Au DevDay du 29 septembre à San Francisco, OpenAI a présenté les Dots, des agents capables de poursuivre une mission dans le cloud entre deux échanges, ainsi que de nouveaux outils de travail et des modèles moins coûteux. Ces annonces étendent le champ d’action de l’intelligence artificielle, mais elles posent aussi une question économique : comment financer des usages qui mobilisent davantage de calcul à mesure qu’ils deviennent autonomes et complexes ? La réponse se dessine dans la nouvelle grille tarifaire : les abonnements restent au cœur de l’offre, tandis que les allocations évoluent et que la vitesse devient un paramètre de tarification.
Selon les données récentes communiquées par l’entreprise, l’enjeu dépasse le simple prix d’accès aux modèles de langage. Une mission confiée à un agent peut enchaîner recherche, lecture de documents, exécution de code et vérification des résultats, sans que l’utilisateur voie chacune de ces opérations. Une analyse approfondie révèle ainsi un déplacement du modèle économique : OpenAI cherche à rendre les capacités plus accessibles, tout en faisant davantage correspondre la dépense à l’intensité réelle des usages. Pour les particuliers comme pour les entreprises, comparer les forfaits ne suffit plus ; il devient essentiel de considérer la nature des tâches, leur fréquence et le niveau de puissance nécessaire.
Dots et grille tarifaire : le coût du travail délégué
Les Dots donnent une forme concrète à l’ambition d’OpenAI de faire passer ses modèles de la réponse ponctuelle à l’exécution d’une mission. Propulsés par GPT-6 Astra, ces agents disposent d’un ordinateur dans le cloud et d’un navigateur pour rechercher des informations, préparer des documents ou intervenir sur du code, puis solliciter leur utilisateur lorsqu’une décision est nécessaire.
Cette continuité ne signifie pas que l’agent calcule sans interruption. Elle augmente toutefois le nombre d’occasions de lancer ou de prolonger une tâche. Une correction logicielle, par exemple, peut entraîner l’examen de plusieurs fichiers, des modifications successives, l’exécution de tests et de nouvelles vérifications : une consigne brève peut donc déclencher une chaîne de calcul importante. Le récapitulatif des annonces du DevDay détaille cette extension des usages.
Le sujet s’inscrit dans une contrainte financière déjà visible. En janvier 2025, Sam Altman avait indiqué qu’OpenAI perdait de l’argent sur ChatGPT Pro, les abonnés sollicitant davantage le service que prévu. Les chiffres rapportés par la suite font état d’un quadruplement des dépenses d’inférence en 2025 et d’un recul de la marge brute ajustée, de 40 % en 2024 à 33 % en 2025. La nouvelle politique tarifaire répond donc à une dépense variable que le forfait fixe absorbe difficilement.
Abonnements OpenAI : des allocations revues à la baisse
Le changement touche notamment les utilisateurs de Pro 200. Dans Codex et ChatGPT Work, leur allocation passe de vingt à dix fois celle de Plus ; dans ChatGPT, le plafond de GPT-6 Pro diminue de 200 à 100 messages par semaine. Les abonnés éligibles conservent l’ancienne allocation jusqu’au 29 octobre 2026, avant leur passage au nouveau régime.
OpenAI ajoute un palier Pro 500, annoncé à vingt-cinq fois l’allocation de Plus et donnant accès à Ultrafast. Les prix américains correspondent à environ 176 euros par mois pour Pro 200 et 440 euros pour Pro 500, sans constituer pour autant les tarifs de vente français. Les conditions officielles des offres professionnelles sont consultables sur la page tarifaire d’OpenAI Business.
Le groupe justifie la réduction des allocations par l’efficacité croissante de ses modèles. Cet argument dépend toutefois de la tâche : une opération simple peut consommer moins de ressources qu’auparavant, tandis qu’un travail complexe ou répété peut épuiser plus rapidement un quota réduit. Pour une petite équipe qui confie à Codex plusieurs développements en parallèle, la capacité réellement disponible importe autant que le montant mensuel affiché.
Ultrafast : payer aussi pour la vitesse
Le mode Ultrafast rend le compromis plus explicite. OpenAI annonce jusqu’à 300 tokens par seconde dans Codex, soit une génération pouvant atteindre huit fois la vitesse standard pour GPT-6 Astra. En contrepartie, l’allocation incluse est consommée huit fois plus vite ; pour les crédits achetés, le multiplicateur de facturation annoncé est de six.
Ces valeurs renvoient à trois mesures distinctes : le débit de génération, la vitesse de consommation du forfait et la facturation des crédits. Les confondre conduirait à comparer des coûts qui ne couvrent pas la même chose. Pour estimer l’impact sur une équipe, la fiche tarifaire de Codex permet de replacer les limites dans le contexte des usages concernés. La vitesse devient ainsi une ressource à arbitrer, plutôt qu’un avantage sans contrepartie.
GPT-6.1 Sol et la baisse du coût des modèles de langage
La réorganisation ne repose pas uniquement sur des plafonds plus stricts. Avec GPT-6.1 Sol, OpenAI met en avant un modèle dont les performances se rapprocheraient d’Astra dans plusieurs évaluations de développement logiciel, d’utilisation d’ordinateur et de travail professionnel, avec des tarifs API standard cinq fois plus bas pour les tokens entrants et sortants non mis en cache.
Cette différence ne révèle pas les coûts internes du laboratoire et ne garantit pas des résultats identiques dans tous les métiers. Elle ouvre néanmoins la voie à une sélection plus fine : un modèle économique peut extraire des informations ou préparer un document, tandis qu’un système plus puissant intervient sur les ambiguïtés et les décisions délicates. Si le premier multiplie les erreurs et les reprises, l’économie initiale disparaît ; le coût pertinent reste celui d’une tâche validée.
La baisse du prix unitaire ne conduit pas nécessairement à une facture globale plus faible. Lorsque les usages s’étendent — d’une synthèse à une étude documentée, ou d’une aide au code à une fonctionnalité complète — le volume de calcul peut progresser plus vite que l’efficacité. Le choix du modèle devient donc une décision de production, fondée sur la qualité attendue et le coût des corrections.
Une allocation commune, des usages plus difficiles à prévoir
OpenAI élargit également les points d’accès à ses capacités. Avec « Sign in with ChatGPT », l’allocation d’un forfait peut être utilisée auprès de seize partenaires annoncés, dont Notion et Devin de Cognition, pour les usages éligibles. Les conversations avec les Dots ne sont pas décomptées des limites de ChatGPT, mais les tâches lancées dans Work et Codex consomment les allocations correspondantes. Au lancement, les Dots des offres Pro ne sont pas disponibles dans l’Espace économique européen, au Royaume-Uni ni en Suisse.
Cette circulation des quotas entre services rappelle que le prix d’un abonnement ne suffit pas à décrire son périmètre. Une analyse des arbitrages tarifaires derrière les Dots souligne l’importance de distinguer conversations, travaux délégués et crédits additionnels. La concurrence devrait, elle aussi, accentuer la pression pour rendre ces limites compréhensibles, alors que les agents numériques gagnent du terrain dans les outils professionnels et le commerce.
Mesurer le coût d’une tâche réussie
Pour les entreprises, l’indicateur décisif n’est pas seulement le prix par token ou le nombre de requêtes incluses. Il s’agit de calculer ce que coûte une analyse validée, une proposition exploitable ou une correction acceptée, en intégrant les reprises et le contrôle humain. Une même mission peut être économique si l’agent s’arrête au bon moment, mais coûteuse s’il répète ses opérations sans produire de résultat fiable.
- Évaluer la tâche : distinguer une demande ponctuelle d’un processus récurrent ou d’un travail impliquant plusieurs étapes.
- Choisir la puissance : réserver les modèles les plus performants aux opérations où leur qualité apporte un gain vérifiable.
- Suivre la consommation : intégrer les limites d’allocation, les crédits et les multiplicateurs liés aux modes accélérés.
- Contrôler le résultat : mesurer les corrections nécessaires et le temps humain mobilisé avant validation.
À mesure que les agents prennent en charge davantage d’opérations, leur valeur dépendra aussi de leur capacité à choisir les ressources adaptées, à demander de l’aide lorsqu’un blocage survient et à s’arrêter une fois le travail achevé. Déléguer à l’intelligence artificielle suppose désormais de fixer un budget autant qu’un objectif.
Journaliste spécialisée en énergie et industrie, je décrypte depuis plus de quinze ans les évolutions des marchés énergétiques et les innovations industrielles. Mon parcours m’a conduite à collaborer avec des publications de renom, où j’ai analysé les défis liés à la transition énergétique et aux politiques industrielles.
