- ▸ La question que posent les directions financières change de nature
- ▸ « Useful Intelligence per Dollar » : l'unité que défend le document
- ▸ Les quatre questions qui remplacent le prix unitaire
- ▸ Quand un jeton devient un ticket résolu ou un correctif intégré
Le 17 juillet 2026, OpenAI a publié un cadre d’évaluation qui déplace la question centrale de l’IA en entreprise : ne plus mesurer le coût par jeton, mais l’« intelligence utile par dollar ». Derrière la formule, un chiffre concret sert de démonstration : le modèle 6 Sol en raisonnement maximal atteint un nouvel état de l’art tout en consommant 54 % de jetons de sortie en moins qu’un autre modèle de premier plan. Le curseur bascule du prix unitaire vers le travail réellement accompli.
Ce qu’il faut retenir 1. Bascule de mesure : le document d’OpenAI propose de passer du « coût par token » à l’« intelligence utile par dollar », soit du prix d’entrée au résultat de sortie. 2. Quatre questions structurent le cadre : l’IA accomplit-elle un travail qui compte, quel est le coût d’une tâche réussie, le résultat est-il fiable, et chaque dollar produit-il plus de valeur à mesure que l’usage croît. 3. Chiffre-phare : 6 Sol en raisonnement maximal établit un nouvel état de l’art avec 54 % de jetons de sortie en moins qu’un modèle concurrent de premier plan. 4. Définition de la valeur : les jetons ne comptent que transformés en travail utilisable — un ticket résolu pour un support, un changement de code intégré pour une équipe d’ingénierie. 5. Méthode d’entrée : commencer par un seul flux de travail, définir ce que signifie « terminé », puis mesurer ce résultat là où le travail se produit réellement.
La question que posent les directions financières change de nature
Depuis dix-huit mois, la même interrogation remonte des directions financières confrontées aux factures d’API : comment tirer davantage de valeur de la dépense en IA. Le document publié par OpenAI le 17 juillet 2026 la reformule d’emblée — « la question que j’entends partout de la part des directeurs financiers est simple : comment obtenir plus de valeur de notre dépense IA ? » (OpenAI, A scorecard for the AI age).
Y répondre suppose de regarder plus loin qu’une métrique comme le coût par jeton. Ce prix unitaire a longtemps rassuré parce qu’il ressemble à une ligne comptable classique : un tarif, un volume, un total. Il mesure ce que coûte la matière première, pas ce qu’elle produit une fois transformée.
L’écart entre les deux est le sujet de fond. Une facture d’API basse peut masquer un coût réel élevé si chaque tâche exige plusieurs tentatives, des relectures humaines et des allers-retours de correction. À l’inverse, un jeton plus cher peut revenir moins cher à la tâche s’il l’accomplit du premier coup. Le prix affiché et le prix rendu ne se recouvrent pas.
« Useful Intelligence per Dollar » : l’unité que défend le document
L’expression tient en trois mots dans le texte original : « Useful Intelligence per Dollar. » Elle propose une unité de compte différente. Le dénominateur reste le dollar dépensé. Le numérateur cesse d’être un volume de jetons pour devenir une quantité de travail effectivement livré et utilisable.
Ce déplacement paraît mineur ; il change la grille de lecture de bout en bout. Une organisation qui optimise le coût par jeton cherche à produire davantage de sorties pour moins cher. Une organisation qui optimise l’intelligence utile par dollar cherche à produire davantage de résultats aboutis pour le même budget — ce qui n’implique pas toujours plus de jetons, parfois moins.
Le tableau ci-dessous oppose les deux logiques sur les dimensions où elles divergent le plus nettement.
| Dimension | Logique « coût par token » | Logique « intelligence utile par dollar » |
|---|---|---|
| Unité mesurée | Volume de jetons produits | Résultat de travail livré et utilisable |
| Objet optimisé | Baisser le prix unitaire | Augmenter la part de tâches abouties |
| Regard sur un modèle plus cher | Défavorable par principe | Favorable s’il fait la tâche en une passe |
| Coût caché ignoré | Reprises, relectures, itérations | Intégré dans le coût de la tâche réussie |
| Question posée | Combien coûte un jeton ? | Que coûte un résultat sur lequel on peut compter ? |
La colonne de droite réintègre ce que la gauche externalise : le temps humain de correction, les tentatives répétées, la valeur d’un résultat fiable. C’est là que se joue l’essentiel de la dépense réelle, rarement visible sur la ligne d’API.
Les quatre questions qui remplacent le prix unitaire
Le cadre ne s’arrête pas à un slogan. Le document décline l’« intelligence utile par dollar » en quatre questions qu’une organisation doit trancher pour juger le succès de son adoption : l’IA accomplit-elle un travail qui compte ; que coûte chaque tâche réussie ; peut-on dépendre du résultat ; chaque dollar investi produit-il davantage de valeur à mesure que l’usage augmente.
Chacune vise un angle mort différent du coût par jeton. La première — is AI completing work that matters? — distingue l’activité de la production. Un modèle peut générer des milliers de jetons sans livrer un seul résultat exploitable ; le volume n’est pas la valeur.
La deuxième — what does each successful task cost? — déplace le compteur de l’unité produite à la tâche aboutie. Une réponse fausse ou incomplète a un coût qui ne figure sur aucune facture : celui de la reprise. Rapporter la dépense à la tâche réussie, et non au jeton émis, fait remonter ce coût caché à la surface.
La troisième — can people depend on the result? — introduit la fiabilité comme variable économique. Un résultat sur lequel une équipe ne peut pas compter oblige à un contrôle systématique, qui annule le gain de temps recherché. La dépendabilité n’est pas un critère de confort ; elle conditionne le rendement du reste.
La quatrième — does each AI dollar produce more value as usage grows? — interroge le rendement d’échelle. La bonne trajectoire n’est pas seulement que le coût baisse, mais que chaque dollar rende davantage à mesure que l’adoption s’étend dans l’organisation. C’est le test d’un déploiement qui crée un effet cumulatif plutôt qu’une addition de dépenses parallèles.
Quand un jeton devient un ticket résolu ou un correctif intégré
Le pivot du cadre tient en une phrase du document : « les jetons créent de la valeur quand ils se transforment en travail que les gens peuvent utiliser » (Tokens create value when they transform into work people can use). La transformation est le point critique, pas la production.
Le texte illustre par deux métiers ce que « terminé » veut dire concrètement. Pour une équipe de support, « done » signifie un problème client résolu — pas une réponse générée, une résolution effective. Pour une équipe d’ingénierie, cela peut vouloir dire un changement de code livré, c’est-à-dire une modification qui entre dans la base et fonctionne, pas un extrait suggéré qu’un développeur devra retravailler.
Ces deux exemples partagent une propriété : le résultat se mesure dans le système où le travail se produit, pas dans la console du modèle. Un ticket se ferme dans l’outil de support ; un correctif se valide dans le dépôt de code. La métrique de valeur vit là où vit le travail, ce qui suppose de sortir de l’API pour l’évaluer.
L’implication est méthodologique. Compter les jetons est trivial : le fournisseur le fait pour vous. Compter les tâches abouties exige d’instrumenter le flux métier lui-même — d’attacher une définition de « terminé » à chaque usage et de la suivre dans son environnement propre. Le coût de mesure se déplace vers l’organisation, mais c’est le prix d’une lecture honnête de la valeur.
Un même volume de jetons peut recouvrir des réalités opposées : mille jetons qui bouclent un dossier client valent, pour l’entreprise, davantage que dix mille jetons qui produisent un brouillon à réécrire. Le coût par jeton range ces deux cas dans la même colonne. L’intelligence utile par dollar les sépare.
54 % de jetons en moins : pourquoi un modèle plus cher peut coûter moins cher
Le point le plus contre-intuitif du cadre concerne le lien entre capacité et coût. Un modèle plus performant peut avoir des jetons plus chers, note le document, et pourtant accomplir la même tâche en une seule passe. Le prix unitaire monte, le nombre de passes descend, et le coût à la tâche peut baisser.
Le chiffre avancé donne corps à l’argument : 6 Sol en raisonnement maximal établit un nouvel état de l’art tout en utilisant 54 % de jetons de sortie en moins qu’un autre modèle de premier plan (OpenAI). Traduit en ordre de grandeur, produire un résultat donné mobilise ici un peu moins de la moitié du volume de sortie du concurrent — le modèle comparé émet environ 2,2 fois plus de jetons pour un résultat que le document qualifie d’état de l’art.
Cette double propriété — meilleure performance et sortie plus courte — casse l’intuition selon laquelle la qualité se paierait en verbosité. Le raisonnement maximal, souvent associé à des sorties plus longues et donc plus coûteuses, produit ici l’inverse : un résultat plus juste avec moins de jetons émis. Sur le poste de dépense que représente la sortie, l’écart de 54 % pèse directement sur la facture.
Le raisonnement se prolonge au-delà du volume brut. Un modèle qui atteint la cible en une passe supprime les coûts adjacents que le coût par jeton ne voit pas : les tentatives répétées, les relances de génération, les corrections manuelles derrière un premier jet approximatif. Chaque itération évitée est un cycle humain et machine économisé, invisible sur la ligne d’API mais bien réel dans le compte de résultat.
| Poste de coût | Jeton bon marché, plusieurs passes | Jeton plus cher, une seule passe |
|---|---|---|
| Prix unitaire du jeton | Bas | Plus élevé |
| Nombre de tentatives | Multiple | Unique |
| Reprise humaine | Fréquente | Réduite |
| Volume de sortie (cas 6 Sol) | Référence | −54 % vs concurrent |
| Coût de la tâche aboutie | Potentiellement supérieur | Potentiellement inférieur |
La comparaison ne condamne pas les modèles bon marché — elle refuse de les juger sur le seul prix d’entrée. Un jeton peu coûteux reste avantageux quand la tâche est simple et tolère l’à-peu-près. Il le devient moins quand la tâche exige un résultat fiable du premier coup, car chaque reprise réintroduit un coût que l’économie initiale ne compense pas toujours.
Notre lecture : le chiffre de 54 % vaut moins comme record que comme démonstration de méthode. Il rend tangible une affirmation qui, sans donnée, resterait théorique — que la capacité et l’efficacité de sortie peuvent progresser ensemble, et qu’un arbitrage fondé sur le seul prix par jeton peut se retourner contre l’acheteur.
Le risque d’une métrique conçue par le vendeur
Un cadre publié par un fournisseur de modèles pour évaluer la valeur des modèles appelle une lecture prudente. L’« intelligence utile par dollar » sert l’argument commercial d’OpenAI : elle valorise précisément le terrain où ses modèles de raisonnement les plus capables — et les plus chers au jeton — se défendent le mieux. Déplacer le débat du prix unitaire vers la tâche aboutie, c’est déplacer la comparaison là où un modèle premium a l’avantage.
L’objection est sérieuse et mérite d’être posée sans détour. Une entreprise dont les jetons haut de gamme sont plus onéreux a un intérêt direct à convaincre les acheteurs de ne plus regarder le prix au jeton. Le cadre est cohérent avec son intérêt ; cela n’invalide pas l’argument, mais impose de le tester sur ses propres chiffres plutôt que de l’adopter sur parole.
La faiblesse structurelle du cadre est ailleurs, et le document l’assume à demi-mot : « intelligence utile par dollar » n’a de sens que si l’organisation sait définir « utile » et « terminé » dans son contexte. Sans cette définition locale, la métrique reste un slogan aussi manipulable que le coût par jeton qu’elle prétend remplacer. La rigueur ne vient pas de la formule, elle vient de l’instrumentation que l’acheteur met en place.
D’où une contrepartie de coût rarement mentionnée. Mesurer le coût par jeton est gratuit ; mesurer la tâche aboutie exige d’outiller ses flux métiers, de définir des critères de succès, de suivre des résultats dans plusieurs systèmes. Pour une petite structure, ce coût d’instrumentation peut dépasser l’économie que le cadre promet de révéler. La métrique idéale n’est pas gratuite à calculer.
Commencer par un flux, définir « terminé »
Le document propose une porte d’entrée sobre, à rebours des déploiements tous azimuts : commencer par un seul flux de travail, définir ce que signifie « terminé » et mesurer ce résultat dans le système où le travail se produit. Un périmètre, une définition, une mesure ancrée dans l’outil métier.
Ce choix a une logique. Isoler un workflow permet d’attacher une définition de succès sans se perdre dans une refonte globale du contrôle de gestion. Le support et l’ingénierie, cités par le texte, sont des candidats naturels : leur « terminé » — ticket résolu, changement de code livré — est déjà tracé dans des outils existants, ce qui limite le coût d’instrumentation.
La séquence recommandée inverse l’ordre habituel des projets IA. Beaucoup commencent par choisir un modèle, puis cherchent où l’employer. Le cadre suggère de commencer par le résultat attendu — la définition de « done » — puis de remonter vers le modèle qui l’atteint au meilleur coût à la tâche. La cible précède l’outil.
Cette discipline a une vertu défensive face au risque de dépendance. Un résultat sur lequel une équipe s’appuie sans le vérifier engage la responsabilité de l’organisation ; définir « terminé », c’est aussi définir le seuil de fiabilité à partir duquel on accepte de dépendre du résultat. La quatrième question du cadre — la fiabilité — se règle en amont, dans la définition, pas en aval, dans le rattrapage.
Ce que le cadre déplace, et ce qui reste ouvert
Le mérite de la « scorecard » n’est pas d’apporter un chiffre définitif — elle n’en donne qu’un, celui de 6 Sol — mais de nommer le bon dénominateur. Tant que la dépense IA se lit au jeton, l’acheteur optimise une variable qui ne mesure pas ce qu’il achète vraiment. Rapportée à la tâche aboutie, la même dépense raconte une autre histoire, parfois inverse.
Reste la question que le document laisse ouverte : qui arbitre la définition de « utile » ? Tant qu’elle appartient à l’organisation qui déploie, le cadre est un outil de lucidité. S’il devient un argument standardisé imposé par les fournisseurs, il risque de reproduire le travers qu’il dénonce — une métrique lisse qui rassure sans mesurer. La valeur d’une scorecard se juge à ce qu’elle oblige à regarder en face, pas à la marque qui l’a imprimée.
Pour une direction technique française qui négocie ses contrats d’API en 2026, la conséquence est immédiate et chiffrable : avant de comparer deux modèles au prix du million de jetons, il faut mesurer, sur un flux réel, combien de tâches chacun boucle du premier coup. C’est ce ratio — et non le tarif affiché — qui décidera de la facture à l’échelle.
Questions fréquentes
Par où commencer pour mesurer la valeur réelle de mon IA ?
Le document d’OpenAI recommande d’isoler un seul flux de travail. Définissez ce que « terminé » signifie pour cette tâche précise — un ticket client résolu, un correctif de code livré — puis mesurez ce résultat dans l’outil métier où le travail se produit, avant d’ajouter des indicateurs financiers plus complexes.
Un modèle moins cher au jeton est-il toujours plus rentable ?
Pas nécessairement. Un jeton bon marché peut exiger plusieurs tentatives et des relectures humaines qui annulent l’économie de départ. Le cas de 6 Sol l’illustre : un modèle plus performant, aux jetons plus chers, atteint l’état de l’art avec 54 % de jetons de sortie en moins et peut boucler la tâche en une seule passe, donc à un coût à la tâche potentiellement inférieur.
Faut-il adopter ce cadre parce qu’il vient d’OpenAI ?
Le cadre sert l’intérêt commercial de son auteur, dont les modèles premium se défendent mieux à la tâche qu’au jeton. Cela n’invalide pas l’argument, mais impose de le tester sur ses propres chiffres et sur ses propres définitions de « terminé », plutôt que de l’adopter tel quel.
Sources – OpenAI, A scorecard for the AI age, 17 juillet 2026 — https://openai.com/index/a-scorecard-for-the-ai-age
À lire sur LagazetteIA – Coût par million de jetons : ce que cachent les grilles tarifaires des laboratoires – Modèles de raisonnement : quand plus de calcul rime avec moins de jetons – Déployer l’IA en entreprise : définir « terminé » avant de choisir le modèle
