La fausse inflation de l'IA et le paradoxe de Jevons

En 2025, le prix de l'électricité a baissé d'environ 15 % en France. Selon la Banque de France, moins de 5 % des ménages l'ont remarqué. On retient les hausses, pas les baisses. L'IA subit le même biais : on parle d'« inflation de l'IA » alors qu'à service égal, son prix s'effondre. Le paradoxe de Jevons, formulé en 1865 à propos du charbon, explique pourquoi la facture monte quand même.

Les signes de hausse sont réels. Microsoft 365 Personnel est passé de 6,99 à 9,99 dollars par mois avec l'arrivée de Copilot, et l'offre entreprise Microsoft 365 E3 passe de 36 à 39 dollars au 1er juillet 2026, une hausse que Microsoft justifie notamment par l'IA. Mais à performance égale, le prix d'un modèle de langage est divisé par dix chaque année selon le fonds a16z, et par quarante au niveau de GPT-4 selon Epoch AI. L'électricité a mis près d'un demi-siècle à diviser son prix par quinze.

Le malentendu coûte cher aux entreprises : on juge l'IA sur l'abonnement le plus visible, on surestime ce que coûte vraiment un usage intensif, et on ne mesure pas ce qu'on achète. La bonne unité de mesure est le coût d'une tâche accomplie, plutôt que le prix de l'abonnement ou du token.

Pourquoi l'inflation ressentie dépasse l'inflation mesurée

L'inflation ressentie est l'évolution des prix telle que les ménages la perçoivent ; l'inflation mesurée est celle que calcule l'INSEE avec l'indice des prix à la consommation. En France, la première dépasse durablement la seconde. Dans une étude de 2012, l'INSEE constate que l'inflation perçue fluctue en moyenne six points au-dessus de l'inflation mesurée depuis 2004, avec des réponses au-delà de 20 % par an qui « ne sont pas rares ».

Les ménages ne se trompent pas sur chaque prix : leurs perceptions des prix de produits précis sont cohérentes avec les relevés de l'INSEE. L'erreur vient de la pondération. L'indice pèse chaque produit selon sa part dans le budget ; les ménages, eux, pèsent les produits selon la fréquence à laquelle ils les achètent, et comptent davantage les hausses que les baisses. Selon l'INSEE, donner deux fois plus de poids aux produits dont le prix augmente suffit à reproduire tout l'écart. C'est l'aversion à la perte décrite par Tversky et Kahneman.

L'écart s'est creusé depuis la vague d'inflation de 2022. Selon une enquête de la Banque de France publiée en juillet 2026, la perception moyenne dépassait l'inflation mesurée de 4 points en 2022 et de plus de 8 points en 2025, alors que les prix n'ont augmenté que de 0,8 % en 2025. L'asymétrie y est spectaculaire. En 2023, quand les fruits et légumes ont pris 17 %, près de 95 % des ménages l'ont perçu. En 2025, quand l'électricité a baissé d'environ 15 %, moins de 5 % l'ont remarqué. La direction générale du Trésor ajoute que les ménages forment leur perception sur un horizon de plus d'un an.

Les recherches sur Google montrent la même asymétrie. Une analyse publiée en 2024 sur le blog Data Dingo croise, semaine par semaine de janvier 2022 à février 2024, l'évolution du prix à la pompe et les recherches « prix carburant ». Selon nos calculs sur ces données, les 17 semaines où le prix a monté d'au moins 3 %, l'indice Google Trends a gagné 7,5 points en moyenne ; les 19 semaines où il a baissé d'au moins 3 %, il est resté stable (- 0,3 point). Le pic de l'indice coïncide avec la hausse de 16 % de début mars 2022.

Deux panneaux sur la même période, de janvier 2022 à février 2024 : en haut, la variation hebdomadaire du prix à la pompe, avec des barres violettes pour les hausses et teal pour les baisses ; en bas, les recherches Google « prix carburant », qui culminent à l'indice 100 la semaine du 6 mars 2022, quand le prix monte de 16 %

La recherche confirme le mécanisme. Une étude publiée dans le Journal of Political Economy en 2021 montre que les anticipations d'inflation suivent les prix des courses que chaque ménage achète lui-même, pondérés par la fréquence d'achat et non par la dépense. Il y a enfin un angle mort que l'indice officiel corrige et que les ménages ignorent : la qualité. L'INSEE mesure les prix à qualité constante. Aux États-Unis, la commission Boskin estimait en 1996 que l'indice surestimait l'inflation d'environ 1,1 point par an, notamment faute de prendre en compte l'amélioration des produits.

L'IA devient-elle plus chère ?

Vue de la facture, oui. Depuis janvier 2025, Microsoft facture Microsoft 365 Personnel 3 dollars de plus par mois avec Copilot inclus, soit 9,99 dollars au lieu de 6,99 aux États-Unis. Pour les entreprises, Microsoft 365 E3 passe de 36 à 39 dollars au 1er juillet 2026, une hausse que l'éditeur justifie notamment par Copilot Chat.

Ces prix ont tout de l'achat fréquent décrit par l'INSEE : un abonnement se paie chaque mois, son montant s'affiche sur un relevé bancaire, et ses hausses sont annoncées par courriel. Ce que l'abonnement contient, en revanche, ne s'affiche nulle part.

Le cas de Google Workspace le montre. En janvier 2025, Google a intégré Gemini à toutes ses offres professionnelles et augmenté leurs prix « de quelques dollars ». Mais l'option Gemini coûtait jusque-là 20 dollars par utilisateur et par mois. Selon l'exemple donné par Google, un client qui payait 32 dollars pour Workspace et Gemini n'en paie plus que 14. Présentée comme une hausse, c'est une baisse de 56 % pour qui utilisait déjà l'IA.

À service égal, le prix de l'IA s'effondre

Pour comparer des prix d'IA d'une année sur l'autre, il faut fixer le service : le même score sur le même test de compétences, puis chercher le modèle le moins cher qui l'atteint à chaque date. C'est l'équivalent du prix à qualité constante de l'INSEE.

Mesuré ainsi, le prix tombe à une vitesse inédite. En novembre 2021, GPT-3 était le seul modèle à atteindre un score de 42 sur le test MMLU, pour 60 dollars le million de tokens ; trois ans plus tard, un petit modèle Llama faisait aussi bien pour 0,06 dollar. Le fonds a16z en tire une baisse d'un facteur 10 par an à performance égale, soit 1 000 en trois ans. L'institut Epoch AI mesure que le prix pour atteindre le niveau de GPT-4 sur des questions scientifiques de niveau doctorat a été divisé par 40 chaque année, avec des rythmes de 9 à 900 selon le niveau visé. Le rapport annuel de Stanford sur l'IA relève que le coût d'un système de niveau GPT-3.5 a été divisé par plus de 280 entre novembre 2022 et octobre 2024.

Les grilles tarifaires suivent. Sur la page de prix d'Anthropic, le modèle haut de gamme Opus est passé de 15 dollars le million de tokens en entrée (Opus 4, 2025) à 5 dollars (Opus 4.5), puis à 4 dollars (Opus 5.5), chaque version étant plus capable que la précédente. Le petit modèle Haiku est passé de 1 dollar (Haiku 4.5) à 0,10 dollar (Haiku 5.5). Sam Altman, le patron d'OpenAI, l'écrit lui-même : « The cost to use a given level of AI falls about 10x every 12 months ».

Plus vite que l'électricité

Combien de temps pour diviser le prix par dix, à service égal : environ 41 ans pour l'électricité aux États-Unis entre 1902 et 1950, 5 ans pour la loi de Moore, 3,6 ans pour le calcul informatique après 1980, 1 an pour l'IA à performance égale, 7,5 mois pour l'IA au niveau de GPT-4

L'électricité est la grande technologie générale de référence. Aux États-Unis, son prix moyen, en dollars constants de 2019, est passé selon Vaclav Smil de 4,79 dollars le kilowattheure en 1902 à 32 cents en 1950 : une division par 15 en 48 ans, soit une quarantaine d'années pour diviser le prix par dix. Le calcul informatique a fait beaucoup mieux : selon l'économiste William Nordhaus, le coût d'un calcul a baissé de 64 % par an après 1980 (en taux logarithmique), soit une division par dix en un peu plus de trois ans et demi. L'IA le fait en un an, et en sept mois et demi au niveau de GPT-4.

La comparaison flatte l'IA : elle met trois ans d'une technologie naissante face à des décennies d'une technologie mûre, et Epoch AI rappelle que les baisses les plus rapides datent de la dernière année. Rien ne garantit que le rythme tienne. Mais même cinq fois plus lent, il égalerait encore le meilleur rythme du calcul informatique.

Ce que les indices de prix ne voient pas

En 1996, William Nordhaus a reconstitué deux siècles de prix de la lumière, du feu de bois à l'ampoule fluocompacte. Sa conclusion : les indices de prix traditionnels ont surestimé le prix de la lumière d'un facteur 900 à 1 600 depuis 1800, parce qu'ils suivaient le prix des bougies et des lampes plutôt que celui du service rendu. Au début du XIXe siècle, la lumière d'une ampoule allumée trois heures par soir pendant un an demandait 17 000 bougies et près de 1 000 heures de travail ; à la fin du XXe, une dizaine de minutes.

L'IA pose le même problème à grande échelle. Un abonnement à 20 dollars dont le modèle progresse chaque trimestre garde le même prix sur la facture, et un service gratuit n'a pas de prix du tout. Le rapport 2026 de Stanford estime pourtant la valeur des outils d'IA générative pour les consommateurs américains à 172 milliards de dollars par an, pour des outils souvent gratuits. Aucun indice de prix ne la voit.

« J'ai payé 200 dollars, on m'en a donné 26 000 »

Sur les réseaux sociaux, les témoignages se multiplient. Paweł Huryn, auteur de la lettre d'information Product Compass, a calculé, captures à l'appui, qu'un mois de Claude Code représentait 1 588 dollars de tokens au prix de l'API, « couverts par un abonnement à 200 dollars ». Le développeur Michael Lip a mesuré 26 187 dollars d'usage aux prix publics en un mois de forfait Max, soit 131 fois son abonnement. Anthropic lui-même a évoqué en juillet 2025 un utilisateur ayant consommé « des dizaines de milliers » de dollars d'usage sur un forfait à 200 dollars. La conclusion paraît évidente : les éditeurs subventionnent leurs abonnés, et l'IA « coûte en réalité » bien plus cher.

Le prix public n'est pas le coût

Ces calculs valorisent l'usage au prix catalogue de l'API, qui contient une marge. La mesure de Michael Lip le montre : 96,4 % de ses tokens en entrée sont des relectures de cache, c'est-à-dire du contexte déjà traité que le modèle relit d'une requête à l'autre. Anthropic les facture un dixième du prix normal, et ils coûtent peu à servir. Le multiple de 131 mesure surtout la grille tarifaire.

Les chiffres disponibles vont dans le même sens, avec une réserve : ils ne sont pas audités et viennent pour l'essentiel de fuites. OpenAI garderait, selon des données internes obtenues par The Information, environ 70 % de son chiffre d'affaires après avoir payé le calcul nécessaire à ses clients payants (octobre 2025). Sam Altman a déclaré en août 2025 « We're profitable on inference ». DeepSeek a publié en mars 2025 un ratio coût-profit théorique de 545 % sur ses modèles, si tout l'usage était facturé. Anthropic, avec une marge brute négative en 2024, visait environ 40 % pour 2025, et a annoncé à des investisseurs, mi-octobre 2026, un bénéfice ajusté et un flux de trésorerie positif au troisième trimestre, pour 16,8 milliards de dollars de chiffre d'affaires. Les hébergeurs de modèles ouverts, comme Together AI ou Fireworks, afficheraient des marges brutes de 45 à 50 % selon le cabinet Sacra : un métier d'hébergement ordinaire, ni ruineux ni exceptionnel.

Marge brute positive ne veut pas dire entreprise rentable. Anthropic a perdu plus de 8 milliards de dollars en exploitation en 2025, selon son projet de prospectus vu par Reuters, à cause de l'entraînement des modèles, de la recherche et des salaires, pas du service rendu aux clients. Et Anthropic a revu sa marge 2025 à la baisse parce que l'inférence coûtait plus cher que prévu, puis plafonné en 2025 les moins de 5 % d'abonnés qui faisaient tourner Claude Code jour et nuit. Les cas extrêmes existent. Ils ne font pas la moyenne.

Où la subvention est réelle

La subvention la plus massive est la plus visible : l'offre gratuite. ChatGPT revendique 900 millions d'utilisateurs hebdomadaires pour 50 millions d'abonnés payants : environ 94 % de ses utilisateurs ne paient rien. C'est un coût d'acquisition assumé, comme le gratuit des moteurs de recherche, financé par les abonnés, l'API, les levées de fonds et, depuis février 2026, la publicité dans les offres gratuites.

L'autre subvention se trouve chez les revendeurs. L'éditeur de code Cursor, qui achète les modèles d'Anthropic au prix public, a eu une marge brute négative en 2025, à cause de ses développeurs abonnés les plus gourmands. Les mêmes tokens, rentables pour le fabricant, sont déficitaires pour celui qui les revend au forfait.

Le paradoxe de Jevons : pourquoi la facture monte quand le prix baisse

Le paradoxe de Jevons désigne le fait qu'un gain d'efficacité dans l'usage d'une ressource fait augmenter sa consommation totale au lieu de la réduire. L'économiste britannique William Stanley Jevons l'a formulé en 1865, dans The Coal Question, à propos du charbon : « It is wholly a confusion of ideas to suppose that the economical use of fuel is equivalent to a diminished consumption. The very contrary is the truth. » Des machines à vapeur plus sobres rendaient le charbon rentable pour de nouveaux usages, et la consommation totale augmentait. En énergie, on parle aujourd'hui d'effet rebond.

L'IA en est un cas d'école. Sam Altman complète lui-même sa phrase sur la baisse des coûts : « and lower prices lead to much more use ». Trois mécanismes font monter la facture :

• La demande va au meilleur modèle. Chaque nouveau modèle de pointe sort à peu près au même prix que le précédent ; la baisse profite aux niveaux de performance d'hier, que peu d'utilisateurs choisissent.
• Les tâches s'allongent. Selon l'analyste Ethan Ding, la longueur des tâches qu'une IA sait mener double tous les six mois : une réponse qui consommait 1 000 tokens peut en consommer 100 000, avec le raisonnement, la recherche et les agents.
• Les usages se multiplient. Un agent de code peut tourner en continu : selon Ethan Ding, certains abonnés à Claude Code consommaient jusqu'à 10 milliards de tokens par mois avant qu'Anthropic ne plafonne ses forfaits.

Une facture qui monte signale surtout qu'on achète beaucoup plus d'un service devenu beaucoup moins cher, exactement ce que Jevons observait pour le charbon.

Ce qui augmente vraiment à cause de l'IA

L'IA fait bien monter certains prix : ceux de ses intrants. Selon le cabinet TrendForce, les prix contractuels de la mémoire DRAM ont augmenté de 93 à 98 % en un trimestre début 2026, et devaient encore prendre 58 à 63 % au trimestre suivant, l'offre étant réservée en priorité aux serveurs d'IA. La pénurie de RAM se répercute sur le prix des ordinateurs et des smartphones. Aux États-Unis, la demande des centres de données pèse aussi sur le coût de la capacité électrique du réseau PJM, le plus grand du pays.

C'est le paradoxe de Jevons appliqué aux ressources physiques : plus l'IA est efficace, plus on en consomme, et plus elle demande de puces, de mémoire et d'électricité. L'IA fait donc baisser le prix des services qu'elle rend et monter celui de ce qu'elle consomme. L'effet net sur l'inflation générale n'est pas mesuré à ce jour ; il dépendra de la place que prendront ces services dans l'économie.

L'IA va-t-elle coûter de plus en plus cher aux entreprises ?

Oui, et c'est le signe qu'elle rapporte. Le paradoxe de Jevons joue aussi dans l'entreprise : plus une tâche coûte peu à confier à l'IA, plus on lui en confie. Selon le fonds Menlo Ventures, les dépenses des entreprises américaines en IA générative sont passées de 11,5 à 37 milliards de dollars entre 2024 et 2025. En France, une enquête de la Banque de France auprès de quelque 7 000 entreprises montre que, parmi celles qui utilisent l'IA générative, les hausses d'investissement en IA dépassent les baisses de 15 points, et qu'un tiers des entreprises prévoit d'investir davantage.

Cette dépense se justifie parce que les gains par tâche sont réels. Selon l'étude de Brynjolfsson, Li et Raymond, des conseillers de service client équipés d'un assistant d'IA résolvent 14 % de demandes de plus par heure. Selon une étude publiée dans Science, des professionnels rédigent 40 % plus vite avec ChatGPT, pour une qualité jugée meilleure.

Mais un gain de temps n'est pas un gain d'argent. Une heure gagnée ne vaut rien tant qu'elle ne change ni les coûts ni le chiffre d'affaires. En France, seules 31 % des entreprises utilisatrices de l'IA générative constatent des gains de productivité, selon la Banque de France. Aux États-Unis, au Royaume-Uni, en Allemagne et en Australie, neuf dirigeants sur dix ne constatent aucun effet de l'IA sur l'emploi ou la productivité au cours des trois dernières années. La Banque de France en tire une hypothèse : « les réductions de coût permises par l'IA pourraient, dans un premier temps, être contrebalancées par les dépenses nécessaires à son adoption ».

Le constat est impopulaire, mais l'arithmétique est simple. Un gain de productivité ne devient réel que de deux façons : produire autant avec moins de monde, ou produire davantage avec le même nombre de personnes. La première voie passe par moins d'embauches ou moins de postes. Certaines entreprises l'assument : Salesforce a ramené son support client de 9 000 à environ 5 000 personnes en 2025, et Block est passé de plus de 10 000 à moins de 6 000 salariés en février 2026, sans difficulté financière selon son patron Jack Dorsey. Chez Shopify, toute demande de recrutement doit d'abord démontrer que l'IA ne peut pas faire le travail. Le plus souvent, l'ajustement passe par les embauches : selon l'université Stanford, l'emploi des 22-25 ans dans les métiers les plus exposés à l'IA a reculé de 19 % par rapport aux moins exposés, surtout parce qu'on les recrute moins. La seconde voie, la croissance, demande des clients en plus, pas seulement des heures libérées.

Dans les deux cas, il faut décider. La Banque de France, citant les travaux de l'économiste Paul David sur l'électrification des usines, rappelle que les gains d'une nouvelle technologie « dépendent souvent moins de son adoption que des investissements complémentaires et des réorganisations qu'elle engendre ». Les entreprises qui convertiront le temps gagné en économies ou en chiffre d'affaires gagneront avec l'IA ; les autres paieront la facture sans le gain.

Ce qu'une entreprise peut en retenir

Le biais de l'inflation ressentie se corrige en changeant d'unité de mesure. Pour l'IA, cela donne cinq réflexes.

1. Raisonner en coût par tâche. Le bon indicateur est le coût d'une facture traitée, d'un ticket résolu ou d'un contrat analysé, pas le prix de l'abonnement ni celui du token. C'est le seul qui reflète à la fois la baisse des prix et la hausse des volumes.
2. Choisir le niveau de modèle selon la tâche. Chez Anthropic, le petit modèle coûte 40 fois moins cher en entrée que le modèle haut de gamme. Une passerelle qui oriente chaque requête vers le bon modèle, comme celles que nous comparons dans notre article sur les LLM gateways, fait souvent plus pour la facture que n'importe quelle négociation. Et beaucoup de tâches n'ont besoin d'aucun modèle de langage.
3. Ne pas juger l'IA sur le prix catalogue. Un usage intensif évalué au tarif public de l'API surestime son coût réel, surtout quand le cache fait l'essentiel du volume. Pour un déploiement interne, comparez plutôt les différentes façons de faire tourner un modèle.
4. Décider de ce que devient le temps gagné. Avant de déployer, fixer ce que le gain doit produire : moins de recrutements, des délais plus courts, plus de dossiers traités par personne, une offre nouvelle. Sans cette décision, l'IA ajoute une ligne de dépense et ne retire rien.
5. Lire les forfaits comme des contrats d'assurance. Les offres « illimitées » sont plafonnées dès que quelques utilisateurs s'en servent vraiment. Mesurez votre propre consommation avant de dimensionner un budget, et regardez ce que les suites bureautiques incluent avant de contester une hausse.

Questions fréquentes sur l'inflation de l'IA

Qu'est-ce que le paradoxe de Jevons ?

C'est le constat, formulé par l'économiste William Stanley Jevons en 1865 à propos du charbon, qu'un gain d'efficacité dans l'usage d'une ressource fait augmenter sa consommation totale au lieu de la réduire. Une ressource moins chère à utiliser trouve de nouveaux usages. Appliqué à l'IA, il explique pourquoi la facture totale monte alors que le prix de chaque token baisse.

L'IA devient-elle plus chère ?

Non, à service égal. Le prix d'un même niveau de performance est divisé par 10 chaque année selon a16z, et par 40 au niveau de GPT-4 selon Epoch AI. Ce qui augmente, ce sont certains abonnements, qui incluent davantage de fonctions, et les factures, parce que les usages explosent.

Pourquoi l'inflation ressentie est-elle plus forte que l'inflation mesurée ?

Parce que les ménages pondèrent les prix selon la fréquence de leurs achats, et non selon leur budget, et qu'ils retiennent davantage les hausses que les baisses. Selon l'INSEE, compter deux fois plus les hausses suffit à expliquer l'écart moyen d'environ six points observé en France depuis 2004.

Les abonnements d'IA sont-ils subventionnés ?

Rarement pour les clients payants. Les témoignages du type « 200 dollars payés, 26 000 consommés » valorisent l'usage au prix public de l'API, qui contient une marge brute importante chez les créateurs de modèles. La subvention réelle se trouve dans l'offre gratuite grand public et chez les revendeurs qui achètent les modèles au prix fort pour les revendre au forfait.

De combien le prix de l'IA baisse-t-il chaque année ?

Selon les mesures publiées, d'un facteur 10 par an à performance égale (a16z, 2024), de 9 à 900 selon le niveau visé, avec 40 au niveau de GPT-4 (Epoch AI, 2025). C'est plus rapide que le calcul informatique après 1980, qui divisait son coût par deux environ chaque année.

Pourquoi l'IA ne rapporte-t-elle pas encore à la plupart des entreprises ?

Parce qu'un gain de temps ne devient un gain d'argent que si l'entreprise en fait quelque chose : moins de recrutements, moins de postes ou davantage de ventes. Selon la Banque de France, seules 31 % des entreprises françaises qui utilisent l'IA générative constatent des gains de productivité, et leurs dépenses d'adoption peuvent dans un premier temps compenser les économies.

L'IA fait-elle monter l'inflation ?

Elle fait monter le prix de certains intrants, comme la mémoire vive, dont les prix contractuels ont presque doublé en un trimestre début 2026, et pèse sur l'électricité aux États-Unis. Elle fait baisser le prix des services qu'elle rend. L'effet net sur l'inflation générale n'est pas encore mesuré.

---

On n'a jamais payé aussi peu pour un même service d'IA, et jamais dépensé autant. Les deux sont vrais en même temps, comme pour le charbon de Jevons ou la lumière de Nordhaus. Pour une entreprise, la question utile porte sur le coût de chaque tâche que l'IA accomplit, comparé à ce que cette tâche coûtait avant, et sur ce qu'elle fait du temps gagné.