Il y a dix-huit mois, GPT-4 coûtait environ 30 dollars pour un million de tokens en entrée. Aujourd’hui, les modèles flagship d’OpenAI et d’Anthropic tournent en dessous de 3 dollars pour le même volume — et leurs petits frères vont encore dix fois plus bas. En moins d’un an, les deux leaders du marché ont taillé dans leurs prix d’API entre 50 et 80%. Pas progressivement : en quelques coups de ciseaux brutaux.
Pour un développeur qui intègre de l’IA dans ses projets, ce sont de bonnes nouvelles. Des appels d’API qui coûtaient trop cher pour être viables en production deviennent soudainement économiques. Des fonctionnalités qu’on repoussait à plus tard — résumé automatique, extraction d’entités, génération de contenu à la volée — passent dans la colonne « pourquoi pas maintenant ».
Mais cette générosité mérite qu’on creuse un peu. Les entreprises qui brûlent des milliards en R&D et en infrastructure ne bradent pas leurs services par altruisme. Il y a une mécanique industrielle derrière cette baisse, et quelques questions à se poser avant de se précipiter sur l’API la moins chère du marché.
TL;DR — OpenAI et Anthropic ont réduit leurs prix d’inférence de 50 à 80% en moins d’un an. Trois moteurs expliquent ça : les progrès hardware, les optimisations logicielles, et la pression des modèles open source. Pour les devs, c’est le moment de revoir ses budgets — mais aussi de réfléchir au vendor lock-in avant de tout construire autour d’une seule API.
Les chiffres qui donnent le vertige
Pour comprendre l’ampleur du mouvement, quelques repères. En 2024, GPT-4 Turbo coûtait 10$/million de tokens en entrée, 30$ en sortie. Début 2026, GPT-4o tourne sous 2,50$/million en entrée. Les modèles « mini » poussent encore plus loin : GPT-4o mini tourne à environ 0,15$ le million de tokens en entrée — soit une division par 66 par rapport au flagship de deux ans plus tôt. Claude Haiku d’Anthropic suit la même trajectoire.
Ce qui est frappant, ce n’est pas seulement l’amplitude de la baisse — c’est sa vitesse. Des réductions de 50% arrivent désormais en quelques mois, parfois sans annonce préalable. OpenAI a multiplié les baisses successives sur ses modèles phares, et Anthropic a suivi sur l’ensemble de la gamme Claude. Les deux acteurs se regardent, et quand l’un bouge, l’autre répond dans les semaines qui suivent.
Les fournisseurs d’inférence alternatifs — Together AI, Fireworks, Groq, Cerebras — alimentent aussi cette pression. Sur des modèles open source comme Llama 3.3 70B ou Mistral Large, les prix sont souvent encore inférieurs à ceux des APIs propriétaires, ce qui oblige OpenAI et Anthropic à s’aligner ou à justifier leur premium par des performances mesurables. Et ce premium se justifie de moins en moins souvent.
Trois raisons pour lesquelles les prix s’effondrent
La première raison est matérielle, littéralement. Les GPU de nouvelle génération — H200 puis Blackwell B200 de NVIDIA — permettent un throughput d’inférence nettement supérieur à coût électrique comparable. Chaque génération de silicium fait baisser le coût par token mécaniquement. Ce n’est pas différent de l’évolution du stockage sur vingt ans : le prix au gigaoctet ne faisait que tomber, et il tombait vite.
La deuxième raison est logicielle. Les techniques d’optimisation d’inférence ont explosé en maturité : speculative decoding, quantification des poids (INT4, INT8), continuous batching. Des frameworks comme vLLM ou TGI (Text Generation Inference) permettent de servir beaucoup plus de requêtes avec la même puissance de calcul. Ces gains d’ingénierie système se retrouvent in fine dans les prix affichés.
La troisième raison, c’est le volume pur. Avec des millions de développeurs qui font tourner des requêtes en continu, les labs amortissent leurs coûts fixes sur une base beaucoup plus large. C’est la logique classique de tout fournisseur de cloud : plus tu vends, plus tu peux baisser ton prix unitaire. La question ouverte, c’est de savoir si ces marges sont déjà là, ou si on est encore dans du déficit consenti pour acheter des parts de marché.
DÉCOUVREZ NOS RÉALISATIONS
My Nounou
Application PWA de mise en relation parents / assistantes maternelles. Planning, cahier de liaison, generation de contrats et fiches de…
Voir le projet →L’open source, le catalyseur qu’on sous-estime
Llama 3.3 70B servi via Together AI tourne à environ 0,18$/million de tokens en entrée. C’est moins cher que GPT-4o mini. Et pour de nombreuses tâches de classification ou d’extraction, la qualité est comparable. Le marché de l’inférence se commoditise pour de vrai.
Quand Meta publie Llama 3.3 et que des providers le servent à des prix cassés, ça crée une pression tarifaire directe sur les modèles propriétaires. Les devs qui n’ont pas absolument besoin de GPT-4o peuvent switcher. Et OpenAI le sait très bien. Cette concurrence par le bas est probablement le facteur le plus puissant dans la compression des marges observée ces derniers mois.
Mistral joue aussi son rôle. Le lab parisien propose des modèles solides à des tarifs agressifs, et Mistral Large reste régulièrement cité comme alternative crédible à Claude Sonnet pour une grande variété de cas d’usage. Cette compétition européenne force les leaders américains à revoir leur grille tarifaire bien plus vite qu’ils ne l’auraient fait dans un marché captif.
Dans deux ans, le coût d’inférence ne sera plus une variable dans le calcul de faisabilité d’un projet IA. Comme le coût du stockage aujourd’hui. Ce qui restera différenciant, c’est ce qu’on construit avec — pas ce qu’on paie par token.
Ce que ça change concrètement pour tes projets
La conséquence directe, c’est que des cas d’usage non viables économiquement l’année dernière le deviennent aujourd’hui. Exemple concret : un système de résumé automatique de documents pour une PME, qui traite 50 000 pages par mois à 500 tokens en moyenne. À 30$/million de tokens, ça coûtait 750$/mois. À 2,50$/million, on tombe à 62,50$. Le calcul de ROI change complètement.
Pour les applications sur mesure qui intègrent de l’IA, cette baisse ouvre des portes. Du RAG sur une large base documentaire, du suivi conversationnel avec historique long, de la classification à grande échelle — des fonctionnalités qu’on réservait aux budgets confortables deviennent accessibles à des projets plus modestes. C’est une vraie démocratisation technique, même si le mot est galvaudé.
Attention cependant au piège du « modèle le moins cher ». GPT-4o mini et Claude Haiku sont excellents pour des tâches spécifiques — classification, extraction structurée, résumé court — mais peuvent décevoir sur du raisonnement complexe ou de la génération longue. Le bon réflexe : tester les deux extrémités de la gamme avant de valider ton architecture, et tracker la qualité autant que le coût unitaire.
La stratégie qui se cache derrière la générosité
Attention au vendor lock-in. Une application construite autour des features spécifiques d’une API propriétaire — function calling avec un schéma particulier, system prompts non-portables, fine-tuning maison — coûte cher à migrer. Prévoir une couche d’abstraction dès le départ, c’est quelques heures de setup qui peuvent éviter des semaines de migration.
Une baisse de 80% ne se fait pas sans raison stratégique. Pour OpenAI et Anthropic, l’objectif est clair : maximiser l’adoption développeur, s’ancrer dans les stacks techniques, et créer une dépendance fonctionnelle avant que le marché ne mature davantage. C’est exactement la stratégie qu’AWS a appliquée dans les années 2010 avec S3 et EC2 : rends le service tellement bon marché que switcher devient douloureux.
Pour les startups en phase de construction, c’est particulièrement tentant. L’accès à des APIs puissantes à bas prix permet de construire des prototypes impressionnants très vite. Et puis le jour où les prix remontent — ou où un concurrent sort quelque chose de meilleur — migrer une application entièrement construite autour d’une API propriétaire spécifique est coûteux. Pas impossible, mais coûteux.
WESTCODE BY LEB
Studio web en Mayenne — On crée des outils numériques qui transforment
Ce n’est pas une raison de bouder ces APIs — elles sont objectivement bonnes. Mais c’est une raison de concevoir son application avec des couches d’abstraction claires. Un wrapper unifié sur plusieurs providers (LiteLLM, ou une interface maison minimaliste) te coûte quelques heures et peut te faire économiser des semaines de migration plus tard.
Mon avis : profites-en, mais construis solide
La baisse des prix des LLM est une bonne nouvelle, sans ambiguïté. Elle ouvre l’accès à des capacités qui étaient réservées aux projets bien capitalisés il y a encore dix-huit mois. Elle force aussi les acteurs du marché à continuer d’innover plutôt que de s’endormir sur des rentes de situation.
Mais attention à la corrélation inverse : quand tout le monde accède aux mêmes capacités au même prix, le facteur différenciant n’est plus l’accès — c’est l’usage. La vraie question n’est pas « combien coûte l’API » mais « qu’est-ce que tu construis avec, et est-ce que ça tient la route en production ». Les projets qui vont échouer en 2027 ne seront pas ceux qui ont payé trop cher leurs tokens — ce seront ceux qui ont livré de la médiocrité parce que l’inférence était bon marché et qu’on pouvait se permettre d’itérer n’importe comment.
Le pari que je ferais : d’ici deux ans, personne ne parlera plus du coût des tokens comme d’une contrainte projet. Comme on ne parle plus du coût du stockage S3. Ce qui restera sur la table, c’est la qualité de la donnée, la robustesse de l’architecture, et la pertinence réelle du cas d’usage. Autrement dit, les choses qui demandent de la réflexion — pas juste une carte bleue et un compte OpenAI.
