Meta a mis en place des tarifs réduits pour son nouveau modèle Muse Spark. Les utilisateurs qui acceptent de partager leurs invites et les sorties du modèle à des fins d'entraînement ultérieur peuvent réduire leur coût d'appel en moyenne d'environ 95 %. Cela transforme la question de la conservation des données utilisateur d'une option de confidentialité en un échange de prix explicite.
Les données partagées peuvent être échangées à bas prix
Selon les prix publiés par Meta, dans le cadre du forfait standard, les frais s'élèvent à 1,25 $ pour 1 million de tokens d'entrée ; dans le cadre du « prix contributeur », le prix descend à 0,10 $. L'écart de prix est plus important pour les tokens de sortie : 4,25 $ pour 1 million dans le forfait standard, contre 0,20 $ dans le forfait contributeur.
Cela signifie que les clients disposés à permettre à Meta d'utiliser leurs données d'interaction peuvent tester des agents de codage et d'autres applications d'agents à un coût nettement réduit. Meta indique dans ses informations tarifaires que ce niveau permet de réduire les barrières à l'entrée pour le développement de prototypes, les tests d'intégration et l'extension d'expériences, à condition que les clients acceptent que leurs données soient utilisées pour l'entraînement.
Les historiques d'utilisation réels ont plus de valeur
Pour les entreprises de grands modèles, les enregistrements d'utilisation réels deviennent de plus en plus importants, notamment pour les agents de codage et les outils d'agents plus larges. Selon Mario Zechner, développeur de l'outil open source Pi, cité par TechCrunch, une amélioration notable des capacités des agents de codage au milieu de l'année 2025 est liée au fait que Claude Code enregistre par défaut les sessions et les utilise pour l'entraînement par apprentissage par renforcement.
Au fur et à mesure que les fabricants de modèles orientent leur attention vers des flux de travail spécialisés au-delà de l'ingénierie logicielle, l'accès à ces données devient plus difficile. De nombreux processus d'entreprise sont plus complexes et laissent moins de traces numériques traçables, ce qui limite l'évaluation et l'itération des modèles.
Les entreprises accordent plus d'importance à la conservation des données.
Le professeur d'informatique à l'Université de Princeton, Arvind Narayanan, indique que les signes actuels montrent que les grandes entreprises sont généralement réticentes à permettre l'utilisation de leurs données pour l'entraînement de modèles. Il souligne que, malgré le fait que les offres d'abonnement destinées aux consommateurs soient souvent 10 à 20 fois moins chères, de nombreuses entreprises optent néanmoins pour les versions entreprises facturées au token, principalement en raison des exigences en matière de conservation des données et de gouvernance informatique d'entreprise.
Meta a également rencontré des résistances dans l'acquisition de données d'entraînement. Selon les rapports, l'entreprise a promu plus tôt cette année un projet visant à suivre l'utilisation des ordinateurs par les employés, mais il a suscité des critiques internes et a été suspendu en juin. Concernant le nouveau modèle de tarification de Muse Spark, Meta n'a pas répondu à la demande de commentaire de TechCrunch.
Les modèles de pointe continuent de mener une guerre des prix
Ce prix reflète également le fait que la concurrence entre les fabricants de modèles de pointe se déplace vers une structure de coûts plus fine. La veille, Anthropic a lancé les nouveaux modèles Fable et Mythos et a réduit le coût de traitement des tokens mis en cache. OpenAI a également effectué une baisse significative des prix pour ses derniers modèles fin juillet.
Dans un contexte où les capacités des modèles se rapprochent, les prix, les modes d'accès aux données et les exigences de gouvernance des clients entreprises deviennent de nouveaux facteurs de compétition pour les plateformes IA.