ChatGPT : gérer l'impasse
« Les cimetières sont remplis de sociétés qui n'ont pas compris les règles du jeu. »
Le 27 février 2026, OpenAI annonce que ChatGPT franchit les 900 millions d'utilisateurs hebdomadaires, cent millions de plus qu'en octobre. La presse y voit une position imprenable : jamais un produit n'avait agrégé la demande aussi vite. Quatre mois plus tard, les comptes audités de l'exercice 2025 sortent : 13,07 milliards de dollars de revenus, 20,9 milliards de perte opérationnelle, une marge brute tombée de 40 % à 33 % en un an. L'agrégateur le plus rapide de l'histoire perd 1,60 dollar pour chaque dollar encaissé, et sa marge se dégrade à mesure qu'il grandit.
Les deux annonces décrivent la même société. Pour comprendre comment une audience record produit une perte record, il faut remonter la chaîne : le modèle économique d'abord, la mécanique d'entraînement ensuite. Chacune des deux révèle une impasse ; la seconde, plus profonde, explique aussi la première.
Le premier agrégateur LLM
Dans la grille de lecture de Ben Thompson, ChatGPT — le premier LLM (large language model, grand modèle de langage) à avoir touché le grand public — est un agrégateur au sens plein : il contrôle la demande, les fournisseurs viennent à lui, le coût d'acquisition d'un utilisateur supplémentaire tend vers zéro. Google a mis des années à agréger la recherche, Meta l'attention sociale ; ChatGPT a agrégé la conversation en quelques trimestres. Sur ce plan, la partie est gagnée.
Restait à monétiser. OpenAI a choisi le modèle dominant du logiciel : un freemium hérité du SaaS (software as a service, le logiciel loué par abonnement) — service gratuit, abonnement à 20 dollars pour les usages intensifs. Le choix paraissait raisonnable ; les chiffres semblaient même lui donner raison. Là se loge le piège.
L'illusion du taux de conversion
Rapporté aux standards du secteur, ChatGPT convertit bien. La médiane du freemium B2B se situe entre 2 et 5 % d'utilisateurs transformés en payants ; 8 à 12 % relèvent de l'exception ; Dropbox, cité en modèle pendant une décennie, plafonnait vers 4 %. ChatGPT affiche environ 50 millions d'abonnés grand public pour 900 millions d'utilisateurs hebdomadaires, soit 5,5 % — au-dessus de la médiane, sur une base cent fois plus large. Lu depuis le siège, le tableau de bord validait le freemium : le produit convertissait mieux que les références du SaaS, il suffisait de laisser grandir l'audience.
Ce raisonnement a probablement aveuglé le management, car un taux de conversion ne mesure que le numérateur. Il ne dit rien du coût du dénominateur — les 94,5 % qui ne paient pas. Le freemium SaaS peut ignorer ce coût pour une raison précise : un logiciel classique se sert à coût marginal quasi nul, d'où les marges brutes de 80 à 90 % du secteur. Un compte Dropbox gratuit consomme quelques centimes de stockage par mois. Les 850 millions d'utilisateurs gratuits de ChatGPT, eux, brûlent du compute — de la puissance de calcul — à chaque requête : l'inference — le calcul consommé pour générer chaque réponse — a coûté 8,4 milliards de dollars en 2025, et OpenAI la projette à 14,1 milliards en 2026. Le même tableau de bord qui rassurait sur la conversion cachait un centre de coût qui croît avec l'audience.
Le coût marginal d'un locataire
Le handicap s'aggrave d'un étage, car OpenAI ne paie pas son compute au coût de production : il le loue. Les comptes 2025 révèlent environ 17 milliards de dollars versés à Microsoft Azure — le nouvel entrant acquitte la marge de l'hyperscaler sur chaque token servi. Google, à l'inverse, sert Gemini sur ses propres TPU (Tensor Processing Unit, sa puce d'IA maison), dans ses propres datacenters, au coût de revient, et finance le tout par une régie publicitaire qui a encaissé 294,7 milliards de dollars en 2025. Meta suit le même schéma pour Muse Spark, adossé à 196,2 milliards de revenus publicitaires. Le particulier ne paie ni chez l'un ni chez l'autre : l'annonceur paie pour lui.
Dropbox, justement, a vécu ce problème avant tout le monde et l'a résolu : tant qu'il louait son infrastructure à AWS, sa marge brute stagnait à 33 % ; après avoir rapatrié le stockage sur ses propres serveurs, elle a doublé, à 67 % au moment de son introduction en bourse. OpenAI affiche aujourd'hui 33 % de marge brute — au dollar près, la marge d'un locataire.
L'objection saute aux yeux : Anthropic est locataire lui aussi. Il loue son compute à Amazon et à Google, paie l'inference comme tout le monde — et projette pourtant le premier trimestre opérationnel profitable du secteur. La différence ne se loge donc pas dans le coût ; elle se loge dans le prix, et dans celui qui le paie. Anthropic s'adresse d'abord aux entreprises, et une entreprise paie plus cher pour un modèle plus fiable : le code livré compile et les tests passent, le retour sur investissement se calcule en heures d'ingénieur économisées. Cette clientèle lui permet de vendre cher et de borner l'usage — des abonnements à 100 et 200 dollars par mois pour Claude Code, des limites hebdomadaires imposées dès l'été 2025, une API facturée au premium — sans perdre personne. ChatGPT ne dispose d'aucun de ces leviers : un particulier ne sait pas chiffrer la valeur d'une conversation, et brider ou renchérir le gratuit reviendrait à saborder l'audience qui fonde la position d'agrégateur. Le locataire Anthropic répercute son loyer dans ses prix ; le locataire OpenAI l'absorbe dans ses pertes. Le bon taux de conversion faisait illusion : la ligne de partage n'est pas la structure de coûts — tous deux paient le loyer des hyperscalers — mais le pouvoir de prix. Il vient de l'entreprise cliente, qui paie plus cher un modèle plus fiable, et cette fiabilité tient à un mot : la sortie de Claude est vérifiable.
Plus grave : la vérifiabilité devient l'élément rare
Ce mot — vérifiable — porte plus qu'un avantage commercial. Il gouverne désormais les deux étages du métier : ce que le client accepte de payer, on vient de le voir, et ce que le modèle apprend pendant son entraînement. Le second étage est le plus profond, et il faut passer par la mécanique d'un LLM pour le voir.
L'entraînement s'est longtemps résumé à une étape dominante : le pre-training, où le modèle apprend à prédire le token suivant sur des trillions de tokens tirés du web. À ce stade, l'élément rare était la donnée brute, puis le compute pour l'ingérer. Viennent ensuite le fine-tuning supervisé, où le modèle apprend le format des réponses, puis le RLHF (reinforcement learning from human feedback), où des annotateurs humains classent les réponses par préférence. Le RLHF a fait le succès de ChatGPT en 2022 : il a rendu le modèle agréable, poli, utilisable. Il porte aussi une limite indépassable : la préférence humaine est subjective, bruitée, coûteuse, et le modèle apprend vite à plaire plutôt qu'à être exact.
La percée suivante a changé la nature de la rareté. Le RLVR — reinforcement learning with verifiable rewards, l'apprentissage par renforcement à récompenses vérifiables — remplace le jugement humain par un oracle programmatique : le code compile ou ne compile pas, le test passe ou échoue, l'équation se vérifie ou non. La récompense devient binaire, incontestable, générable à l'infini sans annotateur. Les modèles de raisonnement qui dominent depuis 2025 sont tous des enfants du RLVR. Le corpus web étant épuisé, le progrès a migré du pre-training vers cette phase : l'élément rare n'est plus la donnée, ni même le paramètre — il est le domaine vérifiable.
Regardez alors qui possède quoi. Anthropic s'est adossé au code : chaque session de Claude Code produit du signal vérifiable — le programme tourne ou plante. Google possède le clic et la requête : une conversion publicitaire se mesure au centime. Meta possède la boucle publicitaire la plus instrumentée du monde et vient d'orienter Muse Spark 1.1 vers l'agentic coding. OpenAI, lui, possède 900 millions de conversations hebdomadaires en langage naturel — le corpus le plus spectaculaire du secteur, et le moins vérifiable : la qualité d'une réponse conversationnelle reste une affaire d'opinion. Son actif principal ne s'exploite pas dans la phase d'entraînement qui compte désormais.
La boucle se referme alors sur l'économie, et elle tourne comme le flywheel cher à Jeff Bezos. Chez Anthropic, l'alignement s'auto-renforce : l'entreprise paie l'usage, l'usage engendre du signal vérifiable, le signal améliore le modèle par RLVR, et le modèle amélioré justifie le prix qui finance le tour suivant — chaque dollar de revenu achète aussi de la qualité. Chez OpenAI, la boucle ne boucle pas : les conversations gratuites produisent du volume, pas du signal — rien n'y mesure si la réponse était bonne —, de sorte que l'audience croît sans que le modèle en tire de quoi progresser. Un produit dont l'usage n'améliore plus la qualité vieillit pendant que ses concurrents apprennent : le vrai risque n'était pas la perte trimestrielle, il était l'obsolescence. La sanction se lit dans les comptes. L'API d'Anthropic — l'interface par laquelle développeurs et entreprises consomment directement le modèle — dégage une marge brute supérieure à 80 % ; son run-rate — le revenu du dernier mois annualisé — est passé de 9 milliards de dollars fin 2025 à 47 milliards fin mai 2026, et la société projette au deuxième trimestre 2026 le premier profit opérationnel d'un frontier lab — un laboratoire de modèles de pointe : 559 millions de dollars. OpenAI, au même moment, sert une marge brute de 33 % en décroissance. Déficitaire sur son modèle économique, mal doté pour le RLVR, ChatGPT risquait d'être distancé par trois concurrents adossés chacun à un socle vérifiable. Il devait bouger, ou vieillir sur place. Il a bougé deux fois, une fois par impasse.
Première riposte : la publicité, bien tard
La première impasse — monétiser une audience grand public — appelait la réponse de Google et de Meta : la publicité. Le 16 janvier 2026, OpenAI confirme l'entrée de ChatGPT dans ce modèle. Le test démarre le 9 février aux États-Unis sur les tiers Free et Go ; le 5 mai, l'Ads Manager s'ouvre en self-serve à tout annonceur américain, avec des coûts par clic (CPC) de 3 à 5 dollars et des coûts pour mille impressions (CPM) autour de 25 dollars ; cinq marchés anglophones sont couverts en juin.
La logique est imparable : la publicité est le seul modèle qui fasse payer l'utilisateur gratuit par un tiers, et elle produit en prime du signal vérifiable — le clic, la conversion — qui alimente le RLVR. La difficulté l'est tout autant : une régie ne vaut que par sa boucle de mesure, et celle de Google comme celle de Meta reposent sur vingt ans de données d'intention, d'enchères et d'attribution. OpenAI démarre cette boucle en 2026, au moment où Meta franchit 196 milliards de revenus publicitaires en croissance de 22 %. Le retard se compte en décennies de signal accumulé. La publicité colmatera une partie du déficit ; elle ne renversera pas le rapport de force. Le risque est grand que ChatGPT devienne une régie moyenne avant de devenir une régie rentable.
Seconde riposte : Codex devient ChatGPT
La seconde impasse — la vérifiabilité — appelait la réponse d'Anthropic, qui a aligné les deux plans que ChatGPT avait désalignés : une cible entreprise, cohérente avec le modèle SaaS, et un corpus vérifiable, le code, cohérent avec le RLVR. Les marges suivent mécaniquement.
OpenAI a donc opéré sa mue. Le 16 mai 2026, ChatGPT, Codex et l'API développeurs fusionnent en un seul groupe produit sous Greg Brockman — une plateforme agentique, un abonnement, une surface. Le 9 juillet, ChatGPT Work est lancé : un agent qui rassemble le contexte à travers les applications de l'utilisateur, découpe un objectif en étapes et livre des documents, des tableurs, des applications terminées. Le navigateur Atlas est abandonné, l'application desktop absorbe tout. La direction est sans ambiguïté : l'assistant question/réponse devient un outil de production. Codex ne rejoint pas ChatGPT ; il le remplace de l'intérieur.
La cible n'est pas Anthropic, mais Apple
On pourrait lire cette mue comme un aveu : OpenAI se rangerait en second d'Anthropic sur le terrain que celui-ci a défriché. La lecture est fausse, et le framework de Clayton Christensen explique pourquoi. Tant qu'une expérience n'est « pas assez bonne », l'intégration verticale capte les profits ; l'expérience agentique — des agents qui agissent à travers apps, fichiers et services — est aujourd'hui très loin d'être assez bonne en modulaire. Celui qui intègre le matériel, le système et le modèle peut la rendre bonne le premier. Apple a bâti 4 600 milliards de dollars de capitalisation sur ce raisonnement exact, appliqué au smartphone.
OpenAI vise ce statut, et son histoire récente dit pourquoi il ne peut s'en contenter d'aucun autre. Rester une app, même la plus populaire du monde, place l'agrégateur sous la juridiction de la plateforme d'autrui. Facebook l'a appris deux fois : en avril 2013, Facebook Home, sa tentative de recouvrir Android, s'effondre — 15 000 HTC First écoulés malgré un prix ramené de 99 à 0,99 dollar ; en 2021, l'App Tracking Transparency — le consentement obligatoire au pistage publicitaire — lui retire d'un geste 10 milliards de dollars de revenus annuels. Un agrégateur sans plateforme reste un locataire — OpenAI l'est déjà de son compute, il refuse de l'être aussi de sa distribution. D'où le bail rompu : acquisition d'io, la société de Jony Ive, pour 6,4 milliards de dollars en mai 2025 ; premier device confirmé pour le second semestre 2026 ; 40 à 50 millions d'unités commandées chez Foxconn.
Un détail de ce device mérite qu'on s'y arrête : il n'a pas d'écran. Le choix n'est pas une coquetterie de designer ; il découle de la nature de l'agentique. Un agent n'a pas besoin d'une UI (user interface) sophistiquée — il tourne sur Linux, sans interface, dans les mêmes environnements que les serveurs qui exécutent Codex. L'interface de l'ère agentique est la délégation : on formule un objectif, l'agent revient avec le travail fait. Or la valeur d'iOS s'est accumulée précisément dans ce que l'agentique rend superflu — trente ans de raffinement d'interface, le multi-touch, les animations, la grille d'icônes, l'App Store qui organise le tout. Apple défend une grammaire d'écrans au moment où la grammaire change. La manœuvre ne vise pas la deuxième place derrière Anthropic ; elle vise le point d'intégration qu'occupe Apple, attaqué là où son avantage ne porte plus.
Un modèle peut-il être un OS ?
La question mérite d'être posée avant d'acheter la thèse, car un OS (operating system, le système d'exploitation) n'est pas seulement une couche technique : il est le point qui voit tout et orchestre tout. Les entreprises, précisément, refusent de céder ce point.
Alex Karp en a fait la doctrine commerciale de Palantir. Ses clients seraient « livid » — furieux — devant des modèles qui « volent » leur valeur ; ce qu'ils veulent, dit-il, tient en une phrase : « le contrôle de leur compute, de leurs modèles, de leur stack de données et de leur alpha — savoir qu'ils possèdent les moyens de production ». L'ontologie de Palantir se vend comme un isolant : elle utilise le LLM et l'empêche de mémoriser les données du client, donc de répliquer son business. Satya Nadella, le 13 juillet 2026, a tenu un discours voisin en avertissant les entreprises de protéger leur propriété intellectuelle face aux frontier labs : livrer ses données à un modèle revient à « payer l'intelligence deux fois ». Copilot est repositionné en couche d'orchestration multi-modèles, avec un argument qui résume tout : le modèle se remplace en un après-midi, le harnais qu'on a passé un an à entraîner ne se remplace pas. Les éditeurs SaaS suivront la même pente, chacun branchant des modèles interchangeables sous sa couche applicative pour garder son alpha chez lui.
Or ce mur se dresse d'abord sur la route d'Anthropic. Sa clientèle est l'entreprise ; sa croissance — 47 milliards de run-rate — vient des déploiements de Claude au cœur des process de ses clients. Chaque déploiement apprend au modèle la façon de faire unique qui constitue l'alpha du client. Le problème est radical : un lab qui maîtrise le code et absorbe les process peut, en théorie sinon encore en fait, recréer un concurrent de chacun de ses clients. Karp ne décrit pas un risque théorique, il vend la parade ; Nadella ne met pas en garde contre un fantôme, il redessine Copilot autour. Plus Claude pénétrera l'entreprise, plus la méfiance montera, et plus le plafond se rapprochera.
OpenAI, en s'appuyant sur le particulier, évite ce conflit par construction. Le particulier n'a pas d'alpha à défendre : il n'a pas de process propriétaire, pas de propriété intellectuelle à protéger, pas de business à se faire répliquer. Apple a bâti sa capitalisation exactement ainsi — vendre le point d'intégration à des individus, sans jamais concurrencer personne, pas même ses développeurs tant que la taxe restait supportable. L'audience grand public, passif du compte de résultat depuis trois ans, devient l'actif stratégique : des utilisateurs sans conflit d'intérêts, quand chaque client d'Anthropic en porte un.
Ce qui peut faire échouer la manœuvre
Charlie Munger recommandait d'inverser la question. Plutôt que de demander comment OpenAI réussira, demandez-vous ce qui le ferait échouer. Deux réponses se détachent.
La première tient aux utilisateurs. L'audience hebdomadaire raisonne en question/réponse : elle demande, elle lit, elle repart. Construire un projet, spécifier un objectif, déléguer à un agent et contrôler son travail relève d'une autre grammaire, que la majorité passive ne pratique pas. Faire descendre ces usagers de l'app vers l'OS suppose de changer leur usage, pas seulement leur outil — la marche exacte sur laquelle Facebook Home a trébuché en 2013, en demandant aux gens de reconfigurer leur téléphone pour un service qu'ils avaient déjà. Rien ne garantit qu'un objet sans écran, aussi élégant soit-il, fasse franchir cette marche à des centaines de millions de personnes.
La seconde tient au capital. La force actuelle de Codex sur Claude est physique : OpenAI a contracté 10 gigawatts de compute en avril 2026, avec trois ans d'avance sur son objectif, adossés à des engagements de plusieurs centaines de milliards — 350 pour Broadcom, 300 pour Oracle, 250 pour Microsoft. Anthropic aligne environ 9 gigawatts, mais dont une large part n'arrive qu'à partir de 2027. La puissance réservée donne à OpenAI une fenêtre. Elle ne donne que cela : le capital va là où se trouve le rendement, et tant qu'Anthropic conservera les plus belles marges de la profession — 80 % de marge brute sur l'API, premier trimestre opérationnel profitable du secteur —, les financements, donc les GPU (graphics processing units, les puces qui entraînent et servent les modèles), migreront vers lui à chaque cycle d'allocation. L'avantage de compute d'OpenAI est un avantage à durée déterminée. Deux horloges tournent en même temps : convertir les utilisateurs passifs avant que le capital ne bascule, et recoller aux marges d'Anthropic avant que la fenêtre de compute ne se referme.
La séquence tient en quelques lignes. ChatGPT a gagné la course à l'agrégation avec le mauvais modèle économique : un freemium dont le bon taux de conversion faisait illusion, pendant que le coût marginal du locataire dévorait une marge brute qu'aucun pouvoir de prix ne défendait. La vérifiabilité unifie le diagnostic : elle donne à Anthropic, locataire comme lui, le pouvoir de prix qui lui manque, et elle déplace la rareté de l'entraînement vers les corpus que détiennent Anthropic, Google et Meta. La riposte est double : une régie publicitaire lancée avec vingt ans de retard, et une mue complète vers Codex qui aligne enfin cible et vérifiabilité. Le dessein dépasse la copie d'Anthropic : quitter le statut fragile d'app, éviter le syndrome Facebook, et prendre à Apple le point d'intégration de l'ère agentique, au moment où l'agentique dévalue ce qui faisait la force d'iOS — l'interface.
La sortie de l'impasse tient dans un renversement. Le boulet de ChatGPT — une audience de particuliers impossible à monétiser en freemium — devient son actif le plus défendable : le particulier n'a pas d'alpha à protéger, quand chaque client entreprise d'Anthropic en a un et le sait. Anthropic roule vite sur une route qui mène à un mur ; OpenAI marche lentement sur une route qui n'en a pas. Tout se jouera sur la vitesse relative des deux : convertir 900 millions de passifs à la délégation avant que les marges d'Anthropic n'aspirent le capital et les GPU. L'exercice cumule des paris qui ont chacun, isolément, ruiné d'autres sociétés — bâtir une régie face à Google, lancer un hardware face à Apple, changer la grammaire d'usage d'un public entier. Il est aussi, en cas de succès, le plus rentable jamais tenté : le point d'intégration de l'informatique personnelle vaut 4 600 milliards de dollars, et celui de l'informatique agentique n'a pas encore de propriétaire. Apple a mis dix ans à convaincre le monde que l'ordinateur tenait dans la poche. OpenAI aura-t-il dix trimestres pour convaincre le monde qu'il tient dans la conversation ?
Bonne fin de semaine,
Hervé