Le prix d’un jeton (token, l’unité de texte que facture un modèle) ne cesse de chuter. La location d’un GPU (processeur graphique) H100 devrait suivre la même pente, mais elle ne la suit pas. Les chiffres disponibles jusqu’en août 2026 montrent deux courbes qui s’écartent l’une de l’autre.
Un prix unitaire qui recule, un matériel qui garde sa valeur
Des données d’Ornn, de Silicon Data et de Bloomberg comparent un indice du prix des jetons au tarif de location des H100, la puce phare de Nvidia pour l’IA. Le premier recule de façon continue. Le second reste stable, voire augmente. La société de capital-risque a16z range ce régime sous une étiquette connue : un paradoxe de Jevons appliqué à l’IA.
William Stanley Jevons, économiste britannique, avait observé au XIXe siècle qu’un usage plus efficace du charbon ne réduisait pas la consommation de charbon, il l’augmentait. L’énergie coûtait moins cher, on lui trouvait donc de nouveaux emplois.
Quand chaque économie ouvre un nouvel usage
Prenons un fournisseur qui divise par deux le prix de ses jetons. Pour un usage donné, la facture du client est divisée par deux. Mais l’usage, lui, ne reste pas figé.
- À prix bas, des cas d’usage jusque-là trop coûteux deviennent rentables : agents, automatisation de tâches, nouvelles applications.
- Chaque nouvelle application consomme des jetons, et souvent beaucoup plus qu’une simple question posée à un chatbot.
- Le volume total de jetons grandit plus vite que le coût unitaire ne diminue.
Le fournisseur doit alors faire tourner davantage de calcul pour servir ce volume. Il loue plus de GPU, ou en achète plus, et la ressource reste rare. Un jeton moins cher n’allège pas la chaîne, il la sollicite davantage. Tant que la croissance du volume dépasse la baisse des prix, le matériel garde sa valeur.
Humains ou agents : qui consomme ces jetons
La part de la demande qui vient d’utilisateurs humains, par rapport à celle générée par les systèmes eux-mêmes, n’est pas clairement établie. Or l’IA agentique, c’est-à-dire des programmes qui enchaînent seuls des dizaines d’appels à un modèle pour mener une tâche, brûle des jetons à un rythme sans commune mesure avec un usage conversationnel.
Imaginez un agent chargé de trier une boîte mail : il lit, reformule, relit, vérifie, et chaque étape se facture. L’humain a posé une seule demande, la machine en a produit cinquante. Si une partie de la croissance vient de ces boucles, la demande de calcul peut être gonflée artificiellement. À l’inverse, une hausse même modeste de l’activité humaine suffirait à déclencher des besoins matériels très importants, puisque chaque geste humain en entraîne beaucoup côté machine.
Personne ne sait dire aujourd’hui quelle part de cette demande est solide et laquelle relève de l’amplification. Le prix des jetons et celui des GPU se mesurent. L’origine de l’usage, non.
Nvidia, mémoire, énergie, cloud : tous sur la même trajectoire
Le système repose sur une seule condition : l’usage de l’IA doit croître assez vite pour compenser la baisse du prix des jetons. C’est le scénario idéal pour Jensen Huang, le patron de Nvidia : les clients paient le jeton moins cher, mais achètent bien plus de calcul.
Si cette condition tient, tout le monde en profite : fabricants de puces, fournisseurs de mémoire, énergéticiens, entreprises de cloud. Si la demande se tasse, ces mêmes maillons encaissent le choc ensemble, parce qu’ils ont investi sur la même trajectoire. Les marchés boursiers en ont donné un avant-goût : les actions américaines ont reculé après des rapports suggérant que le revenu annualisé d’OpenAI pourrait être inférieur aux indications précédentes. Une simple inquiétude sur un chiffre a suffi à les faire tressaillir.
Certains observateurs vont jusqu’à estimer que les marchés pourraient s’effondrer si la demande venait à se stabiliser. C’est une hypothèse, pas un constat, mais elle dit à quel point l’équilibre actuel dépend d’une courbe qui doit rester ascendante.
Compter les jetons par tâche accomplie
Pour une équipe qui construit sur des modèles, la baisse des jetons est réelle et profite à usage constant. Mais si elle sert à déployer des agents, la consommation peut dépasser largement l’économie réalisée. Suivre le nombre de jetons par tâche accomplie, plutôt que le seul prix du jeton, évite de découvrir la dérive en fin de mois.
Côté infrastructure, la rareté des GPU ne disparaît pas parce que l’API devient bon marché. Réserver de la capacité, ou dépendre d’un fournisseur qui en réserve, reste un risque de disponibilité autant que de prix.
Aucun indice ne tranche encore la part de ces jetons qui répond à un besoin humain réel. Large, elle donne à toute la chaîne un socle ; étroite, elle la transforme en effet de levier.
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 17 évaluations
Faire appel à mes services →
