L’arrêt de Sora : comment l’IA passe de la spéculation à l’économie du calcul
OpenAI a mis fin à Sora le 24 mars 2026 — déclenchant des spéculations sur un ralentissement généralisé de l’engouement pour l’IA. En réalité, cette décision traduit un recentrage stratégique vers une utilisation rationnelle et rentable des ressources de calcul. Une semaine plus tôt, Jensen Huang déclarait lors de la conférence GTC 2026 : un ingénieur gagnant 500 000 $ par an mais dépensant moins de 250 000 $ en jetons est un signal d’alerte. Dépenser seulement 5 000 $ en jetons ? C’est inacceptable. Ces indicateurs révèlent un changement fondamental : privilégier désormais les cas d’usage axés sur l’inférence, avec un impact business mesurable.
Les prix des jetons ont chuté vertigineusement depuis 2023 — mais les pénuries de GPU se sont aggravées. Cela illustre parfaitement le paradoxe de Jevons : des ressources moins chères ne réduisent pas la consommation ; elles stimulent la demande via de nouvelles applications.
| Modèle | Coût par 1 million de jetons en entrée |
|--------|--------------------------------------|
| GPT-4 (mars 2023) | 30 $ |
| GPT-4o (août 2024) | 2,5 $ |
| Gemini 2.0 Flash (février 2025) | 0,1 $ |
| DeepSeek avec mise en cache (février 2025) | 0,07 $ |
Les dépenses corporates en IA générative sont passées de 11,5 milliards $ en 2024 à 37 milliards $ en 2025. Parallèlement, l’« IA fantôme » prospère : 49 % des employés utilisent des outils non autorisés, et 51 % les intègrent dans les systèmes internes sans validation IT.
Pourquoi la vidéo reste le mode le plus gourmand en calcul
Générer une vidéo exige 10 à 100 fois plus de puissance de calcul que le traitement de 1 000 mots de texte par un modèle de langage. La génération d’images nécessite quant à elle 3 à 11 fois plus de ressources. Pour Sora, cela se traduisait par des coûts d’inférence totalement disproportionnés.
OpenAI a généré 13 milliards $ de revenus en 2025 — mais ses coûts liés à l’inférence ont quadruplé sur un an, faisant chuter sa marge brute de 40 % à 33 %. L’entreprise a donc opéré un virage décisif vers des produits offrant une meilleure efficacité « calcul / revenu ».
- Texte : charge de base = 1×
- Images : 3–11×
- Vidéo (1 minute, 30 images/seconde) : 10–100×
Ce tri des tâches est désormais une pratique standard : les ressources de calcul sont allouées strictement aux scénarios dont le retour sur investissement est mesurable.
Les jetons comme indicateur de productivité des ingénieurs
La déclaration de Huang a suscité des critiques pour conflit d’intérêts — NVIDIA tire directement profit de la demande accrue de GPU. Pourtant, son constat central tient toujours : une faible dépense en jetons révèle des opportunités d’automatisation manquées.
Un ingénieur qui ignore les agents IA pour des tâches répétitives agit comme un concepteur de puces qui tracerait manuellement des milliards de transistors. Les outils modernes d’EDA automatisent des mois de travail de conception ; refuser cette automatisation n’est pas de la rigueur budgétaire — c’est un désavantage concurrentiel.
La dépense en jetons reste un indicateur imparfait — susceptible de manipulation — mais inestimable pour évaluer l’adoption concrète de nouveaux outils en production.
Le marché de l’IA entre en maturité
Le secteur passe progressivement de l’expérimentation à la responsabilisation. En 2023–2024, les produits étaient lancés sur la base d’un « testons voir ». En 2026, une analyse rigoureuse coût/inférence vs. revenus est devenue obligatoire.
Sora a été la première optimisation médiatisée — mais pas la dernière. Les investissements en IA continuent de croître, tout en s’accompagnant d’une discipline financière stricte. La rareté des ressources de calcul persiste — non pas parce que l’offre n’a pas augmenté, mais parce que la prolifération des cas d’usage est exponentielle.
Points clés :
- Des jetons moins chers aggravent les pénuries de GPU en ouvrant la voie à de nouvelles applications très gourmandes.
- La vidéo demeure le mode le plus coûteux en ressources ; Sora a été abandonné pour défaut de rentabilité.
- La dépense en jetons constitue un indicateur pratique de l’efficacité des équipes d’ingénierie.
- Les dépenses corporates en IA ont atteint 37 milliards $ en 2025 — et le trafic « fantôme » ajoute un volume significatif.
- Le marché évolue vers une priorisation des produits fondée sur des données objectives.
— Editorial Team
Aucun commentaire pour le moment.