington le moindre interrupteur à actionner.
Les gros titres mesurent ce qui ne compte pas
Si vous avez lu jusqu’ici, vous avez sans doute vu un graphique de cette bascule, courbe rouge en hausse. Voici ce que ces graphiques omettent, et cela change la conclusion.
Cette envolée soudaine du volume de tokens de V4 ne s’est pas traduite par un bond équivalent de la part des dépenses.
OpenRouter, 30 juin 2026
Segment banalisé : le modèle compétent le moins cher y absorbe le gros du travail (classification, extraction, recherche documentaire), ces tâches qui se comptent en milliards de tokens par mois. (milliards de tokens / mois)
Segment premium : la fiabilité et le raisonnement réellement difficile y justifient encore une prime que les acheteurs continuent de payer. (prime que les acheteurs continuent de payer)
Il y a là deux marchés, et non un seul. Un segment banalisé, où le modèle compétent le moins cher absorbe le gros du travail : classification, extraction, recherche documentaire, ces tâches qui se comptent en milliards de tokens par mois. Et un segment premium, où la fiabilité et le raisonnement réellement difficile justifient encore une prime que les acheteurs continuent de payer. Les titres sur l’effondrement de la part américaine mesurent le premier segment, tout en tirant implicitement des conclusions sur le second.
Votre charge de travail relève de l’un des deux. En pratique, des deux.
Le risque ne tient pas aux poids. Il tient au déploiement.
Un token bon marché ne dit rien de la gouvernance des données. Et avec les modèles chinois, une décision l’emporte sur toutes les autres : la manière de les exploiter.
Des poids ouverts auto-hébergés ne renvoient rien au développeur. Appeler une API hébergée en Chine peut placer vos données sous le droit chinois : les entreprises chinoises sont soumises à la loi sur le renseignement national et peuvent être contraintes de prêter leur concours aux services de renseignement de l’État.
Trois voies pratiques en découlent :
| Voie | Exposition | Description | Usage conseillé |
|---|---|---|---|
| 1. Poids ouverts auto-hébergés | 8% | Aucune hors de votre environnement | Données réglementées, sensibles, confidentielles |
| 2. Poids ouverts hébergés en Occident | 52% | Juridiction de l’hébergeur | Production courante |
| 3. API hébergée en Chine | 96% | Droit chinois applicable | Volumes non sensibles uniquement |
C’est la licence ouverte qui rend la première voie possible, et c’est cette voie qui donne aux poids ouverts plus de valeur qu’un point d’accès hébergé bon marché.
Une exportation qui pourrait ne pas durer
Cette section ne met pas en garde contre la Chine. Elle met en garde contre les points de défaillance uniques, et il se trouve qu’elle vaut dans les deux sens.
Le 7 juillet 2026, Reuters a rapporté que les autorités chinoises avaient réuni Alibaba, ByteDance et Z.ai pour évoquer une éventuelle restriction de l’accès depuis l’étranger aux modèles d’IA chinois les plus avancés, y compris ceux publiés en poids ouverts.
Reuters, 7 juillet 2026
Des discussions politiques avec des laboratoires nommément cités, pas un décret signé, et aucun commentaire des ministères ni des entreprises sollicités par Reuters. À traiter comme la météo, non comme le climat.
Pékin : réunions avec Alibaba, ByteDance et Z.ai sur la restriction de l’accès étranger aux modèles avancés.
Washington : contrôle à l’exportation de deux modèles d’Anthropic ; GPT-5.6 Sol soumis à autorisation client par client.
Les deux capitales agissent à bref délai.
La symétrie reste l’essentiel. En juin, Washington a soumis deux modèles d’Anthropic au contrôle des exportations et conditionné l’accès à GPT-5.6 Sol d’OpenAI à une autorisation client par client. Les deux capitales traitent désormais les modèles de pointe comme des actifs stratégiques, et toutes deux ont montré qu’elles en tireraient les conséquences à bref délai.
Pour la planification, la conséquence est précise. Des poids déjà publiés ne se rappellent pas : DeepSeek V4 et GLM-5.2 sont sur des disques, partout dans le monde, pour de bon. Les prochains peuvent être retenus par l’un ou l’autre gouvernement. Bâtissez donc sur la gamme déjà téléchargée et considérez les sorties de l’an prochain comme un bonus, non comme une dépendance. C’est une tout autre posture que de parier votre feuille de route sur la poursuite d’une tendance de prix.
Par où commencer
1. Mesurer avant de migrer
Commencez par une mesure, pas par une migration. Reprenez la facture d’inférence du mois dernier, ventilez-la par type de tâche et regardez ce que l’argent achète réellement. La plupart des équipes découvrent que l’essentiel de leurs appels relève de la classification, de l’extraction ou de la recherche documentaire, le tout sur des modèles de pointe pour la seule raison que c’est ce qui a été branché en premier.
2. Évaluer sur votre propre trafic
Menez ensuite votre propre évaluation, sur votre trafic plutôt que sur un classement. La version à reproduire est volontairement rudimentaire. Prélevez 200 requêtes réelles dans les journaux du mois dernier, en privilégiant le type de tâche qui pèse le plus sur votre facture. Passez chacune dans le modèle en place et dans le candidat. Faites noter les deux sorties à l’aveugle par quelqu’un qui connaît le métier, sur une échelle qui a un sens pour votre activité, pas sur une note de un à cinq. Comptez les désaccords. Si le modèle bon marché perd sur moins d’une poignée de cas et qu’aucun ne coûte cher en cas d’erreur, vous avez votre réponse, et vous la tenez de votre propre trafic plutôt que d’un benchmark réalisé par d’autres.
Les benchmarks publiés vous disent qu’un modèle est performant en général. Que GLM-5.2 domine l’Artificial Analysis Intelligence Index parmi les poids ouverts est un fait sur GLM-5.2. Ce n’en est pas un sur votre pipeline.
3. Descendre en gamme pour la majorité facile
Faites descendre en gamme la majorité facile et laissez la minorité difficile là où elle est. Mesurez la qualité des deux côtés, car la dégradation silencieuse de la qualité est le vrai risque du routage en production, et elle ne se lit pas sur la facture. Elle se lit dans les nouvelles tentatives, dans les tickets de support, chez un relecteur qui réécrit discrètement des sorties que personne n’a consignées. Ce sont les phases État initial et Cap de notre méthode AZIMUTH dans leur travail ordinaire : on ne route pas sur des éléments qu’on n’a jamais collectés.
Combien coûte l’exercice lui-même ? Pour une équipe dotée d’un seul pipeline en production, la réponse réaliste est une semaine : une journée pour ventiler la facture, deux pour constituer et noter le jeu d’évaluation, deux pour câbler un routage et l’observer. Le plus coûteux n’est pas l’ingénierie, c’est de trouver quelqu’un qui maîtrise le métier pour noter les sorties sans ciller, et cette personne est généralement débordée. Budgétez son temps, pas l’outillage.
Écrire d’abord le critère d’arrêt
Écrivez le critère d’arrêt avant de commencer, pas après la première mauvaise semaine. Le nôtre, pour ce type de travail, dit à peu près ceci : si la gamme économique coûte plus en nouvelles tentatives, en temps de relecture et en escalades qu’elle ne fait économiser en tokens, nous arrêtons, nous expliquons pourquoi par écrit, et le modèle en place garde le trafic. Trancher cela à l’avance, c’est ce qui évite qu’un projet de routage ne tourne, trois mois plus tard, au débat sur les coûts irrécupérables, quand quelqu’un a un tableau de bord à défendre.
Les prix des modèles et les parts de marché cités ici évoluent chaque mois. Nous revoyons cet article le premier de chaque mois et datons chaque modification. Si un chiffre est périmé, c’est un bug : écrivez-nous à hello@bearingbridge.com.
