La guerre des prix de l'IA : Opus 5.5, GPT-6 Sol et le goulot d'etranglement silencieux des agents

Le 22 septembre, deux des plus grands laboratoires d'IA ont publie le meme jour. Anthropic a annonce Claude Opus 5.5 et OpenAI a mis en ligne GPT-6 Sol et GPT-6 Luna environ une heure plus tard. Le calendrier n'etait pas fortuit : les deux entreprises visent les memes acheteurs, les professionnels qui font du code et de la recherche au quotidien. Quatre modeles a des prix plus bas en une semaine est le signe le plus net que ce marche se joue desormais sur le cout unitaire plutot que sur l'intelligence brute.

Commencons par les chiffres. Anthropic annonce qu'Opus 5.5 coute environ 40 % de moins par tache qu'Opus 5, avec deux composantes. Les jetons d'entree et de sortie passent de 5 et 25 dollars le million a 4 et 20 dollars, et le prix de lecture du cache tombe de 0,50 a 0,20 dollar. C'est cette derniere ligne qui compte le plus, car la lecture du cache represente la majeure partie du cout dans les charges agentiques et le codage de longue duree.

La mesure d'OpenAI est une baisse de tarif directe. Comparee a GPT-5.6 Sol, GPT-6 Sol passe de 4 a 2 dollars en entree et de 20 a 10 dollars en sortie. GPT-6 Luna recule de 0,20 a 0,10 dollar en entree et de 1,20 a 0,50 dollar en sortie, soit une reduction de 50 % sur les deux modeles. L'entreprise precise que GPT-6 Astra reste son modele le plus puissant, et positionne Sol et Luna sur les charges a forte volumetrie ou le prix compte.

Le contexte compte davantage que chacune de ces annonces. Anthropic a reduit le prix de sa propre gamme phare le jour meme ou son concurrent divisait le sien par deux. Simon Willison, observateur independant, a qualifie cette sequence de guerre des prix classiques, et l'arrivee de Grok 4.7 a 2 et 6 dollars par million montre que la pression est generale. Quand l'offre reste en competition, l'acheteur gagne rapidement un pouvoir de negociation et le cout effectif de l'intelligence baisse pour tous.

Au-dela du prix, la promesse reelle de ces modeles n'est pas d'etre plus intelligents mais de faire le meme travail avec moins de calcul. Anthropic attribue ce gain a un besoin de service reduit et annonce une generation de sortie plus de 30 % plus rapide qu'Opus 5. OpenAI associe GPT-6 a une amelioration du cache d'invite, pensee pour des agents persistants qui repasseraient sans cesse les memes appels. L'efficacite devient ici une decision d'infrastructure, pas une promesse publicitaire.

Il y a cependant un compromis. Un modele plus petit et plus rapide transporte aussi moins de contexte. Dans les tests decrits par la source, Opus 5.5 parcourait le web avec une rapidite remarquable mais restait moins solide sur certaines taches de recherche. La meme source le juge le meilleur modele pour reproduire un ton d'ecriture, tout en signalant qu'un autre modele restait legerement meilleur en design. Il n'y a donc pas de vainqueur unique : c'est la tache qui tranche.

Les tests pratiques de la meme source vont dans ce sens. Pour nettoyer des rushes brutes, les deux modeles ont consomme environ un pour cent d'un quota hebdomadaire, mais les durees se sont nettement ecartees : environ sept minutes et demie pour l'un contre quinze minutes et demie pour l'autre. La qualite et la latence s'arbitrent modele par modele, et un simple tableau de benchmark restitue mal cet ecart.

Le deuxieme grand fil de la semaine est Gemini Notebook. Google a annonce la conversation en temps reel avec les carnets dans son application mobile et des syntheses interactives dans les rapports. Ces syntheses ne sont pas du texte : elles assemblent infographies, quiz, fiches de revision, cartes mentales et presentations en un seul flux. Les limites d'usage sont aussi passees a un systeme base sur la consommation de calcul le 2 septembre, avec la possibilite de lancer une generation plus tard quand le quota est atteint.

La source decrit aussi l'usage des carnets comme source dans Google Docs. Cette capacite n'apparaissait pas dans les annonces officielles de Google au moment de la preparation de cet article : elle doit donc etre lue comme une observation de la source et non comme une mise a jour confirmee. Plusieurs fonctions de lecture sont egalement reparties entre differents forfaits et periodes. Les outils evoluent vite, et les listes de fonctions vieillissent plus vite encore.

Le troisieme fil vient de xAI. Grok 4.7 est sorti au meme prix et a la meme vitesse que son predecesseur, avec un modele de base plus grand et un apprentissage par renforcement plus long. L'entreprise indique que le modele a ete entraine a comprendre nativement son propre harnais d'agent et propose une fenetre de contexte de 500 000 jetons. Les memos vocaux et les appels vocaux pour les agents sont arrives la meme semaine, apres l'annonce anterieure de xAI sur des agents fonctionnant sur leur propre ordinateur dans le cloud.

Le quatrieme fil bascule vers le materiel. Lors de sa conference Connect, Meta a annonce que son agent Muse arriverait sur ses lunettes connectees, activation par le nom et question possible sur ce que l'on regarde. L'entreprise a aussi presente un modele audio sans camera, un petit appareil autonome pour l'agent et une cible de plus de cent styles de lunettes d'ici la fin de l'annee. Un detail merite attention : l'appareil de poche est encore en developpement et ses materiaux ne sont pas definitifs.

Derriere tout cela se tient un fait economique : les agents coute de l'argent. Un modele qui raisonne mieux n'augmente pas la facture, mais un modele qui effectue plus d'etapes si. Dans les taches longues, les appels repetes, la memoire et l'usage d'outils multiplient le cout de facon horizontale. Ces baisses de prix comptent donc moins comme une promotion que comme un changement de structure de marge. Un jeton bon marche est ce qui rend tenable l'usage intensif d'agents.

Le risque va dans l'autre sens aussi. Des modeles plus petits et plus rapides abaissent aussi le cout d'une mauvaise decision. Si un agent envoie le mauvais courriel, supprime le mauvais fichier ou confirme une action inappropriee, un appel moins cher ne reduit pas les degats. La mesure pertinente n'est plus le jeton mais le cout de verification d'une decision. Une chaine qui saute cette etape automatise un risque, pas un processus.

Que faire concretement ? Je choisirais de ne pas tout miser sur un seul modele et de superposer les couches par type de tache. La classification, le routage et la notation courtes a fort volume conviennent bien aux modeles rapides et economiques. Le travail long et sensible exige un modele puissant, une trace d'audit et la possibilite de rollback. L'autre leçon de la semaine est methodologique : comparer prix et vitesse sans mesurer la qualite induit en erreur. Executer la meme tache sur trois modeles et comparer les resultats a l'aveugle laisse au moins une trace transparente.

La semaine ne designating pas de vainqueur unique : elle fait naitre un marche ou trois entreprises baissent les prix dans la meme direction. Opus 5.5 reduit le cout par tache et domine sur le contexte long, GPT-6 Sol et Luna visent les volumes sensibles au prix, et Grok 4.7 s'integre a son propre harnais d'agents. La baisse du prix des jetons est une condition de l'economie agentique. Elle ne justifie pas, a elle seule, une automatisation que personne ne verifie.