En juin 2026, un document financier divulgué d'OpenAI a provoqué un séisme dans la tech. Le document révèle qu'OpenAI a réalisé un chiffre d'affaires de 13,07 milliards de dollars en 2025, soit une croissance stupéfiante de 253 % par rapport aux 3,7 milliards de dollars de 2024. Cependant, parallèlement à cette envolée des recettes, les pertes d'exploitation ont atteint 20,92 milliards de dollars, pour une perte nette d'environ 8 milliards de dollars.
Sous l'apparence prospère de ChatGPT qui dépasse les 900 millions d'utilisateurs actifs hebdomadaires et d'une valorisation de l'entreprise à 852 milliards de dollars, les comptes d'OpenAI révèlent une réalité brutale : en 2025, pour chaque dollar gagné, l'entreprise en dépensait 1,6. Ce modèle de "croissance à tout prix" est-il une douleur unique pour OpenAI sur la voie de l'intelligence artificielle générale (IAG), ou est-ce un mal commun à toute l'industrie des grands modèles ? En décortiquant sa structure de coûts et en la comparant aux données financières d'autres leaders comme Anthropic ou xAI, nous pourrons peut-être voir le véritable prix de la prospérité actuelle de l'industrie de l'IA.
Le trou noir des coûts derrière 13 milliards de recettes : Où passe l'argent ?
Pour comprendre la logique des pertes d'OpenAI, il faut d'abord décomposer sa structure de coûts et dépenses totales, qui s'élève à 34 milliards de dollars. Dans ce document financier divulgué, le poste de dépense le plus important est celui des coûts de R&D, atteignant 19,18 milliards de dollars, incluant un paiement de 10,59 milliards de dollars à Microsoft. Viennent ensuite 7,5 milliards de dollars de coût des revenus (principalement pour l'inférence) et 5,73 milliards de dollars de dépenses de vente et marketing.
En termes de rythme de croissance, l'efficacité des dépenses d'OpenAI s'est en réalité améliorée. En 2024, l'entreprise dépensait 2,37 dollars pour générer 1 dollar de revenu, contre 1,6 dollar en 2025. La croissance des revenus (253 %) a dépassé celle des coûts totaux (172 %). Mais cela ne signifie pas pour autant une diminution de la pression des coûts ; au contraire, le prix d'entrée pour la loi de l'échelle continue de grimper en flèche.
Les dépenses de R&D de 19,18 milliards représentent 147 % de son chiffre d'affaires annuel. Dans le domaine des grands modèles, la R&D ne signifie pas seulement les salaires des ingénieurs, mais surtout la consommation massive de puissance de calcul pour l'entraînement. Pour rester en tête sur les capacités des modèles, OpenAI doit investir massivement et continuellement dans l'entraînement de la génération suivante. Cet investissement est rigide ; ralentir reviendrait à perdre du terrain face à la concurrence.
Le coût de l'inférence, de 7,5 milliards de dollars, est tout aussi important. Ce coût est directement lié au volume d'utilisation. Avec plus de 900 millions d'utilisateurs actifs hebdomadaires, ChatGPT génère chaque jour un afflux massif de requêtes d'inférence vers les serveurs d'OpenAI. Chaque conversation, chaque génération, consomme des ressources de calcul réelles. Bien que les performances matérielles s'améliorent, la demande des utilisateurs pour des interactions plus complexes et avec un contexte plus long croît encore plus vite, entraînant une augmentation continue du coût absolu de l'inférence.
En outre, les 5,73 milliards de dollars de dépenses commerciales et marketing reflètent également le coût élevé pour les entreprises d'IA d'acquisition de clients grand public et de développement de leur clientèle entreprise. À une époque où les produits commencent à se ressembler, maintenir la notoriété de la marque et conquérir des parts de marché auprès des entreprises nécessite des investissements substantiels.
Il est important de clarifier le chiffre de la perte nette. Le document divulgué indique que la perte nette de 2025 inclut environ 30 milliards de dollars de charges comptables non monétaires exceptionnelles. Celles-ci résultent de la variation de la juste valeur des instruments convertibles et des passifs de bons de souscription lors de la transformation d'OpenAI d'une structure à but non lucratif en une société à but lucratif d'intérêt public (PBC). En excluant ce facteur exceptionnel, la perte opérationnelle réelle est d'environ 20,92 milliards de dollars, et la perte nette d'environ 8 milliards de dollars. Cette distinction est cruciale, car elle isole les fluctuations comptables dues au changement de structure financière et révèle la consommation réelle des opérations quotidiennes de l'entreprise.
La charge structurelle de 17,2 milliards : La "commission cachée" de Microsoft
Dans la structure de coûts d'OpenAI, il existe un géant incontournable : Microsoft. Selon le document divulgué, le montant total payé par OpenAI à Microsoft en 2025 s'élève à 17,2 milliards de dollars. Cela comprend 10,59 milliards de dollars en dépenses de R&D, 6,047 milliards de dollars en coût des revenus, 527 millions de dollars en dépenses commerciales et 42 millions de dollars en dépenses administratives.
Ce paiement de 17,2 milliards représente 50,5 % du coût total d'OpenAI pour l'année, dépassant même son chiffre d'affaires annuel de 13,07 milliards. Microsoft n'est pas seulement le fournisseur de services cloud d'OpenAI, mais aussi un "actionnaire invisible" liant profondément la trésorerie d'OpenAI via une part des revenus sur la puissance de calcul. Au début de la collaboration, le soutien en puissance de calcul de Microsoft a été crucial pour l'ascension rapide d'OpenAI. Mais avec l'expansion des activités d'OpenAI, ce modèle de partage est devenu une lourde charge structurelle.
Selon l'accord de partenariat précédemment divulgué, OpenAI doit verser à Microsoft 20 % de ses revenus, et ce jusqu'en 2030. Cela signifie que tant qu'OpenAI utilisera les services cloud Azure de Microsoft pour l'entraînement et l'inférence, cette dépense sera inévitable. Avant même d'atteindre une trésorerie positive, OpenAI doit d'abord combler la facture de calcul de Microsoft. Cette structure explique également pourquoi OpenAI a dû lever un financement colossal de 122 milliards de dollars en mars 2026. Dans l'incapacité de générer sa propre trésorerie, les apports externes sont le seul moyen de maintenir les opérations.
Classement de l'efficacité des dépenses : OpenAI vs Anthropic vs xAI
La R&D élevée et les fortes pertes sont-elles un phénomène unique à OpenAI ? En regardant deux autres leaders de l'IA, la réponse est non.
Selon le document S-1 déposé par SpaceX pour son introduction en bourse, xAI d'Elon Musk a réalisé un chiffre d'affaires de 3,2 milliards de dollars en 2025, mais a enregistré des pertes d'exploitation de 6,4 milliards de dollars, avec des dépenses en capital atteignant 12,7 milliards de dollars. En termes d'efficacité des dépenses, xAI dépense 3 dollars pour gagner 1 dollar, avec un ratio pertes/revenus de 200 %, bien supérieur aux 160 % d'OpenAI. Pour parier sur des modèles à billions de paramètres, xAI a construit le centre de données Colossus en seulement 122 jours, ses dépenses en capital dépassant même la somme de celles des activités Starlink et lanceurs de SpaceX. Cela indique que sur la course à la loi de l'échelle, xAI a fait un pari d'actifs lourds encore plus extrême qu'OpenAI.
La situation d'Anthropic, un autre concurrent majeur, présente un chemin différent. Selon une annonce officielle, Anthropic a atteint un chiffre d'affaires annuel récurrent (ARR) de 9 milliards de dollars fin 2025, qui s'est envolé à 47 milliards de dollars en mai 2026. Son moteur de croissance principal, Claude Code, avait déjà un chiffre d'affaires annuel dépassant les 2,5 milliards de dollars en février 2026.
Cependant, derrière cette croissance rapide se cache aussi une pression sur les coûts. Selon The Information, la marge brute d'Anthropic en 2025 n'était que de 40 %, soit 10 points de pourcentage de moins que prévu, en raison de coûts d'inférence supérieurs de 23 % aux attentes. Concernant les pertes, des médias rapportent que ses pertes EBITDA se chiffrent également en milliards de dollars. En l'absence de documents audités précis, nous ne connaissons pas le montant total réel des pertes nettes d'Anthropic, mais une marge brute de 40 % et des coûts d'inférence supérieurs aux attentes révèlent la même pression commune à l'industrie.
La comparaison côte à côte des données des trois entreprises montre qu'en 2025, les pertes d'exploitation combinées d'OpenAI, xAI et Anthropic dépassaient les 30 milliards de dollars. La croissance à tout prix n'est pas un cas isolé, mais la norme dans la concurrence actuelle des grands modèles. La différence réside dans le choix des modèles commerciaux. Anthropic ne construit pas ses propres centres de données, dépend d'une stratégie multi-cloud (AWS, Google, Azure) pour une approche légère, et réalise une monétisation à prix élevé auprès des entreprises via Claude Code. xAI, quant à elle, garde fermement son infrastructure de calcul sous son contrôle, en pariant sur un monopole de la puissance de calcul. OpenAI se situe entre les deux, dépendant à la fois de la puissance de calcul de Microsoft et disposant d'une vaste base d'utilisateurs grand public.
900 millions d'utilisateurs hebdomadaires et un taux de conversion de 5,6 % : Le test de résistance du plafond de monétisation
L'immense base d'utilisateurs est le rempart le plus solide d'OpenAI et un pilier majeur de sa valorisation à 852 milliards de dollars. Mais les données financières révèlent l'autre facette de ce rempart.
Parmi les 900 millions d'utilisateurs actifs hebdomadaires de ChatGPT, environ 50 millions sont des utilisateurs payants, soit un taux de conversion d'environ 5,6 %. En estimant grossièrement à partir des recettes de 13,07 milliards de dollars, le revenu annuel moyen par utilisateur payant (ARPU) est d'environ 261 dollars. Cela signifie que plus de 800 millions d'utilisateurs gratuits consomment de la puissance de calcul sans générer de revenus directs.
Dans un contexte de coûts d'inférence élevés, la consommation de calcul des utilisateurs gratuits devient un énorme fardeau. Comment améliorer le taux de conversion et l'ARPU est un défi direct pour OpenAI. La pression est encore plus évidente en comparant avec la stratégie d'Anthropic. Face à la pression des coûts, Anthropic a choisi de doubler le prix de son API pour ses modèles les plus avancés, et a lancé des stratégies de tarification à plusieurs niveaux comme Claude Fable, transformant les capacités d'IA de pointe en "produits de luxe" pour cibler les clients entreprises à haute valeur.
OpenAI maintient pour l'instant son abonnement de base à 20 dollars par mois. Ce modèle aide à accroître rapidement la base pendant la phase d'expansion, mais au stade où la structure des coûts doit être optimisée, il devra inévitablement faire face à des pressions pour augmenter les prix ou segmenter davantage son offre tarifaire.
Qui paie la facture de la loi de l'échelle ?
Ces comptes divulgués d'OpenAI entrouvrent un coin du voile sur l'industrie de l'IA. Des revenus annuels de plusieurs milliards accompagnés de pertes colossales ne sont pas seulement la situation d'OpenAI, mais aussi le dilemme commun des leaders comme xAI et Anthropic. Les investissements massifs en R&D et les coûts élevés d'inférence constituent les deux montagnes à franchir dans la course aux grands modèles.
Les levées de fonds gigantesques fournissent un tampon à ce modèle de dépenses effrénées. Le financement de 122 milliards de dollars levé par OpenAI en mars 2026, ainsi que la valorisation d'Anthropic à 965 milliards de dollars en mai de la même année, montrent que le marché financier est pour l'instant encore prêt à payer pour la loi de l'échelle. Mais la patience du capital a des limites.
La capacité des entreprises d'IA à sortir de l'ornière des pertes dépend de leur capacité à réaliser une baisse brutale des coûts marginaux. SpaceX, dans ses débuts, a réduit ses coûts de lancement de plus de 90 % grâce à la réutilisation des fusées, transformant ainsi l'économie du secteur spatial. L'industrie de l'IA peut-elle reproduire cette trajectoire ? Cela dépendra de la capacité à réduire drastiquement les coûts de calcul pour l'inférence, que ce soit par des puces dédiées, la compression des modèles ou l'innovation architecturale. Jusqu'à ce que cela se produise, la R&D coûteuse et les pertes élevées resteront la mélodie dominante de l'industrie de l'IA. Ce qui déterminera si les outils d'IA peuvent continuer à évoluer, ce n'est pas le degré d'ingéniosité des algorithmes, mais la structure des coûts cachée dans les livres de comptes.
