La couche modèle se banalise : vendre la frontière, trader la taxe sur les tokens

J’ai passé les dernières lettres à défendre l’idée que le signal honnête de tout le trade IA est le prix du calcul, et que l’ère du token-maxxing, où la dépense en calcul se portait comme un badge de sérieux, touchait à sa fin. Le prix spot d’une Nvidia H100 a environ doublé au printemps, autour de USD 3 de l’heure, et je disais qu’il fallait surveiller cette ligne de plus près que n’importe quelle publication de résultats. Je le dirais encore.

Ce papier pose la question suivante, un cran plus bas. Si le calcul est le coût, le modèle est le produit construit dessus. Et le produit devient bon marché. La frontière elle-même continue d’avancer ; ce qui s’effondre, c’est la distance entre la frontière et le gratuit. Cette distance se mesurait en années. Elle se mesure désormais en mois. Quand l’écart entre le meilleur modèle que l’argent peut acheter et le meilleur modèle que n’importe qui peut télécharger gratuitement se referme à cette vitesse, l’économie des sociétés qui vendent le modèle fermé change d’une manière que les valorisations privées n’ont pas encore admise.

Ma conclusion tient dans le titre. Pour un investisseur généraliste, les laboratoires de frontière sont la partie de cette histoire à détenir avec le plus de prudence aux prix d’aujourd’hui. La valeur durable se trouve une couche plus bas, dans le calcul et l’énergie que chaque modèle doit continuer de louer. Et la chose la plus importante à pricer sur les deux prochaines années est politique : qui écrira la première taxe sérieuse sur l’usage de l’IA, et si cet auteur est l’industrie elle-même.

La parité arrive en quelques mois

Ce que « frontière » et « poids ouverts » veulent vraiment dire. Un modèle de frontière est simplement le système d’IA le plus capable disponible à un instant donné, celui que les laboratoires de tête, OpenAI et Anthropic aux États-Unis, facturent le plus cher. Un modèle à poids ouverts est un modèle dont le « cerveau » fini, les nombres entraînés qui le font fonctionner, a été publié pour que chacun puisse le télécharger et le faire tourner sur ses propres machines. Personne n’a besoin de payer le laboratoire d’origine pour l’utiliser. Pendant trois ans, les laboratoires de frontière ont gardé une avance confortable : le meilleur modèle ouvert gratuit avait environ un an de retard sur le meilleur modèle payant.

Cette avance se comprime. Les dernières publications à poids ouverts venues de Chine, avec le Kimi K3 de Moonshot comme cas le plus commenté de l’été, arrivent à portée de la frontière payante quelques mois après chaque nouvelle sortie fermée, et pour une fraction du coût d’exploitation. L’écart exact sur les benchmarks mérite une vérification indépendante, mais la direction ne fait pas de doute, et elle rime avec un chiffre que la directrice financière d’OpenAI a elle-même mis au procès-verbal : le coût d’exploitation d’un niveau d’intelligence donné a chuté d’environ 97% en deux ans, de GPT-4 à GPT-4o. Quand le coût de la frontière d’hier baisse à ce point, la frontière d’hier devient le cadeau d’aujourd’hui.

La directrice financière d’OpenAI a formulé la stratégie de survie sans détour : l’avantage durable, c’est « le contexte et la mémoire, pas le modèle ». Lisez cela comme un aveu. Quand la personne qui construit la société d’IA la plus valorisée du monde vous dit que le modèle n’est plus le fossé défensif, le modèle n’est plus le fossé défensif. L’intelligence devient un service de base. La valeur migre vers celui qui détient les intrants rares en dessous et la relation client au-dessus.

Le problème des tokens sombres

La moitié de votre facture est un brouillon que vous ne voyez jamais. Les systèmes d’IA se facturent au token, grosso modo un fragment de mot, en comptant tout ce qu’ils lisent et tout ce qu’ils écrivent. Les modèles les plus récents sont des modèles « raisonneurs » : avant de répondre, ils génèrent un long fil de pensée privé, en travaillant le problème étape par étape. Vous ne voyez presque rien de ce brouillon. Vous le payez en entier. Sur la génération actuelle de modèles raisonneurs, une part importante des tokens de votre facture sont ces « tokens sombres » cachés, et pour les modes de raisonnement les plus lourds, cette part dépasserait la moitié selon les chiffres rapportés. Comme ordre de grandeur de travail : plus d’un token facturé sur deux est de la pensée invisible.

Voici pourquoi cela compte pour les laboratoires fermés. Tant que la frontière était clairement devant, les clients acceptaient de payer le brouillon parce que les réponses étaient meilleures que tout ce qui existait ailleurs. Placez à côté un modèle à poids ouverts suffisamment bon, que vous faites tourner vous-même à prix coûtant, et le calcul s’inverse. Les chiffres donnent déjà à réfléchir, et je les ai posés le mois dernier : un agent qui tourne en continu contre une API de frontière peut coûter autour de USD 300 par jour, soit environ USD 100’000 par an, pour peut-être un cinquième d’un poste. Demandez à un directeur financier de continuer à payer cela quand un modèle téléchargeable fait 90% du travail pour le prix de l’électricité, et le pouvoir de fixation des prix de l’API fermée commence à fuir. Microsoft aurait, selon la presse, restreint l’usage de Claude ce printemps, et Uber a indiqué que son budget IA annuel était épuisé en avril. La demande d’intelligence se porte bien. Ce que ces épisodes montrent, c’est la facture qui atterrit sur un vrai compte de résultat.

Ce que cela fait à l’économie des laboratoires fermés

Un produit qui se banalise, financé comme s’il était rare. Les laboratoires de frontière sont valorisés, dans les tours privés et les rumeurs pré-IPO, comme si leur avance était permanente. Un multiple pré-IPO n’est rien d’autre que le prix que des investisseurs privés paient pour une part avant la cotation, et ces prix supposent aujourd’hui que le modèle reste spécial. Anthropic serait proche de son premier trimestre rentable et d’une possible cotation en octobre. OpenAI projette une perte d’environ USD 14 milliards en 2026. Le capital qui fait tenir tout cela est énorme et circulaire : l’accord de calcul de USD 45 milliards sur trois ans rapporté pour Anthropic ; Amazon qui investit jusqu’à USD 25 milliards dans Anthropic ; Nvidia qui engage jusqu’à USD 100 milliards dans OpenAI, qui en redépense une grande partie en puces. L’argent circule du fabricant de puces au laboratoire, au cloud, et retour.

Tant que la liquidité s’étend, cette boucle se lit comme un cercle vertueux. Le jour où elle s’arrête, elle se lit comme du financement fournisseur. Et le produit au centre de la boucle est la seule chose de la chaîne qui perd sa rareté le plus vite.

Je garde ici la grille de lecture qualité d’entreprise, celle que Bill Ackman reconnaîtrait : détenir des franchises défendables et génératrices de trésorerie, et refuser de payer le prix d’un rêve pour une histoire. Un laboratoire de frontière aujourd’hui, c’est une société au flux de trésorerie disponible négatif, un produit dont le prix plancher est fixé par un téléchargement chinois gratuit, et un bilan tressé avec ses propres fournisseurs. C’est le profil qu’un investisseur devrait être le plus lent à acheter avec une prime de marché privé, aussi bonne que soit la technologie, et la technologie est réellement extraordinaire. L’institut d’Anthropic écrit lui-même que son modèle « est passé de très utile à surhumain en moins d’un an ». Les deux choses sont vraies en même temps : la capacité est réelle, et l’activité qui la vend se banalise. Un investisseur est payé pour le second fait, pas pour le premier.

Où se trouve la valeur durable

Détenir la contrainte en dessous, et laisser l’abstraction au-dessus devenir bon marché. C’est la même conclusion que celle à laquelle j’étais arrivé par le versant du calcul, atteinte cette fois par le versant du modèle, ce qui est en général un signe qu’elle est juste. Quand le modèle devient un service de base, l’argent revient à celui qui fournit les intrants rares sur lesquels le service tourne : les puces, les sociétés qui fabriquent les machines qui rendent les puces possibles, la couche optique et réseau, et surtout la production d’électricité et le réseau. Un gigawatt de calcul se traduit par environ USD 10 milliards de revenu annuel pour celui qui le fournit, selon les propres calculs d’OpenAI. Ce chiffre se moque de savoir quel modèle gagne. Il est payé que la frontière soit une API payante de San Francisco ou un téléchargement gratuit de Pékin.

La couche modèle se banalise. La couche en dessous, physique, soumise à permis, lente à construire, ne se banalise pas. Pour un investisseur généraliste, c’est l’endroit le plus propre pour détenir une exposition à l’IA : le péage sur la route plutôt que la voiture du mois. Le signal de sortie n’a pas changé par rapport à ce que j’ai déjà écrit. Guettez un vrai ralentissement des intentions de capex des hyperscalers : chantiers repoussés, commandes en pause, bascule de la construction de capacité vers la défense des marges. Les informations selon lesquelles une part significative des data centers américains prévus serait retardée ou annulée sont le premier point de donnée qui pourrait devenir ce signal. Il n’a pas encore basculé.

La liquidité qui tient l’ensemble

Rien de tout cela ne casse tant que la monnaie s’étend. Je veux être honnête sur ce qui maintient debout le financement circulaire. La masse monétaire large américaine croît d’environ 5.6% en glissement annuel, une expansion, et le bilan de la Fed reste proche de USD 6’750 milliards. La politique est légèrement restrictive, les taux courts réels ne sont qu’à environ +0.2%, et la courbe des taux est redevenue positive. Dans le cadre de Michael Howell, ce sont le refinancement et le collatéral, pas le niveau des taux, qui pilotent la liquidité mondiale, et cette marée monte, elle ne descend pas. C’est la liquidité qui monte qui permet à un fabricant de puces de financer un laboratoire qui finance un cloud qui achète les puces, et au marché d’appeler la boucle un cercle vertueux.

La banalisation que je décris est donc un fait structurel qui travaille sous un contexte de liquidité porteur. L’économie des laboratoires de frontière s’érode dans tous les cas. Que cette érosion prenne la forme d’une repricing douce ou brutale dépend de la liquidité. Un coup d’arrêt de la croissance monétaire, ou un coup d’arrêt du capex des hyperscalers, voilà ce qui transforme une compression lente en compression rapide. Je tiens ce timing pour un risque à surveiller, pas pour une prévision.

La taxe sur les tokens

Le prochain fossé défensif sera écrit dans la loi. Voici la partie que les marchés ne pricent pas du tout à mon sens, et la raison pour laquelle j’écris maintenant plutôt que dans six mois. Quand l’économie privée d’une technologie s’effondre, les entreprises qui perdent leur fossé l’acceptent rarement en silence. Elles en cherchent un nouveau. L’endroit le plus fiable pour trouver un fossé que le code ne peut pas dissoudre, c’est la réglementation.

En avril, j’ai parcouru un article académique frappant, « The AI Layoff Trap » de Falk et Tsoukalas, dont la conclusion était que seule une taxe pigouvienne sur l’automatisation pouvait corriger entièrement les dégâts que les entreprises pressées de remplacer leurs salariés imposent à tous les autres. Une taxe pigouvienne fixe simplement la taxe au niveau du tort qu’une activité cause aux personnes extérieures à la transaction, comme on taxe la pollution pour que l’usine ressente le coût de la boue qu’elle déverse dans la rivière. Je trouvais l’argument sérieux à l’époque et je le trouve toujours. Ce que je n’avais pas explicité, c’est qui en profite si cette idée devient une politique publique.

Une taxe sur l’usage de l’IA, un prélèvement par token, un régime de licences de sécurité, un audit obligatoire avant déploiement, serait vendue au public comme une protection des travailleurs et l’encadrement d’une technologie dangereuse. Elle ferait peut-être même un peu de tout cela. Mais regardez l’effet de second ordre. Un coût fixe de conformité, licences, audits, prélèvement par token, frappe le plus durement le concurrent dont le produit est par ailleurs gratuit. Un modèle à poids ouverts gratuit, au prix de USD 0 mais avec une facture de conformité obligatoire de USD 10 millions, n’est plus gratuit. Les laboratoires de frontière, dont le pouvoir de prix est dissous précisément par ces modèles gratuits, ont toutes les incitations à aider à écrire cette règle. C’est la capture réglementaire : les entreprises qu’une règle est censée contraindre finissent par la rédiger de sorte qu’elle les protège. Une politique vendue comme un frein à l’IA devient le fossé défensif que la technologie venait de leur retirer.

Cette bataille est un événement distinct et priçable, et je veux la traiter comme un nœud à part entière plutôt que comme un bruit de fond. Elle se comporte comme un interrupteur de politique publique qui se propage à travers de nombreux actifs d’une manière qu’on peut positionner à l’avance, comme le marché a appris à trader le choc iranien par les termes de l’échange plutôt que comme un risque vague. Une taxe sérieuse sur les tokens élargirait l’écart entre la couche infrastructure, qui est payée dans tous les cas, et la couche application, qui paie le prélèvement. Elle serait discrètement haussière pour les laboratoires en place qu’elle vise en apparence, et baissière pour la longue traîne de petites sociétés natives de l’IA construites sur des modèles ouverts bon marché. Et elle arriverait habillée en protection du consommateur, ce qui la rendra difficile à voir venir.

Je tiens la direction de tout cela avec une conviction élevée et le timing avec une conviction basse. L’incitation à la capture réglementaire est structurelle et je suis convaincu qu’elle est là. Quand la première proposition sérieuse arrivera, et si elle passera devant un parlement, je ne peux pas le dire.

Ce que je surveille ensuite

Le signe révélateur sera la paternité du texte. Quand le premier cadre sérieux pour taxer ou licencier l’usage de l’IA apparaîtra, lisez qui l’a écrit avant de lire ce qu’il dit. Une proposition rédigée contre les laboratoires de frontière, plafonnant leurs prix ou forçant l’ouverture de leurs poids, pointe dans un sens. Une proposition que les laboratoires de frontière ont discrètement aidé à rédiger, pleine de planchers de conformité qu’un téléchargement gratuit ne peut pas franchir, pointe exactement dans l’autre sens, et elle portera le langage de la sécurité en le faisant. Même gros titre, trade opposé.

Cette question de la paternité est tout le sujet. Kimi K3 nous a dit que le modèle devient une commodité. Le prochain chapitre dira si l’industrie laisse la commodité rester bon marché, ou si elle va devant un parlement racheter le fossé défensif que le code lui a repris. Je lirai les petites lignes, pas le communiqué de presse.

Recherche et commentaire de marché destinés à un lectorat généraliste, pas un conseil en placement personnalisé. Plusieurs chiffres sont des fourchettes rapportées ou des ordres de grandeur de travail, signalés comme tels dans le texte, et doivent être vérifiés de manière indépendante avant toute décision.