Anthropic et OpenAI déclenchent une guerre des prix inédite dans l’IA

48 heures de folie dans l’IA générative

La séquence a débuté le 21 septembre avec xAI qui dévoilait Grok 4.7, suivi quelques heures plus tard par Xiaomi et son MiMo v2.6 Flash/Pro. Mais personne n’était préparé à ce qui allait suivre.

Le 22 septembre, Anthropic ouvre le bal en annonçant Claude Opus 5.5, présenté comme atteignant le niveau de performance de Claude Fable 5.1 — son modèle phare — tout en coûtant 40% moins cher à exécuter qu’Opus 5. Selon l’entreprise, le modèle génère également des réponses 30% plus rapidement.

La réaction d’OpenAI ne se fait pas attendre. Quatre-vingt-dix minutes plus tard, le géant de San Francisco dévoile non pas un, mais deux nouveaux modèles : GPT-6 Sol et GPT-6 Luna. Le coup de massue vient de la grille tarifaire : Luna coûte 0,10$ par million de tokens en entrée et 0,50$ en sortie, soit exactement la moitié du prix de GPT-5.6 Luna. Sol suit la même logique avec des tarifs de 2$ et 10$ par million de tokens, là encore divisés par deux.

« C’est la journée la plus intense que j’aie vue dans l’industrie depuis le lancement de ChatGPT », confie Simon Willison, analyste reconnu du secteur, sur son blog. « Il va falloir du temps pour évaluer correctement tous ces modèles, mais une chose est claire : les règles du jeu viennent de changer. »

De la course à la performance à la bataille des prix

Cette offensive simultanée marque un virage stratégique majeur. Pendant deux ans, de 2024 à 2026, l’industrie des LLM s’est concentrée sur la performance brute : qui aurait le modèle le plus intelligent, le plus capable, le plus impressionnant sur les benchmarks académiques ?

Désormais, la bataille se déplace sur le terrain du rapport qualité-prix. « GPT-5.6 Luna était déjà mon modèle favori pour construire des applications, car il combinait d’excellentes performances avec un prix vraiment bas », explique Willison. « D’une manière ou d’une autre, GPT-6 Luna coûte moitié prix de son prédécesseur. »

Les chiffres donnent le vertige. Selon les indices de Silicon Data, le coût moyen de traitement d’un million de tokens a chuté de 88% depuis mars 2023. Certains benchmarks montrent même des capacités comparables disponibles à un prix 280 fois inférieur à celui d’il y a trois ans.

Cette compression des prix s’explique par plusieurs facteurs convergents. D’abord, les avancées en efficacité algorithmique : distillation de modèles, quantization, optimisation de l’inférence. Ensuite, la pression concurrentielle croissante avec l’arrivée d’acteurs chinois comme DeepSeek, Alibaba (Qwen) ou Moonshot (Kimi) qui proposent des modèles open-weight performants à coûts réduits.

Le timing révélateur d’une stratégie de guerre

L’intervalle de 90 minutes entre les annonces d’Anthropic et d’OpenAI ne doit rien au hasard. Cette tactique, baptisée « thunder stealing » dans la Silicon Valley, consiste à laisser le concurrent annoncer en premier, puis à éclipser immédiatement son annonce avec une offre plus agressive.

Apple l’a utilisée contre Samsung pendant des années. Microsoft contre Google. Aujourd’hui, c’est au tour d’OpenAI de l’employer contre Anthropic. Le message est clair : « Vous baissez vos prix ? Nous les divisons par deux. »

Cette chorégraphie révèle un niveau de surveillance mutuelle intense. Les acteurs gardent manifestement des modèles « prêts à lancer » qu’ils déploient stratégiquement en fonction des mouvements de la concurrence. La cascade d’annonces (Grok et MiMo la veille, Claude et GPT-6 le lendemain) suggère que l’industrie vit désormais dans un état d’instabilité permanente.

« Aucune entreprise ne peut plus planifier sereinement sur ce marché », analyse un responsable technique d’une scale-up parisienne sous couvert d’anonymat. « Les règles changent toutes les 24 heures. Il faut construire une architecture flexible, multi-modèles, sinon vous êtes mort. »

Trois modèles, trois positionnements

Que sait-on précisément de ces nouveaux modèles ? Claude Opus 5.5 se positionne comme le nouveau « cheval de bataille » d’Anthropic pour les tâches professionnelles complexes. Selon l’entreprise, il surpasse Fable 5.1 sur neuf benchmarks clés, du codage agentique (89,9% sur SWE-bench Pro) aux tâches multidisciplinaires (1 846 points Elo sur GDPval-AA v2.1).

Côté OpenAI, la stratégie est différente : deux modèles pour deux usages. GPT-6 Sol vise les « workflows complexes de codage et d’agents », avec un équilibre entre performance et coût. GPT-6 Luna cible les « tâches focalisées et à haut volume », privilégiant la rapidité et l’efficacité économique.

Les trois modèles partagent une fenêtre de contexte d’environ 1 million de tokens et supportent les entrées texte et image. Ils intègrent également les avancées de leurs prédécesseurs en matière d’utilisation d’outils (function calling), de recherche web et de « computer use » — la capacité à interagir directement avec des interfaces logicielles.

Les gagnants et les perdants de cette guerre

À court terme, les développeurs et les entreprises sont les grands gagnants. Une startup qui dépensait 1 000€ par mois en API GPT-5.6 Luna peut désormais obtenir les mêmes capacités pour 500€ avec GPT-6 Luna. Pour une PME, c’est la différence entre « trop cher » et « abordable ».

Les secteurs qui automatisent massivement (service client, analyse de documents, génération de contenu) vont connaître une accélération brutale. L’argument du coût, qui freinait l’adoption, vient de s’effondrer.

Mais à moyen terme, la viabilité économique des acteurs pose question. Anthropic et OpenAI ont levé des milliards de dollars avec la promesse de marges confortables. Une guerre des prix prolongée érode ces marges et met en péril les modèles économiques.

Les acteurs de second rang (Cohere, AI21 Labs, Mistral en Europe) sont les plus vulnérables. Sans les ressources financières des géants, ils ne peuvent pas suivre cette course au prix le plus bas. Les analystes prévoient une vague de consolidation d’ici 12 à 18 mois : rachats, fusions, ou tout simplement disparitions.

« C’est exactement ce qui s’est passé dans le cloud computing entre 2010 et 2015 », rappelle un investisseur spécialisé dans l’infrastructure. « Tout le monde s’est lancé, les prix ont chuté, et seuls AWS, Azure et GCP ont survécu. L’histoire se répète. »

L’énigme Xiaomi et l’arrivée des fabricants de hardware

Un élément moins commenté mais potentiellement décisif : l’entrée de Xiaomi dans la course avec MiMo v2.6. Le géant chinois, connu pour ses smartphones et son écosystème IoT, développe désormais ses propres modèles de langage.

Ce n’est pas un cas isolé. Apple travaille sur ses modèles propriétaires. Samsung également. Google a déjà intégré Gemini dans Android. La logique est implacable : qui contrôle le modèle contrôle l’expérience utilisateur — et surtout, les données.

Cette tendance annonce une fragmentation du marché. Plutôt qu’un écosystème universel où tout le monde utilise GPT ou Claude via API, on se dirige vers un monde où chaque device aura son IA propriétaire. Un iPhone utilisera les modèles Apple, un smartphone Xiaomi utilisera MiMo, un appareil Samsung utilisera les modèles Samsung.

Pour les développeurs, c’est un cauchemar en perspective : gérer des incompatibilités, des lock-ins, des APIs différentes. Mais c’est aussi une opportunité pour les outils d’abstraction et d’orchestration multi-modèles.

Questions en suspens et zones d’ombre

Malgré le déluge d’annonces, plusieurs questions restent sans réponse. D’abord, la performance réelle de ces modèles. Les benchmarks officiels sont une chose, les retours d’expérience des utilisateurs en sont une autre. Simon Willison le souligne : « Il faudra des semaines pour avoir une lecture claire de ces modèles. »

Ensuite, la durabilité de ces prix. S’agit-il de tarifs pérennes ou d’une stratégie de « land grab » financée par les investisseurs, vouée à augmenter une fois le marché capturé ? L’histoire de l’industrie tech (Uber, WeWork, etc.) incite à la prudence.

Enfin, une énigme technique intrigue la communauté. Dans les discussions sur Hacker News à propos de Grok 4.7 et MiMo v2.6, des développeurs font référence à des « pelicans » sans plus d’explication. S’agit-il d’un benchmark informel, d’une capacité spécifique, d’un inside joke ? Cette opacité révèle un scepticisme croissant envers les communications marketing des éditeurs. La communauté développe ses propres tests, ne faisant plus confiance aux seules annonces officielles.

Vers une commoditisation de l’intelligence artificielle ?

Cette guerre des prix accélère un phénomène inévitable : la commoditisation de l’IA générative. Comme le stockage cloud avant elle, l’intelligence artificielle devient un « utility », un service de base dont le prix tend vers zéro.

C’est une bonne nouvelle pour l’adoption massive et la démocratisation de la technologie. Mais c’est un défi existentiel pour les acteurs qui ont investi des milliards dans le développement de ces modèles. Si la différenciation ne peut plus se faire sur la performance pure ni sur le prix, où se fera-t-elle ?

Plusieurs pistes émergent : la spécialisation verticale (IA pour la santé, le droit, la finance), l’intégration dans des écosystèmes propriétaires (Apple, Google, Xiaomi), ou encore la monétisation des données et des outils d’orchestration plutôt que des modèles eux-mêmes.

La réponse à cette question déterminera qui, parmi les acteurs actuels, sera encore là dans cinq ans. Et surtout, qui aura réellement gagné cette guerre des prix.

Ce qu’il faut surveiller dans les prochains mois

Plusieurs signaux permettront de comprendre où va ce marché turbulent. D’abord, la réaction de Google (Gemini) et Meta (Llama) : vont-ils suivre le mouvement ou adopter une stratégie différente ?

Ensuite, les benchmarks indépendants qui vont comparer objectivement Claude Opus 5.5, GPT-6 Sol/Luna, Grok 4.7 et MiMo v2.6 sur des cas d’usage réels. Les chiffres officiels sont une chose, la performance en production en est une autre.

Enfin, les premiers signes de consolidation : rachats, fermetures, pivots stratégiques. Le marché compte actuellement des dizaines d’acteurs. Combien en restera-t-il dans un an ?

Une certitude : l’IA n’a jamais été aussi accessible, puissante et bon marché. Mais cette abondance cache une fragilité structurelle. Comme l’écrit un observateur sur Hacker News : « Les tokens sont moins chers, mais ma facture d’IA continue d’augmenter. » Parce que l’usage explose plus vite que les prix ne baissent. Et c’est peut-être là que se trouve la vraie bataille : celle de l’adoption à grande échelle.