Le chiffre est gigantesque : OpenAI prévoit environ 278 milliards de dollars de flux de trésorerie disponible négatif cumulé entre 2026 et 2030.[1][2]
Pourtant, un utilisateur peut voir le même chiffre et se poser la question inverse :
Comment un particulier peut-il accéder à tout cela avec un simple abonnement mensuel ?
Recherche, rédaction, programmation, lecture de documents, comparaison d'options, prototypage, corrections, nouveaux essais et petites questions peuvent s'enchaîner dans la même interface.
Si chacune de ces tâches devait être confiée séparément à des humains, le coût de coordination deviendrait énorme avant même les honoraires.
Le changement n'est donc pas seulement « l'IA coûte moins cher ».
Il vient du fait que d'immenses capitaux de calcul sont mutualisés, que la taille minimale d'une tâche intellectuelle achetable s'effondre et que les coûts de transmission entre spécialités diminuent.
1. Les 278 milliards ne sont pas une perte comptable sur une seule année
Reuters, citant le Financial Times, a rapporté qu'OpenAI prévoit de consommer environ 278 milliards de dollars de trésorerie entre 2026 et 2030.[1][2]
Il s'agit d'une projection cumulée de flux de trésorerie disponible négatif sur cinq ans, et non d'une perte nette annuelle déjà enregistrée.
Selon le FT, les projections internes verraient le chiffre d'affaires passer d'environ 36 milliards de dollars en 2026 à environ 350 milliards en 2030, alors que les dépenses cumulées jusqu'à la fin de la décennie pourraient atteindre environ 856 milliards.[2]
L'histoire n'est donc pas simplement « il n'y a pas de clients ».
Elle ressemble davantage à ceci :
les revenus peuvent croître très vite, mais les dépenses de calcul, centres de données, énergie, réseaux et R&D encore plus vite.
On ne peut donc pas diviser le cash burn de toute l'entreprise par le nombre de conversations pour obtenir le coût d'un chat. L'investissement initial et le coût marginal d'une requête supplémentaire sont différents.
2. Pourquoi l'utilisateur peut tout de même recevoir une énorme valeur
En économie, l'écart entre ce qu'une personne serait prête à payer et le prix qu'elle paie réellement s'appelle le surplus du consommateur.
Si l'IA apporte peu de valeur chaque mois et coûte presque autant, le surplus est faible.
Si le même abonnement élimine beaucoup d'externalisation, d'attente, de répétition et d'occasions perdues, le surplus peut être très élevé.
Ce chiffre n'est pas le coût d'OpenAI.
Mais les abonnements IA favorisent ce type d'écart parce que des coûts fixes impossibles à porter seul sont mutualisés entre un très grand nombre d'utilisateurs.
Un particulier ne va pas entraîner un modèle de pointe, construire un cluster de GPU, connecter recherche et stockage, opérer sécurité, voix, image et mises à jour continues.
L'abonnement permet de louer une fraction de ce système lorsqu'on en a besoin.
C'est un peu comme utiliser l'électricité sans construire une centrale chez soi, sauf qu'ici la sortie est de la recherche, du texte, du code, des images et du raisonnement.
3. La rupture la plus importante concerne peut-être la taille minimale d'une externalisation
L'externalisation existait bien avant l'IA.
Mais confier une tâche à un humain impose des frictions fixes : trouver la personne, expliquer le but, fournir le contexte, définir le périmètre, attendre, vérifier, demander des corrections, puis transmettre le résultat au spécialiste suivant.
Personne ne va donc engager formellement un expert pour chaque tâche de cinq minutes.
« Vérifie seulement ce chiffre. » « Teste cette petite modification. » « Donne-moi trois variantes à partir de notre échange précédent. » « Annule cet essai raté et tente une autre voie. »
Le travail est petit, le processus de commande est grand.
L'IA change cela.
Le lot minimum de travail intellectuel devient minuscule.
La valeur n'est pas seulement de rendre un gros projet moins cher. Elle consiste aussi à rendre exécutables des dizaines ou centaines de microtâches auparavant trop petites pour être achetées séparément.
4. Moins de contexte se perd entre chercheurs, rédacteurs, programmeurs et chefs de projet
Les équipes humaines perdent du temps et de l'information à chaque transfert.
Le chercheur cherche. Le rédacteur reçoit un résumé. L'ingénieur reçoit une spécification. Le contrôle qualité détecte un problème. Quelqu'un reconstruit l'intention initiale.
Si un même environnement IA conserve le contexte de la recherche jusqu'à la rédaction, au code, à la vérification et à la révision, une partie du coût de coordination disparaît.
C'est pourquoi « une IA remplace cinq personnes » est une mauvaise mesure.
Le gain peut surtout venir de :
moins de transferts, moins d'explications, moins d'attente et moins de redémarrages de contexte.
C'est ainsi qu'un utilisateur intensif commence à voir le système comme un petit département de R&D.
5. Les gains de productivité apparaissent déjà dans les expériences
Une étude portant sur 5 179 agents de support client a trouvé une hausse moyenne de productivité d'environ 14% avec un assistant d'IA générative, avec des gains particulièrement élevés chez les travailleurs moins expérimentés et initialement moins performants.[3]
Une expérience randomisée avec 453 professionnels diplômés a montré que ChatGPT réduisait le temps nécessaire aux tâches de rédaction de 40% et augmentait leur qualité de 18%.[4]
Une expérience auprès de 758 consultants de BCG a trouvé que, pour les tâches situées dans la frontière de capacité de l'IA, les participants travaillaient plus de 25% plus vite et obtenaient des évaluations humaines supérieures de plus de 40%. En dehors de cette frontière, l'IA pouvait aussi accroître les mauvaises réponses.[5]
La conclusion n'est donc pas « l'IA multiplie tous les emplois ».
Mais pour certaines tâches adaptées et vérifiables, vitesse et qualité peuvent évoluer de façon significative.
6. L'utilisateur intensif achète une boucle, pas une réponse
L'utilisateur occasionnel achète des réponses.
L'utilisateur intensif achète une boucle :
question → recherche → hypothèse → brouillon → code → test → révision → stockage → question suivante.
L'avantage essentiel est le faible coût de redémarrage.
Une idée peut être testée immédiatement. Une piste ratée peut être remplacée. Le matériau d'hier peut être retravaillé aujourd'hui.
Les petites tâches qui mouraient auparavant parce que « ça ne vaut pas la peine de réexpliquer tout cela à quelqu'un » peuvent survivre.
Le retour sur investissement peut donc se mesurer en expériences rendues possibles, microtâches terminées, attentes éliminées, transferts supprimés et temps réduit entre idée et prototype.
7. L'histoire d'un plan à 500 dollars existe, mais ce n'est pas un prix officiel actuel
Au 25 septembre 2026, les informations officielles d'OpenAI indiquent ChatGPT Plus à 20 dollars par mois.[6]
Pro comporte des niveaux à 100 et 200 dollars. Les nouvelles inscriptions et mises à niveau vers 200 dollars sont temporairement suspendues depuis le 10 septembre, mais le Help Center décrit toujours ce niveau comme l'offre Pro la plus élevée.[7]
Le 24 septembre, le site tiers TestingCatalog a rapporté des références non publiées semblant décrire un « Pro Max » à 500 dollars par mois.[8]
La limite est importante :
au 25 septembre, OpenAI n'avait pas officiellement annoncé un abonnement ChatGPT actuel à 500 dollars.
Les références avant lancement peuvent changer ou ne jamais sortir.
Si un niveau aussi cher apparaît, un utilisateur professionnel intensif devra le comparer à la valeur réelle d'externalisation, de développement, d'attente et de coordination qu'il remplace.
8. Le prix de l'API n'est pas la comptabilité des coûts d'OpenAI
La page officielle de GPT-5.6 Sol affichait le 25 septembre un prix API de 4 dollars par million de tokens d'entrée et 20 dollars par million de sortie.[9]
Un gros utilisateur pourrait convertir son activité en prix de détail API et conclure que toute la différence constitue une perte pour OpenAI.
On ne peut pas le déduire.
Le prix API est un prix de vente, pas un coût marginal publié.
ChatGPT peut utiliser du routage, des modèles plus petits, du cache, des limites d'utilisation, une infrastructure partagée et d'autres optimisations. En parallèle, la projection de 278 milliards inclut de très gros investissements initiaux.
L'utilisateur doit plutôt mesurer sa propre alternative : combien coûteraient des humains, de l'externalisation, des outils et du temps pour produire le même résultat ?
Le coût du fournisseur et la valeur pour l'utilisateur sont deux nombres différents.
9. Conclusion : le grand effet de levier est la compression de l'organisation
Il n'y a aucune contradiction entre OpenAI dépensant des sommes gigantesques et un particulier ayant l'impression de payer peu.
L'entreprise et ses investisseurs financent une immense base de calcul partagée, puis des millions d'utilisateurs en louent une fraction.
Mais le changement le plus profond n'est pas seulement une intelligence moins chère.
La taille de l'organisation nécessaire pour exécuter une idée diminue.
Cinq minutes de recherche. Dix minutes d'édition. Vingt minutes de code. Trois minutes de comparaison. Reprendre immédiatement le travail d'hier. Changer de voie après un échec.
Le marché traditionnel de l'externalisation gère mal ces unités, car la coordination peut coûter plus cher que le travail.
L'IA les reçoit toutes par une seule porte.
Côté fournisseur : GPU, électricité, centres de données et financement brûlent des milliards.
Côté individu : un bouton d'abonnement appelle recherche, rédaction, programmation et itération.
Le capitalisme a commencé à louer aux particuliers des machines lourdes pour le travail intellectuel.
Voilà pourquoi une hausse de prix fait peur.
Références (9)
- Reuters, “OpenAI forecasts cash burn near $280 billion by 2030, FT reports,” 2026-09-18 reuters.com
- Financial Times, “OpenAI expects to burn $280bn by 2030,” 2026-09 ft.com
- Brynjolfsson E, Li D, Raymond LR. “Generative AI at Work.” NBER Working Paper 31161; published version in The Quarterly Journal of Economics, 2025 nber.org
- Noy S, Zhang W. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science. 2023;381(6654):187-192. doi:10.1126/science.adh2586 pubmed.ncbi.nlm.nih.gov
- Harvard Business School / BCG, “Navigating the Jagged Technological Frontier,” field experiment with 758 consultants aiinstitute.hbs.edu
- OpenAI Help Center, “What is ChatGPT Plus?”, checked 2026-09-25 help.openai.com
- OpenAI Help Center, “About ChatGPT Pro tiers,” checked 2026-09-25 help.openai.com
- TestingCatalog, “OpenAI prepares new $500/month Pro Max plan for ChatGPT,” 2026-09-24 testingcatalog.com
- OpenAI API, “GPT-5.6 Sol Model,” checked 2026-09-25 developers.openai.com
