LLM : les modèles d'affaires qui pourraient piéger votre entreprise

Le vrai danger n'est pas que l'IA échoue, mais qu'elle réussisse trop bien. Monopoles, dépendances et coûts explosifs : les LLM redessinent un champ de bataille risqué pour les entreprises.

Imaginez dépendre d'un fournisseur stratégique qui brûle 14 milliards de dollars par an pour vous vendre un abonnement à 20 euros. C’est le paradoxe actuel de l'IA pour les entreprises. Le vrai risque n’est pas que l’intelligence artificielle échoue technologiquement, mais que le modèle économique de ses éditeurs réussisse si bien qu’il devienne un monopole absolu – ou qu’il s’effondre, vous laissant orphelin de processus critiques que vous avez intégrés. OpenAI, Anthropic et Mistral incarnent trois trajectoires différentes, mais toutes reposent sur des ressources rares et soulèvent des questions de souveraineté que les Comex ne peuvent plus ignorer.

Les grandes lignes de dépenses et de recettes

Les revenus des principaux fournisseurs proviennent essentiellement de deux sources : les abonnements (paiement mensuel fixe pour un accès étendu) et les interfaces de programmation (API) (paiement à l’usage, facturé au nombre de "tokens", unités de texte traitées).

Chez OpenAI, les abonnements (ChatGPT Plus, Pro et versions entreprises) dominent largement, représentant souvent 55 à 85 % des recettes selon les estimations. Cette stratégie grand public assure une adoption massive et une visibilité forte. Les API complètent le tableau (15 à 30 %), notamment pour les intégrations professionnelles. Les revenus annualisés atteignaient environ 20 à 25 milliards de dollars fin 2025, avec une croissance rapide mais des pertes importantes (projections autour de 14 milliards de dollars en 2026).

À l’inverse, Anthropic tire l’essentiel de ses revenus (70 à 75 %) des API, particulièrement sur les usages de génération de code et d’agents. Les abonnements directs restent minoritaires (10-15 %). Cette orientation "entreprise" donne des revenus plus concentrés sur de gros clients, potentiellement plus stables.

Mistral adopte un modèle hybride : API à l’usage, abonnements (Le Chat Pro) et licences pour déploiements privés. Avec environ 400 millions de dollars de revenus annualisés début 2026 et un objectif supérieur à 1 milliard, l’entreprise française mise sur l’agilité et la souveraineté européenne.

Les dépenses communes sont colossales : coûts d’inférence (exécution des modèles), entraînement des nouveaux modèles, infrastructure et salaires. Les pertes structurelles restent élevées, car la course à la performance exige des investissements massifs avant que les marges ne se stabilisent.

Les ressources critiques : puces, infrastructure et talents

Tous les acteurs dépendent fortement de puces de calcul performantes, dominées par NVIDIA. OpenAI et Anthropic ont engagé des centaines de milliards de dollars dans des centres de données. Mistral, de son côté, investit en Europe (data centers en France et en Suède, acquisition de Koyeb) pour limiter cette dépendance et renforcer la souveraineté.

La guerre des talents est tout aussi intense : les ingénieurs spécialisés en intelligence artificielle sont rares et très courtisés, ce qui fait exploser les coûts salariaux. L’énergie constitue un troisième goulet d’étranglement, avec une consommation électrique des centres de données qui pose des questions environnementales et de disponibilité.

Cette dépendance aux puces a cependant un revers inattendu : elle a poussé des acteurs isolés, notamment chinois, à optimiser drastiquement l’efficacité logicielle, remettant en cause le modèle du "brute force" américain.

L’évolution des stratégies des trois acteurs

OpenAI a évolué d’une logique de recherche ouverte vers une commercialisation agressive et une focalisation sur l’adoption pratique (agents autonomes, tarification basée sur les résultats).

Anthropic mise sur la sécurité et l’alignement dès l’origine, avec une conquête réussie des grands comptes via des API robustes et des outils de code.

Mistral développe une voie européenne : combinaison d’open source et de modèles propriétaires, cloud souverain et partenariats industriels. L’entreprise optimise les coûts et la conformité réglementaire plutôt que la course pure à l’échelle.

Chaque stratégie engage différemment les entreprises clientes : verrouillage progressif chez les acteurs américains, ou plus grande flexibilité (mais moindre maturité) chez Mistral.

Les modèles de distribution et les écosystèmes fermés (Microsoft et xAI)

Microsoft n’est pas un concurrent direct de modèle, mais un puissant canal de distribution et un infrastructureur.

• Copilot (intégré à Microsoft 365) est l’assistant quotidien qui aide les employés dans Word, Excel, Teams, etc.
• Copilot Studio est une plateforme de développement qui permet de créer des agents IA personnalisés et autonomes, en s’appuyant sur plusieurs modèles (OpenAI, Anthropic, Grok, etc.).

Le piège principal de ces écosystèmes fermés est le 'Shadow IT' (utilisations non autorisées de l'IA par les collaborateurs et partenaires de l'entreprise). Si Copilot (M365) est relativement maîtrisé par la DSI, Copilot Studio permet à n'importe quel service métier de créer un agent IA connecté aux données de l'entreprise en quelques heures, augmentant spectaculairement la surface d'attaque et la dépendance invisible à l'infrastructure Microsoft.

xAI (Grok) propose une approche plus disruptive, avec une intégration à l’écosystème X et Tesla, un positionnement "vérité maximale" et des tarifs agressifs. Sa disponibilité via Copilot Studio renforce son accès aux entreprises.

Le piège principal : ces écosystèmes fermés offrent une distribution massive et une facilité d’intégration, mais augmentent la dépendance à un fournisseur unique et à ses choix stratégiques.

Le cas chinois : l’efficacité par la contrainte, un modèle d’affaires par l’écosystème

Le choc "DeepSeek" et l’illusion du brute-force :

Contrairement à l’illusion occidentale selon laquelle la qualité dépend uniquement du nombre de GPU (NVIDIA), les modèles chinois (DeepSeek, Qwen d’Alibaba) ont démontré qu’un investissement massif en ingénierie logicielle (optimisation des architectures MoE, gestion fine des données) permettait d’égaler les performances de GPT-4 ou Claude avec une fraction des ressources matérielles.

Implication gouvernance : Le narratif de la "pénurie de puces" justifiant des prix élevés chez les occidentaux est désormais contesté. La ressource rare n’est plus la puce, c’est le talent d’optimisation.

Le modèle d’affaires par l’écosystème (Le "Loss Leader" à la chinoise) :

Les API de modèles chinois sont souvent bradées (voire gratuites). Leur modèle économique ne repose pas sur la vente de calcul, mais sur le verrouillage d’écosystèmes B2B et B2C massifs (DingTalk pour Alibaba, WeChat pour Tencent, Baidu Search). L’IA est un coût d’acquisition et de rétention, pas un centre de profit direct.

Implication gouvernance : Une entreprise européenne qui intègre une API chinoise "gratuite" ou à bas coût ne paie pas avec de l’argent, mais avec la fuite de ses patterns d’usage vers des acteurs étrangers.

La stratégie de l’"Open Weights" (poids ouverts) versus Open Source :

La Chine a massivement adopté le modèle des "poids ouverts" (le code n’est pas forcément visible, mais les paramètres du modèle le sont). Cela permet aux entreprises occidentales de télécharger ces modèles pour les faire tourner "on-premise" (en local).

Le piège de la souveraineté : Pour une ETI française qui cherche à échapper au cloud américain, un modèle chinois en local semble séduisant. Mais la dépendance se déplace : au lieu de dépendre de l’infrastructure américaine, l’entreprise dépend de mises à jour algorithmiques et d’alignement cognitif (valeurs, censure) dictés par Pékin.

Tableau comparatif "Guerre des modèles : US vs Chine vs Europe" :

• US (OpenAI/Anthropic) : Monétisation directe (abonnements et API), prime à l’agent autonome, dépendance brute au hardware.
• Chine (Qwen/DeepSeek) : Monétisation indirecte (écosystèmes), prime à l’efficacité logicielle, "open weights" géopolitique.
• Europe (Mistral) : Monétisation hybride, prime à la conformité et à la souverainetéeté, recherche de niches réglementaires.

Incertitudes et grandes tendances à venir : les pièges pour les dirigeants

Les services et les tarifs évolueront inévitablement. On s’attend à une hausse pour les usages avancés (agents autonomes, résultats mesurables) et à une différenciation plus forte. La concurrence et les optimisations devraient faire baisser le coût des usages standards.

Les incertitudes majeures portent sur :

• La profitabilité réelle (cash burn élevé malgré la croissance).
• Les ressources (pénuries de puces, coûts énergétiques, talents).
• La géopolitique (sanctions, dépendances).

Perspectives pour les utilisateurs en entreprise : Oui, attendez-vous à des changements. Les recommandations pratiques sont : diversifier les fournisseurs, mesurer rigoureusement le retour sur investissement, investir dans les compétences internes et mettre en place une gouvernance forte (conformité CSRD, audits de dépendance, stratégie de souveraineté).

Cette dépendance aux modèles d'affaires des éditeurs d'IA n'est pas qu'un sujet technique, c'est un risque financier et extra-financier majeur. Pourtant, comme nous l'avons récemment analysé, la majorité des entreprises du CAC 40 omettent encore de mentionner leurs fournisseurs d'IA dans leurs documents d'enregistrement universel (DEU). Demain, ne pas déclarer sa dépendance à un modèle d'abonnement tiers (souvent non européen) ou l'intégration de poids ouverts chinois en local sera considéré par les auditeurs et les investisseurs comme un manquement à la duty of care. La gouvernance de l'IA passe aussi par la transparence actionnariale.

Conclusion et recommandations pour les Comex

Quel que soit le choix, écosystème américain, efficacité chinoise ou voie européenne, il existe un sacrifice : coût, données, valeurs ou autonomie. La gouvernance n’est plus une option, mais la condition pour transformer l’IA en véritable avantage compétitif durable.

Recommandations actionnables :

• Cartographier : Évaluer immédiatement la dépendance globale (modèles, données, infrastructures), y compris les usages via Copilot Studio ou API chinoises ignorés de la DSI.
• Arbitrer : Distinguer les usages commodités (où le coût prime) des processus critiques (où la souveraineté et la stabilité dictent le choix, par exemple via des licences Mistral on-premise).
• Reporter : Intégrer ces dépendances dans le prochain rapport annuel (DEU/CSRD) non pas comme une contrainte, mais comme un signal de maturité dans votre gouvernance pour les investisseurs.

Les entreprises qui garderont la main sur leur stratégie d’IA seront celles qui auront su traiter ces éditeurs non comme des partenaires technologiques, mais comme des fournisseurs d'infrastructures stratégiques soumis au même degré d'exigence que l'énergie ou les matières premières.