OpenAI et Anthropic sont peut-être moins chers que l'IA chinoise après tout

Pendant des mois, la baisse des prix des jetons a aidé les modèles d'IA chinois à se forger une réputation d'alternative économique à OpenAI et Anthropic. Mais une nouvelle étude suggère que les entreprises qui recherchent le prix le plus bas pourraient finir par payer plus cher.

Une étude menée par la plateforme d'intelligence de marché AlphaSense, basée sur l'IA, a révélé que le GPT-5.6 Sol d'OpenAI et l'Opus 4.8 d'Anthropic surpassaient leurs concurrents chinois Kimi K3 et GLM-5.2 en termes de coût et de qualité dans les tâches d'analyse financière complexes.

Les résultats remettent en question l'hypothèse largement répandue selon laquelle la baisse des prix des jetons se traduit automatiquement par une baisse des coûts de l'IA.

Le modèle le moins cher n'est pas toujours le moins cher à utiliser

À première vue, les modèles chinois semblent nettement moins chers. Moonshot facture 15 dollars par million de jetons de sortie pour Kimi K3, contre 25 dollars pour l'Opus 4.8 d'Anthropic et 30 dollars pour le GPT-5.6 Sol d'OpenAI.

Cependant, AlphaSense a découvert que la tarification des jetons ne révélait qu'une partie de l'histoire.

Après avoir testé 246 tâches d'analyse financière, notamment l'analyse des transcriptions des bénéfices, des documents déposés auprès de la SEC, des estimations des analystes et des activités d'acquisition, la société a conclu que le GPT-5.6 Sol d'OpenAI fournissait des réponses d'une qualité supérieure d'environ 20 % tout en coûtant environ 13 % de moins que Kimi K3 sur une base médiane. L'Opus 4.8 d'Anthropic a obtenu des résultats encore meilleurs, générant des réponses dont la qualité a été supérieure d'environ 13 % à environ la moitié du coût global de Kimi K3.

Selon l'étude, cela s'explique par le fait que les modèles plus performants nécessitent souvent moins de jetons et moins d'étapes de traitement pour effectuer la même tâche, ce qui réduit le coût total malgré la facturation de prix plus élevés par jeton.

« Certains des modèles les plus chers, ceux qui semblent plus chers uniquement sur la base de leur prix par jeton, se sont finalement révélés moins coûteux car ils utilisaient les jetons plus efficacement », a déclaré Jack Kokko, PDG d'AlphaSense.

Les acheteurs d'IA peuvent avoir besoin d'une nouvelle méthode de mesure des coûts

Les résultats arrivent alors que les entreprises réfléchissent de plus en plus à l'opportunité d'adopter des modèles d'IA de pointe développés par des sociétés telles qu'OpenAI et Anthropic ou d'opter pour des alternatives plus abordables et plus souples proposées par des développeurs chinois.

Plutôt que de se concentrer uniquement sur les prix symboliques, AlphaSense soutient que les entreprises devraient évaluer le coût total de l'exécution d'une tâche en même temps que la qualité du résultat. Dans les charges de travail à forte intensité de connaissances telles que la recherche financière, des modèles plus intelligents peuvent justifier leur avantage en fournissant des réponses précises de manière plus efficace.

Dans le même temps, le rapport ne rejette pas complètement les modèles ouverts.

Les entreprises qui exécutent des charges de travail d'IA sur leur propre infrastructure peuvent éviter totalement les frais par jeton, tandis que les tâches moins exigeantes, telles que la synthèse des e-mails, peuvent ne pas nécessiter de modèles frontières.

AlphaSense affirme plutôt que la stratégie la plus rentable consiste peut-être à utiliser plusieurs modèles ensemble. Sa plateforme de recherche basée sur l'IA utilise un système de routage qui attribue automatiquement les différentes parties d'une requête à différents modèles, par exemple en utilisant un modèle plus performant pour planifier une réponse avant de confier l'exécution à un modèle plus petit et moins cher.

L'essentiel à retenir est qu'à mesure que les entreprises vont au-delà des scores de référence et de la tarification symbolique, la prochaine bataille tarifaire du secteur de l'IA pourrait être décidée moins par celui qui facture le moins cher que par celui qui propose le coût le plus bas par tâche réalisée.

Crédit photo : Shutterstock