RéponsesPublié16 sources
La baisse des prix des tokens d’IA met à l’épreuve les investissements dans les infrastructures
Le prix de référence des usages de grands modèles de langage est tombé à 0,97 dollar par million de tokens, après un recul de 29 % en août ; le risque est que les revenus par token baissent plus vite que les volumes d... Le scénario n’est pas forcément baissier : Goldman Sachs Research prévoit que les agents d’IA po...
Publié parModifié avec GPT-5.6 TerraImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Le prix de référence des usages de grands modèles de langage est tombé à 0,97 dollar par million de tokens, après un recul de 29 % en août ; le risque est que les revenus par token baissent plus vite que les volumes d...
- Le scénario n’est pas forcément baissier : Goldman Sachs Research prévoit que les agents d’IA pourraient multiplier par 24 la consommation mensuelle de tokens d’ici à 2030, à environ 120 quadrillions de tokens.
- Pour suivre le risque de surcapacité, les indicateurs les plus utiles sont les revenus d’IA face à la baisse des prix, les commandes de serveurs par rapport aux déploiements réels, et le taux d’utilisation des data ce...
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Goldman Sachs’ warning that rapidly falling LLM token prices—down to about $0.97–$0.98 per million tokens after a 29% August decline. Article summary: Goldman’s warning implies a more selective, riskier outlook for AI-infrastructure investors: compute demand can grow sharply while the revenue earned per unit of compute falls even faster. If that happens, utilization, p. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
L’inférence IA devient beaucoup moins chère. Cette évolution peut rendre les modèles accessibles à davantage d’entreprises et favoriser de nouveaux usages. Elle complique toutefois le raisonnement économique des investisseurs qui financent les puces, les capacités cloud et les data centers nécessaires à leur fonctionnement.
L’avertissement de Goldman Sachs porte sur un décalage possible : les infrastructures sont financées plusieurs années avant que la demande ne se matérialise, alors que le prix facturé pour chaque unité d’utilisation d’un modèle peut chuter très vite. L’indice LLM Token Expenditure de Silicon Data est récemment descendu à 0,97 dollar par million de tokens, après une baisse de 29 % en août. Un autre indice des modèles de pointe situe les prix 84 % sous leur niveau de référence de mars 2023. 2
4
5
Si la croissance des usages ne compense pas ce mouvement, des capacités de calcul coûteuses pourraient se retrouver en concurrence pour des charges d’inférence moins rémunératrices. L’enjeu concerne toute la chaîne des infrastructures IA.
Le vrai sujet : les volumes doivent dépasser la déflation des prix
La baisse du prix d’un token n’est pas négative en soi. Elle peut faire entrer l’IA dans des cas d’usage jusque-là trop coûteux, encourager l’expérimentation et accroître la consommation totale. Pour les fournisseurs, la question est de savoir si l’augmentation du volume de tokens payants — et les gains d’efficacité opérationnelle — dépasse la baisse du revenu par token.
D’après les informations rapportant la note de Goldman Sachs, la concurrence sur les prix des modèles pourrait fragiliser la monétisation par token. À terme, le secteur risquerait de disposer de trop d’infrastructures si la consommation de calcul ne progresse pas assez vite. 1
2
La distinction est essentielle :
- Pour les utilisateurs, une IA moins chère est positive si elle rend des applications utiles financièrement viables.
- Pour les détenteurs d’infrastructures, elle peut poser problème lorsque les investissements ont été décidés en partant du principe que le calcul resterait rare et cher.
- Tout dépend de l’élasticité de la demande : une baisse des prix génère-t-elle suffisamment d’usage supplémentaire pour préserver, voire accroître, les revenus et les besoins en calcul ?
Des investissements gigantesques à rentabiliser
Le risque intervient dans un contexte de construction massive d’infrastructures. Dans son scénario de référence, Goldman Sachs estime les investissements en capital liés à l’IA à environ 7 600 milliards de dollars entre 2026 et 2031, pour le calcul, les data centers et l’électricité. Le modèle fait passer les dépenses annuelles d’environ 765 milliards de dollars en 2026 à 1 600 milliards en 2031. Goldman Sachs précise qu’il s’agit d’estimations très sensibles aux hypothèses, et non de certitudes. 9
Une large part de ces dépenses porte sur des actifs conçus pour durer : accélérateurs, serveurs, réseaux, bâtiments et infrastructures électriques. Leur rentabilité suppose des charges de travail durables et des rendements suffisants dans le temps.
Fabricants de puces : le test de la demande réellement rentable
Pour les fournisseurs de semi-conducteurs, un ralentissement lié aux prix ne se traduirait pas nécessairement par un effondrement immédiat des commandes. Les clients peuvent continuer à augmenter leurs capacités afin de lancer des produits d’IA ou de sécuriser leurs approvisionnements.
Le risque apparaît si les capacités installées dépassent la demande rentable. Les clients pourraient alors ralentir leurs achats d’accélérateurs et de serveurs, devenir plus sensibles aux prix ou exiger davantage de performance par euro investi. Les groupes disposant de matériels différenciés, d’un écosystème logiciel solide ou de solutions d’inférence efficientes pourraient être mieux protégés que les fournisseurs de capacité plus interchangeable.
La question pratique n’est donc pas uniquement de savoir si les équipements sont livrés, mais s’ils sont utilisés de manière soutenue pour produire des revenus.
Data centers : la rentabilité dépendra du taux d’utilisation
Les projets de data centers impliquent des engagements lourds et durables en foncier, en électricité et en bâtiments. Si l’inférence devient moins chère ou plus efficace, les clients pourraient nécessiter moins d’infrastructures pour fournir un même niveau de service applicatif. Les taux d’occupation, les conditions locatives et les rendements de projets fondés sur une pénurie durable de capacités pourraient en souffrir.
Cela ne signifie pas que la demande de data centers va disparaître. La disponibilité électrique et les contraintes techniques des déploiements IA peuvent continuer de limiter l’offre. Mais une rareté physique dans une zone ou sur un marché électrique donné peut coexister avec une économie plus fragile ailleurs. Il faut donc distinguer la pénurie de capacité de la preuve que les clients consomment cette capacité de façon rentable et renouvellent ou étendent leurs engagements.
Cloud et hébergeurs de modèles : remplacer le prix par le volume et la valeur
Les plateformes cloud et les hébergeurs de modèles peuvent tirer parti de prix d’inférence plus bas : l’accessibilité peut attirer davantage de développeurs et de charges de travail en entreprise. Mais elle réduit aussi le revenu généré par unité d’usage.
Pour préserver leur marge brute, ces acteurs doivent combiner plusieurs leviers :
- Une forte hausse des volumes de tokens, portée par des usages récurrents en production ;
- Des gains d’efficacité qui abaissent les coûts plus vite que les prix facturés ;
- Des services à plus forte valeur ajoutée autour des modèles : déploiement, sécurité, intégration des données et outils de workflow.
La concurrence sur les prix des modèles propriétaires constitue un élément central du risque décrit dans les informations relatives à Goldman Sachs. 1
2 Le niveau affiché du prix du token ne suffit pas : il faut examiner la relation entre le prix payé par le client, le coût supporté par le fournisseur et le volume total d’usage payant.
Les agents d’IA, principal contrepoids potentiel
L’argument haussier repose sur les agents d’IA : des systèmes capables d’exécuter des tâches en plusieurs étapes et susceptibles de consommer bien plus de tokens qu’un simple échange avec un chatbot. Goldman Sachs Research prévoit que l’adoption par les consommateurs et les entreprises pourrait multiplier par 24 la consommation mensuelle de tokens entre 2026 et 2030, pour atteindre environ 120 quadrillions de tokens par mois. 7
Cette projection montre pourquoi la chute des prix des tokens ne signifie pas automatiquement une baisse de la demande de calcul. Si les agents passent des démonstrations à des tâches fréquentes et utiles, l’usage total pourrait augmenter assez vite pour soutenir les investissements d’infrastructure.
Mais il s’agit d’une prévision, pas d’une garantie. La thèse d’investissement suppose que les agents créent des charges de travail récurrentes pour lesquelles les utilisateurs ou les entreprises acceptent de payer, et pas seulement un grand nombre de requêtes expérimentales bon marché.
Les indicateurs à surveiller au-delà du prix des tokens
Pour évaluer le risque de surcapacité de calcul, les investisseurs peuvent suivre plusieurs signaux liés entre eux :
- La croissance des revenus liés à l’IA face à la baisse des prix des tokens : la monétisation globale progresse-t-elle malgré la baisse des prix unitaires ?
- Les commandes d’accélérateurs et de serveurs face aux déploiements effectifs : la capacité achetée est-elle réellement mise au travail ?
- Le taux d’utilisation des data centers, les capacités sous contrat et les renouvellements : les engagements restent-ils solides une fois les installations ouvertes ?
- Les marges brutes du cloud : les gains d’efficacité et les services à valeur ajoutée compensent-ils la baisse des prix d’inférence ?
- L’adoption des agents en production : créent-ils des workflows répétables et essentiels, plutôt que des essais isolés ?
- La disponibilité de l’électricité : constitue-t-elle une contrainte durable sur la capacité réellement utile, ou un simple goulot d’étranglement avant la demande ?
À retenir
L’avertissement de Goldman Sachs ne dit pas que la baisse du prix des tokens de grands modèles de langage est intrinsèquement mauvaise. Une inférence moins chère peut précisément être le moteur d’une adoption plus large de l’IA. Le risque est que la déflation des prix et les gains d’efficacité réduisent les revenus et les besoins en calcul plus vite que les usages liés aux agents ne se développent.
Pour les investisseurs dans les infrastructures IA, le sujet n’est donc plus seulement l’ampleur des capacités construites : c’est un test d’utilisation et de monétisation. Les entreprises les plus résilientes pourraient être celles qui transforment des tokens moins chers en charges de travail durables et à forte valeur, tout en conservant un avantage de coût, de performance ou de profondeur de services. 1
7
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « La baisse des prix des tokens d’IA met à l’épreuve les investissements dans les infrastructures » ?
Le prix de référence des usages de grands modèles de langage est tombé à 0,97 dollar par million de tokens, après un recul de 29 % en août ; le risque est que les revenus par token baissent plus vite que les volumes d...
Quels sont les points clés à valider en premier ?
Le prix de référence des usages de grands modèles de langage est tombé à 0,97 dollar par million de tokens, après un recul de 29 % en août ; le risque est que les revenus par token baissent plus vite que les volumes d... Le scénario n’est pas forcément baissier : Goldman Sachs Research prévoit que les agents d’IA pourraient multiplier par 24 la consommation mensuelle de tokens d’ici à 2030, à environ 120 quadrillions de tokens.
Que dois-je faire ensuite en pratique ?
Pour suivre le risque de surcapacité, les indicateurs les plus utiles sont les revenus d’IA face à la baisse des prix, les commandes de serveurs par rapport aux déploiements réels, et le taux d’utilisation des data ce...