La tarification des LLM n'a jamais eu de sens

La question de la viabilité économique des grands fournisseurs de LLM se pose avec une acuité croissante, illustrée par plusieurs signaux convergents survenus en l'espace de quelques jours. Anthropic a brièvement retiré Claude Code du palier d'abonnement à 20 dollars par mois pour une fraction de ses utilisateurs, avant de faire marche arrière. L'incident, présenté comme un test mal calibré, laisse entrevoir une probable revalorisation tarifaire pour les produits de génération de code. Parallèlement, GitHub a annoncé la suspension des nouvelles inscriptions à Copilot et un resserrement des limites d'utilisation, dégradant de facto le service pour les abonnés existants.

Ces ajustements ne sont pas anodins. Ils s'inscrivent dans un contexte où les grands acteurs du secteur accumulent des levées de fonds colossales sans avoir atteint la rentabilité. OpenAI a réuni plus de 290 milliards de dollars d'investissements et vise le seuil de rentabilité pour 2030, sans que la trajectoire permettant d'y parvenir soit clairement définie. Sam Altman lui-même a reconnu que les abonnements Pro à 200 dollars par mois sont déficitaires pour l'entreprise. La pression des investisseurs en quête de retours commence à se faire sentir, et les entreprises semblent explorer plusieurs pistes pour y répondre : hausse des tarifs, dégradation des offres d'entrée de gamme, voire introduction de publicités — une hypothèse qu'Anthropic s'est empressée de tourner en dérision dans une publicité diffusée lors du Super Bowl.

Le problème structurel est double. D'un côté, la tarification à la consommation — principalement au token — ne reflète pas de manière transparente les coûts réels d'inférence, ni la valeur produite pour l'utilisateur. Les écarts de prix entre fournisseurs pour des capacités comparables sont considérables et ne suivent pas une logique de qualité clairement établie. De l'autre, les offres d'abonnement forfaitaire semblent tarifées en dessous du coût de revient, ce qui soulève la question de leur soutenabilité à mesure que l'usage s'intensifie.

La montée en puissance des LLM locaux constitue un facteur de pression supplémentaire que les fournisseurs cloud ne peuvent ignorer. Les modèles open weight, disponibles gratuitement, atteignent un niveau de performance tel qu'une majorité d'utilisateurs ne perçoit pas de différence notable avec les modèles propriétaires pour des tâches courantes. Les puces Apple de la série M rendent dès aujourd'hui l'inférence locale accessible sur du matériel grand public. L'argument énergétique joue également en faveur des solutions locales : un poste de travail ou un téléphone n'exécute des inférences qu'à la demande, consommant de l'énergie de manière intermittente, là où un data center doit fonctionner en continu pour amortir ses coûts fixes. L'hypothèse que des inférences locales courantes s'exécutent sur smartphone dans un horizon de cinq ans n'est pas considérée comme irréaliste.

Si cette tendance se confirme, le modèle économique des grands fournisseurs de LLM s'en trouve fragilisé sur plusieurs fronts simultanément. La construction massive de data centers, financée par des capitaux privés considérables, pourrait se révéler un surinvestissement si une partie significative des usages migre vers du matériel local. Moins de demande cloud signifie moins de revenus pour amortir des infrastructures déjà engagées.

Les questions ouvertes sont nombreuses. Les utilisateurs accepteront-ils des hausses tarifaires susceptibles d'exclure une grande partie du marché ? La publicité in-session constitue-t-elle un modèle viable ou contre-productif pour des outils de productivité ? La différenciation par la qualité sera-t-elle suffisante pour justifier un premium durable face à des alternatives gratuites jugées suffisamment bonnes ? Et surtout, les structures de financement en place permettent-elles d'atteindre la rentabilité sans dégrader significativement l'expérience utilisateur, ce qui risquerait d'accélérer précisément la migration vers les solutions locales ? Le secteur semble engagé dans une course entre adoption massive et équilibre économique, dont l'issue reste ouverte.