Le meilleur modèle du marché est celui que les entreprises n’achètent pas
Les données de dépenses de Ramp montrent que Fable 5 d'Anthropic ne prend que six pour cent des jetons que les entreprises achètent à Anthropic. Le modèle le plus performant perd en prix, et cela en dit long sur l’ensemble du secteur.
Fable 5 d’Anthropic est largement considéré comme le modèle d’IA le plus performant disponible. Selon les données sur les dépenses de la société de services financiers Ramp, les entreprises américaines l’achètent à peine. Au cours du premier mois suivant son lancement, Fable 5 représentait environ 6 % des jetons achetés par les entreprises auprès d’Anthropic et 11,4 % de ce qu’elles y dépensaient. À titre de comparaison, le GPT-5.6 Sol d’OpenAI représente 25 % des jetons et 23 % des dépenses d’OpenAI. Bien qu’il coûte beaucoup plus cher par jeton, Fable 5 n’a généré qu’environ 75 % des revenus générés par GPT-5.6 Sol.
L’explication évidente est le prix. Fable 5 coûte environ 10 $ par million de jetons d’entrée et 50 $ par million de jetons de sortie, soit environ le double de ce que coûtent GPT-5.6 Sol ou les autres produits phares d’Anthropic. Ara Kharazian, économiste chez Ramp, y voit un plafond pour ce que les entreprises sont prêtes à payer : la capacité supplémentaire ne vaut pas l’argent supplémentaire pour elles. C’est probablement plus compliqué que ça. Pour une grande partie du travail quotidien, l’écart de performance n’apparaît tout simplement pas, et même lorsque c’est le cas, personne ne dispose d’un bon moyen de le mesurer. Il est vraiment difficile de chiffrer en euros la différence entre une génération de modèles et la suivante, et les départements financiers n’approuvent pas les choses qu’ils ne peuvent pas mesurer.
Une note sur les données avant d’en tirer des conclusions : l’échantillon de Ramp provient de son propre produit de gestion des dépenses symboliques et est légèrement orienté vers les entreprises technologiques. Ramp lui-même pense que l’adoption réelle de Fable 5 pourrait être encore plus faible, en supposant qu’il est principalement utilisé pour le codage.
Que se passe-t-il réellement ici
Le reste de l’index d’août de Ramp complète le tableau. En juillet, 43,5 % des entreprises américaines ont payé pour des abonnements ou des jetons Anthropic, en hausse de 1,1 point, et Anthropic a désormais dépassé OpenAI, qui se situe à 39,7 % et n’a augmenté que de 0,23 point. xAI a connu la croissance la plus rapide en termes relatifs, à 4 %. Les dépenses totales continuent d’augmenter : le 1 % des entreprises les plus riches a dépensé en moyenne 7 400 $ par employé en IA en juillet, tandis que l’entreprise médiane a dépensé 11,95 $. Mais Ramp voit également les utilisateurs avancés, ceux dont dépendent les factures croissantes des grands laboratoires, se tourner vers des modèles ouverts, qui ne sont désormais à la traîne que de quelques mois. C’est là un aspect inconfortable pour une industrie dont le dossier d’investissement suppose que les revenus augmentent avec les capacités. Il suggère que les entreprises paieront pour l’IA, mais pas automatiquement davantage pour une meilleure IA.
Ce que cela signifie pour vous: si vous payez pour un abonnement à l’IA, le résultat descend intact jusqu’à votre niveau. Le niveau le plus cher n’est pas automatiquement le bon, et le test honnête est de savoir si vous pouvez remarquer la différence sur votre propre travail plutôt que de savoir s’il remporte les tests. Essayez le modèle le moins cher sur une semaine de tâches réelles. Si vous ne pouvez pas le savoir, vous avez votre réponse. Si vous choisissez des outils pour une petite entreprise, la même logique s’applique avec plus d’argent, et les modèles ouverts valent la peine d’être examinés avant de vous engager.
Sources
Le Flash Gemini 3.7 de Google est meilleur en termes de code et coûte deux fois moins cher
Trois semaines après Gemini 3.6 Flash, Google a livré 3.7 Flash avec de réels gains de codage et a réduit de moitié le prix de lancement. Le problème est dans le calendrier : ce prix expire le 31 décembre.
