Le patron du déploiement d’OpenAI vient de poser un diagnostic qui dérange ses propres clients : le prix de l’intelligence artificielle s’est effondré. Pas baissé, effondré. Et si le calcul de base ne coûte presque plus rien, la question n’est plus quel modèle vous utilisez, mais qui sait l’intégrer dans vos processus.
C’est tout le sens du virage que prend OpenAI avec sa nouvelle filiale dédiée au déploiement.
Ce que dit le patron du déploiement d’OpenAI
Arnaud Fournier dirige depuis avril 2026 la technique de l’OpenAI Deployment Company, surnommée DeployCo en interne. La structure a été dévoilée en mai aux côtés de 19 partenaires : fonds d’investissement, intégrateurs et cabinets de conseil. Sa première acquisition vient d’Europe : le cabinet britannique Tomoro, qui apporte environ 150 ingénieurs de déploiement.
Le poste qu’il occupait porte un nom révélateur : Forward Deployed Engineer (ingénieur déployé chez le client, sur site). Sa thèse tient en une phrase : un modèle ou une API ne crée aucune valeur en soi. La valeur n’apparaît qu’une fois la technologie intégrée dans un processus métier, conforme à la réglementation et surveillable.
Autrement dit, OpenAI cesse de vendre un cerveau. Elle vend des mains pour l’installer.
OpenAI n’invente d’ailleurs rien : ce modèle de l’ingénieur embarqué vient de Palantir, et Anthropic mène la même bataille avec ses « Applied AI Engineers » et sa propre coentreprise de déploiement lancée en mai 2026.
Pourquoi le token ne portera bientôt plus la marge
Pendant deux ans, l’industrie a vécu sur une hypothèse simple : le modèle le plus puissant gagne, et on facture l’intelligence au token. Cette hypothèse se fissure. Quand le coût de l’intelligence chute aussi vite que le décrit Fournier, l’écart entre deux modèles concurrents se réduit, et la prime au « meilleur modèle » fond avec lui.
Reste alors une question très peu glamour : qui transforme cette intelligence quasi gratuite en gains mesurables ? La réponse n’est ni un poids de réseau de neurones ni un point de benchmark. C’est l’intégration : connecter le modèle aux données internes, le rendre conforme, le monitorer, le brancher sur les bons agents.
La marge migre. Elle quitte le token pour se loger dans l’ingénieur qui l’installe.
L’ingénieur sur site, nouveau goulot de la valeur
OpenAI a compris que ce maillon était aussi son meilleur capteur. Fournier décrit une boucle de retour précise : ses ingénieurs siègent à l’interface entre les équipes produit et recherche d’un côté, les clients de l’autre. Ils remontent les faiblesses des modèles repérées sur le terrain. Si la compréhension de documents pèche chez un client, l’information redescend vers la recherche, qui acquiert des données et corrige.
C’est ainsi qu’a été bâtie la solution pour la banque BBVA. Pour dissiper le soupçon : Fournier affirme qu’OpenAI n’entraîne pas ses modèles sur les données clients, sauf cas rares (demande explicite, partenariat de recherche encadré).
Le mouvement crée une zone grise assumée. OpenAI a aussi lancé une Frontier Alliance avec Accenture, Capgemini, BCG et McKinsey, ces mêmes cabinets qui peinent, de son propre aveu, à suivre le rythme de la technologie. Qui fait quoi entre les ingénieurs internes d’OpenAI et des consultants qui visent parfois les mêmes missions ? La frontière reste floue. Et ce flou n’est pas un détail : il dit que la bataille industrielle se joue désormais sur le déploiement, pas sur le modèle.
Le pari daté : 2027, l’intégration comme champ de bataille
Voici où mène cette trajectoire, si la chute des prix se confirme au rythme annoncé. D’ici 2027, l’avantage concurrentiel d’un fournisseur d’IA ne se mesurera plus à son classement sur un benchmark, mais à sa densité d’ingénieurs implantés chez les grands comptes. Ouvrir des sites à Paris, Londres et Munich, racheter Tomoro, s’allier aux cabinets : OpenAI ne construit pas une gamme de modèles, elle construit une force de déploiement.
Le pari se tient à deux conditions. D’abord que la croissance des usages réels suive, et la trajectoire de Codex, que Fournier décrit comme explosive, sert ici de preuve. Ensuite que les grandes entreprises acceptent de laisser entrer des ingénieurs du fournisseur au cœur de leurs processus, avec tout ce que cela implique de dépendance.
Côté entreprise, la conséquence est immédiate : cesser de comparer les modèles au point de benchmark près, et commencer à évaluer la capacité d’intégration, la conformité et le monitoring. C’est là que se gagnera ou se perdra le retour sur investissement.
Le point de bascule à surveiller est simple à formuler. Le jour où un grand groupe choisira son fournisseur d’IA non pour son modèle, mais pour ses ingénieurs déjà installés dans ses murs, la prophétie de Fournier sera devenue la règle. Ce jour-là, l’intelligence sera banalisée, et l’intégration, le seul produit qui compte.
