OpenAI détaille sa stratégie de coûts et d’infrastructure

Sarah Friar détaille la méthode d'OpenAI pour évaluer le coût réel d'un projet, en intégrant le temps de traitement et les erreurs de génération.

Sarah Friar présente l’approche économique d’OpenAI autour de trois éléments : l’amélioration des modèles, la réduction des coûts d’exécution et l’augmentation des capacités informatiques. L’entreprise considère que le prix d’un usage ne doit pas être évalué uniquement à partir du nombre de tokens, mais aussi selon le temps, les erreurs, les nouvelles tentatives et l’intervention humaine nécessaires pour obtenir un résultat.

Cette publication revient sur les récentes baisses tarifaires de GPT-5.6 Luna et Terra, ainsi que sur le mode Fast de GPT-5.6 Sol. OpenAI affirme que plusieurs optimisations de ses systèmes ont réduit de 20 % les coûts de service de Sol et amélioré de plus de 15 % l’efficacité de la génération.

La société insiste également sur l’importance de coordonner les différentes couches de son activité, depuis les infrastructures jusqu’à ChatGPT, Codex et l’API. Les données d’utilisation de ces produits servent notamment à anticiper la demande et à orienter les investissements futurs.

OpenAI indique compter plus d’un milliard d’utilisateurs actifs et plus de deux millions d’entreprises clientes. Selon ses données internes, les utilisateurs envoient environ 50 % de messages supplémentaires six mois après leur inscription et utilisent ChatGPT pour un nombre de tâches deux fois plus élevé. Dans l’entreprise, les usages agentiques via Codex représenteraient 99,8 % des tokens de sortie hebdomadaires.

Sarah Friar précise enfin que les futures capacités pourront être construites directement, achetées ou développées avec des partenaires. Les décisions d’investissement doivent dépendre de la croissance des usages, des revenus, de l’utilisation des infrastructures et des progrès techniques constatés.