Epoch AI vient de mesurer le coût du « raisonnement » de l’IA, et la chute est la plus rapide que toute technologie transformative n’ait jamais connue. Epoch est un institut de recherche indépendant qui suit l’évolution de l’IA à l’aide de ses propres données : performances des modèles, coût d’entraînement, puces et centres de données. Dans le rapport du 22 septembre, Luke Emberson et David Roodman ont analysé le coût nécessaire pour atteindre un même niveau de performance sur cinq benchmarks (mathématiques, sciences exactes et jeux de compétence) sur une période d’environ trois ans. Le chiffre central : depuis 2023, le coût d’un niveau donné de performance a chuté d’environ 47 % par trimestre. Cela équivaut à une réduction de 13 fois par an. En comparaison historique, cela représente quatre fois plus rapide que le séquençage de l’ADN, six fois plus rapide que l’informatique, 18 fois plus rapide que les batteries au lithium et 54 fois plus rapide que l’électricité depuis le début du siècle jusqu’en 1973. Les preuves suggèrent que ce rythme existait déjà depuis au moins novembre 2021, lorsque OpenAI a ouvert entièrement l’API de GPT-3. Le 31 janvier 2025, o3 d’OpenAI obtenait 75 % au GPQA Diamond (un examen à choix multiples de niveau doctorat en physique, chimie et biologie) pour environ 30 cents par question. Moins de 18 mois plus tard, GPT-5.6 Luna atteint le même résultat pour quatre centièmes de centime (0,0004 $). Une chute de 725 fois. Epoch compare cela au prix d’une voiture neuve tombant de 50 000 $ à 69 $. La vitesse varie selon le domaine : plus lente dans les puzzles de jeux (39 % à 43 % par trimestre), plus rapide en mathématiques (50 % à 52 %). Et le prix chute davantage juste après qu’un niveau devient le meilleur en vigueur. En moyenne sur les cinq principaux benchmarks, la chute est de 66 % par trimestre (75 fois par an) lors du lancement du nouvel état de l’art ; deux ans plus tard, la moitié de ce taux, soit 32 % par trimestre (4,7 fois par an). Leur hypothèse : au départ, les laboratoires facturent un premium, puis la concurrence ouverte et fermée fait chuter les prix. Ils mentionnent eux-mêmes les limites. Les laboratoires pourraient entraîner excessivement pour les benchmarks. Réussir un examen n’est pas un travail utile. L’utilisateur réel ne reste pas toujours sur le modèle le moins cher à la pointe. La fenêtre d’analyse ne couvre que trois ans. On peut extraire cette moyenne des données de plusieurs manières. Pour la pile IA, la lecture est claire : une capacité qui était premium hier devient rapidement une marchandise, et ce qui déclenche l’adoption de masse, c’est le coût par tâche, pas seulement le nouveau modèle. Pour ceux qui vendent des API, un profit anormalement élevé sur un modèle spécifique semble passager. Epoch affirme elle-même que c’est à la fois la cause et la conséquence de la course. Sur leur graphique, la bataille la plus féroce près du sommet apparaît principalement entre les modèles fermés. Pour l’investisseur, la marge d’inférence se comprime. Ce qui compte, c’est celui qui gagne en volume et celui qui reste un trimestre en avance sur le coût, pas la narration d’un modèle éternel. Le premium d’être le moins cher au sommet disparaît rapidement. Le coût des puces et de l’énergie a augmenté. Celui du « raisonnement » s’est allégé.