Rohit Krishnan livre une analyse sans détour de l’économie de l’IA : la baisse des coûts d’inférence va faire exploser l’usage, mais ne se traduira pas par une croissance proportionnelle des revenus des entreprises spécialisées dans l’IA. Le problème fondamental, c’est l’élasticité : si les prix sont divisés par 10, l’usage pourrait être multiplié par 100, mais les marges se réduisent et le chiffre d’affaires total n’augmente pas de façon linéaire.

Le problème mathématique : si l’intelligence devient très bon marché, impossible de facturer des tarifs premium. Dans le meilleur des cas, Anthropic pourrait atteindre 500 milliards de dollars de chiffre d’affaires annuel, mais la thèse haussière à 5 000 milliards suppose un pouvoir de fixation des prix qui n’existera pas sur un marché de l’inférence banalisé.

C’est le piège classique des infrastructures cloud. AWS a rendu la puissance de calcul bon marché et omniprésente, captant un usage colossal, mais la compression des marges s’est enclenchée à mesure que la concurrence s’intensifiait. Les fournisseurs d’IA sont confrontés à la même dynamique : une excellente nouvelle pour les développeurs et l’économie, mais un cauchemar pour la rentabilité unitaire à grande échelle.

Les véritables profits ne se trouvent peut-être pas dans la fourniture de jetons, mais dans la couche applicative, où la différenciation existe encore. L’intelligence brute comme produit de base, face à l’intelligence appliquée à des problèmes précis à forte valeur ajoutée.