Les tokens IA passent sous 1 $, mais les dépenses continuent de grimper

Le prix effectif des tokens utilisés par les grands modèles de langage est passé sous le seuil symbolique de 1 $. Le 1er septembre 2026, le LLM Token Expenditure Index de Silicon Data (SDLLMTK) s’est établi à 0,97 $ par million de tokens, un record bas et moins de la moitié de son point haut du début de l’été. 24

Ce mouvement ne signifie pas que la demande d’IA s’est effondrée. L’indice mesure le prix effectif, pondéré par les usages, payé pour un million de tokens ; il ne mesure ni le nombre total de tokens consommés ni l’ensemble des dépenses consacrées à l’IA. 24

Ce que mesure réellement l’indice à 97 cents

Silicon Data présente le SDLLMTK comme un indicateur du prix agrégé de l’inférence des grands modèles de langage. Il combine les tarifs des fournisseurs et les usages observés sur un univers défini de modèles afin d’obtenir un prix effectif par million de tokens. 24

La nuance est essentielle : si les entreprises confient une part plus importante de leurs tâches à des modèles moins chers, l’indice baisse, même lorsque le volume total de tokens — et potentiellement les dépenses globales d’IA — augmente. L’indicateur reflète donc à la fois un prix et une composition des charges de travail, et non le chiffre d’affaires total du marché.

Comment la concurrence chinoise a pesé sur les prix

La compétition entre laboratoires et fournisseurs d’API chinois a mis sur le marché des options très bon marché pour les usages ne nécessitant pas les modèles les plus avancés. DeepSeek V4-Flash était ainsi affiché à 0,14 $ par million de tokens d’entrée et 0,28 $ par million de tokens de sortie. 49

DeepSeek a également réduit de 75 % les tarifs de V4-Pro en mai 2026, une décision décrite comme une intensification de la concurrence entre fournisseurs chinois de modèles. 58 D’autres baisses tarifaires et offres à bas coût dans l’écosystème chinois ont renforcé la pression sur les acteurs qui se disputent les charges d’inférence à très grand volume. 452

Les éléments disponibles établissent une forte association entre cet environnement concurrentiel et la baisse du prix moyen pondéré des tokens. En revanche, ils ne permettent pas d’attribuer une part causale précise à un laboratoire, à un modèle ou à une réduction tarifaire donnée. Les gains d’efficacité des modèles, l’extension des capacités de calcul et les choix de routage des clients jouent aussi sur l’indice.

Pourquoi des tokens moins chers peuvent faire augmenter les budgets IA

L’apparente contradiction disparaît avec une relation simple :

dépense totale en tokens = prix effectif par token × volume de tokens

La baisse du prix unitaire rend rentables de nouveaux cas d’usage : automatisation de processus, contextes plus longs, génération accrue de code ou déploiement de systèmes d’agents. Si le volume de tokens augmente plus vite que le prix effectif ne diminue, la dépense totale progresse.

Ce schéma concorde avec les estimations selon lesquelles le prix par token aurait chuté de plus de 90 % depuis 2023, tandis que les dépenses liées à l’usage des grands modèles de langage auraient approximativement doublé depuis la fin de 2025. 4143 La baisse de prix n’échoue donc pas à réduire les coûts unitaires : elle élargit surtout le nombre de tâches pour lesquelles l’automatisation devient économiquement intéressante.

En Chine, les volumes illustrent l’ampleur de la réponse de la demande

Selon des projections gouvernementales citées par Reuters, la consommation quotidienne de tokens IA en Chine a dépassé 140 000 milliards en mars 2026, contre 100 000 milliards à la fin de 2025. 18

Les informations publiées par des entreprises, notamment dans le secteur financier, vont dans le même sens. China Merchants Bank a indiqué que son débit quotidien moyen de tokens avait augmenté de plus de 78 % sur un an. D’autres informations situent sa consommation autour de 33 milliards de tokens par jour à la fin mai. 1929 Certaines banques chinoises auraient connu des progressions bien plus fortes de leur consommation quotidienne moyenne. 20

Ces chiffres ne constituent ni une mesure directe des revenus des API ni une preuve que chaque charge de travail produit un rendement économique. Ils montrent néanmoins que l’inférence à bas coût se traduit par une hausse massive des usages.

Le point de tension pour les fournisseurs de modèles

Pour les acheteurs, la chute des prix d’inférence est une bonne nouvelle. Pour les fournisseurs de modèles, l’équation devient plus délicate : le revenu par token peut baisser alors que les dépenses en puces, centres de données, entraînement et développement de modèles restent élevées.

La question centrale n’est donc plus de savoir si les clients consommeront des tokens bon marché : les données suggèrent que oui. Elle est de déterminer si l’augmentation des volumes, les offres haut de gamme et les produits destinés aux entreprises généreront assez vite des revenus durables et des gains de productivité mesurables pour justifier la poursuite des investissements dans les infrastructures. Le recul de l’indice met directement sous pression le pouvoir de fixation des prix des fournisseurs. 436

Les indicateurs à surveiller

Au-delà du tarif affiché d’un modèle, quatre éléments sont particulièrement utiles :

• Les prix effectifs pondérés par les usages, tels que le SDLLMTK, qui indiquent vers quels modèles les clients dirigent réellement leurs charges de travail. 2
• Les volumes de tokens, qui révèlent si la baisse des prix élargit la demande.
• Les revenus et les marges, afin de savoir si la croissance des usages peut devenir rentable pour les fournisseurs.
• La qualité des usages, car un volume élevé de tokens ne démontre pas à lui seul une valeur économique.

À retenir : la concurrence des API chinoises à bas coût a contribué à faire tomber sous 1 $ le prix moyen effectif de l’inférence par million de tokens. Mais cette baisse encourage de nouveaux usages ; la consommation de tokens et les dépenses agrégées en IA peuvent donc continuer d’augmenter en même temps. 2441