Cela pourrait-il marquer le début d’une crise pour les économies de jetons ?

Dans le dernier épisode du podcast Equity de TechCrunch, Kirsten Korosec, Sean O’Kane et moi avons examiné en quoi ces ajustements de prix pourraient affecter l’ensemble de l’industrie de l’intelligence artificielle. Alors qu’Anthropic et d’autres grandes entreprises spécialisées dans l’IA se préparent à entrer en bourse, des questions sur leur rentabilité émergent, ce qui pourrait entraîner des hausses de prix similaires ainsi que davantage de restrictions d’utilisation, les entreprises cherchant à maîtriser leurs dépenses.

Sean a soulevé une question cruciale : « Ces équipes de développement d’IA parviendront-elles à réduire leurs coûts tout en faisant suffisamment progresser la technologie pour répondre à la volonté des clients d’investir ? »

Kirsten a souligné que ce phénomène met également en évidence l’évolution extrêmement rapide des tendances. En seulement quelques mois, les entreprises sont devenues obsédées par le maximisation de l’utilisation des tokens avant de renoncer à cette approche en raison des coûts élevés qu’elle engendrait. Alors que les sociétés d’IA préparent leurs dossiers de demande d’introduction en bourse, elle s’est demandé : « Comment peuvent-elles documenter avec précision ces risques alors que tout change constamment sous nos yeux ? »

Continuez à lire pour découvrir un extrait de notre discussion, adapté pour plus de concision et de clarté.

Anthony Ha : Lorsque nous planifiions cet épisode, Sean, vous avez décrit la situation actuelle comme une « Tokenpocalypse ». J’aimerais entendre votre avis plus en détail sur ce terme, surtout compte tenu de la décision de Microsoft d’augmenter le prix par token pour GitHub Copilot au lieu d’appliquer un tarif forfaitaire.

L’ensemble de l’écosystème de l’IA dépend fortement des financements investis, ce qui signifie que de nombreux services qui semblent gratuits sont en réalité très coûteux. À présent, alors que davantage de ces coûts commencent à être transférés aux consommateurs finaux, il faudra observer comment cela influencera le comportement des consommateurs. Bien que les conséquences exactes restent floues, cela risque de provoquer un grand malaise chez les utilisateurs.

Sean O’Kane : Il est intéressant de se demander combien de risques liés aux tokens apparaîtront dans le dossier S-1 d’Anthropic. J’ai souvent abordé cette question dans cet émission, car nous constatons régulièrement des schémas similaires — par exemple, Uber a d’abord affirmé avoir dépassé rapidement son budget consacré à l’IA en un mois et demi, avant de décider que les coûts étaient trop élevés et de devoir imposer des limites d’utilisation dans toute l’entreprise.

Ce revirement rapide est préoccupant. Il soulève la question de savoir si ces équipes de développement d’IA parviendront à réduire leurs coûts tout en faisant suffisamment progresser la technologie pour correspondre à la capacité d’investissement des clients.

Il convient également de réfléchir à ChatGPT Plus, dont le prix initial était de 20 dollars par mois sans stratégie claire derrière ce montant. Les gens continuent de payer plus cher pour des versions de niveau supérieur, mais même ces prix ne couvrent pas vraiment les coûts réels. Cela reste l’un des plus grands défis dans ce domaine.

Kirsten : Tout cela montre à quel point les choses évoluent rapidement. La tendance à maximiser l’utilisation des tokens a atteint son apogée en six mois et est désormais perçue négativement. Comme vous l’avez mentionné, la structure de tarification a été établie avant que les modèles économiques des entreprises d’IA ne soient pleinement définis.

En même temps, les gouvernements tentent de suivre ce rythme d’évolution. Cette semaine, le président Trump a signé un décret exécutif permettant au gouvernement d’examiner les modèles d’IA puissants, bien que cette mesure couvre seulement un champ restreint. Le rythme de changement que je constate est sans précédent.

C’est pourquoi j’ai hâte de voir les documents de demande d’introduction en bourse S-1, car ils révéleront d’importants facteurs de risque. Il est difficile de documenter les risques lorsque ceux-ci évoluent constamment au quotidien.

Anthony : Uber constitue un exemple intéressant, Sean. Bien qu’elle ait fait l’objet de critiques pour ses dépenses élevées en matière d’IA, elle montre également que les entreprises peuvent surmonter leurs difficultés financières avec le temps en développant leurs activités et en les étendant. Diverses branches commerciales ont dû être créées, et à la fois les clients et les chauffeurs ont été soumis à des pressions, mais ces efforts ont finalement permis à Uber de devenir rentable.

Je pense que des transformations similaires seront nécessaires pour de nombreuses entreprises d’IA si elles veulent survivre à long terme.

Sean : Ces équipes de développement d’IA parviendront-elles à trouver des moyens de réduire leurs coûts de manière aussi spectaculaire qu’Uber l’a fait en compressant les dépenses liées à ses chauffeurs au fil des années ? Je n’en suis pas sûr. Dans de nombreux cas, il s’agit de coûts plus simples mais également plus difficiles à réduire, il sera donc intéressant de voir comment elles aborderont ce défi.