# Coût Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Coût", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Après 540 000 lignes de code, Garry Tan constate que le vieux jeu de la programmation avec l'IA est terminé

Après avoir développé un projet de 540 000 lignes de code (Garry's List) avec Rails et des agents IA, Garry Tan, président de Y Combinator, constate que l'approche traditionnelle du développement logiciel est obsolète. Au lieu de célébrer la quantité de code, il souligne la valeur d'une nouvelle méthodologie : le GStack, un cadre de travail centré sur les flux d'agents IA. Selon lui, l'industrie s'est enfermée dans une logique de "usine Foxconn", entourant les modèles de langage (LLM) intelligents de tests, de validateurs et de mécanismes de contrôle redondants. Alors que le coût des LLM baisse et que leurs capacités augmentent, cette approche devient contre-productive. Elle restreint des agents capables d'autonomie. La solution ? Passer d'une logique de "plus de code" à une logique de "plus de capacités". Tan prône l'utilisation de "skill packs" (packs de compétences) – des modules d'aptitude réutilisables et testables, décrits en Markdown et accompagnés du code minimal nécessaire. L'agent IA peut lui-même générer le code, les tests et le système d'évaluation pour ces compétences. Il illustre ce pouvoir par un exemple : l'évaluation de 85 projets pour un hackathon, un travail de plusieurs jours, a été accomplie par un agent en 30 minutes. Une fois finalisée, cette capacité a été encapsulée dans un "skill pack" pour une réutilisation future. Tan défend le "tokenmaxxing" : il faut accepter de dépenser en tokens d'IA aujourd'hui pour vivre avec les méthodes de demain et acquérir un avantage concurrentiel. La rareté ne réside plus dans la capacité à écrire du code, mais dans la clarté, le jugement et la capacité à définir les bons problèmes. L'ingénieur du futur ne sera pas celui qui écrit le plus de code, mais celui qui, en en écrivant le moins, libère le plus d'intelligence.

marsbit06/02 21:44

Après 540 000 lignes de code, Garry Tan constate que le vieux jeu de la programmation avec l'IA est terminé

marsbit06/02 21:44

Chatbot dépense de l'argent depuis trois ans, est-ce toujours la « nouvelle frontière » de l'ère de l'IA ?

Ces dernières années, le secteur de l'IA a largement parié sur le chatbot comme le futur « super point d'entrée » et la nouvelle frontière de valeur, inspiré par le succès foudroyant de ChatGPT. Cependant, après trois ans de développement et d'importants investissements, ce modèle économique montre ses limites. Les principaux acteurs comme OpenAI, malgré des centaines de millions d'utilisateurs, peinent à être rentables, chaque requête entraînant des coûts de calcul élevés. Contrairement aux produits Internet classiques, le chatbot ne bénéficie pas d'effets de réseau ou de coûts marginaux nuls. Sa croissance aggrave même ses pertes. Le modèle d'abonnement grand public rencontre des difficultés, particulièrement en Chine où les utilisateurs rechignent à payer. La publicité, considérée comme un recours, s'avère peu adaptée à l'interface conversationnelle et à l'attente d'exactitude des réponses. Parallèlement, une voie différente émerge. Anthropic, dont 85% des revenus proviennent des entreprises, a dépassé OpenAI en chiffre d'affaires. Cela révèle une demande plus forte pour des assistants capables d'exécuter des tâches (Agents) que pour de simples interfaces de dialogue. Des études confirment que la majorité des interactions visent des usages professionnels. Le chatbot, conçu pour le dialogue universel, enferme l'IA dans un échange tour par tour et passif. Son avenir semble résider dans l'évolution vers des Agents plus autonomes ou, plus radicalement, dans l'intégration de l'IA directement dans les applications existantes, les systèmes d'exploitation ou le matériel, plutôt que dans une application autonome. En conclusion, le chatbot s'avère être une forme intermédiaire, et non une fin en soi, sur la voie vers l'IA générale. La « nouvelle terre promise » de l'IA ne sera peut-être pas un dialogueur unique, mais une capacité diffuse et exécutante, intégrée partout. Il est temps d'abandonner la « vieille carte » du super point d'entrée pour en dessiner de nouvelles.

marsbit06/02 10:43

Chatbot dépense de l'argent depuis trois ans, est-ce toujours la « nouvelle frontière » de l'ère de l'IA ?

marsbit06/02 10:43

Après avoir brûlé des dizaines de milliards de dollars en tokens, les géants de la Silicon Valley commencent à limiter l'usage des tokens par leurs employés

Après avoir dépensé des milliards de dollars en tokens d'IA, les grandes entreprises technologiques de la Silicon Valley commencent à limiter leur utilisation par les employés. La pratique du "tokenmaxxing", qui encourageait une consommation maximale, a conduit à des coûts exorbitants et à un faible retour sur investissement mesurable. Des entreprises comme Microsoft, Uber et Salesforce constatent que l'IA automatise souvent les tâches que les employés n'aiment pas, plutôt que celles qui génèrent de la valeur. Les dépenses en tokens deviennent un fardeau financier majeur, avec des coûts cachés importants pour la correction des erreurs. Face à cela, les entreprises adoptent désormais des outils de gestion des coûts et cherchent des modèles de tarification alignés sur les résultats concrets. Cette rationalisation marque un tournant vers une évaluation plus rigoureuse de la valeur réelle de l'IA pour les processus métiers.

marsbit06/01 04:09

Après avoir brûlé des dizaines de milliards de dollars en tokens, les géants de la Silicon Valley commencent à limiter l'usage des tokens par leurs employés

marsbit06/01 04:09

Quand le Token coûte plus cher que l'homme, le « récit de l'IA » rencontre des difficultés

**Résumé** La rentabilité des investissements en IA générative est sévèrement mise en doute, alors que les coûts liés aux tokens explosent sans que leur valeur commerciale tangible n'apparaisse. Des entreprises comme Uber constatent des niveaux de consommation « choquants » sans amélioration produit claire, tandis que Microsoft réduit ses licences face à des factures jugées insoutenables. Des données révèlent un problème systémique : une étude montre que seulement 18 cents sur chaque dollar dépensé en tokens génèrent de la valeur pour l'utilisateur final, le reste étant absorbé par la correction d'erreurs ou des frictions internes. Parallèlement, le prix des tokens a fortement augmenté. Le débat est polarisé. Les optimistes voient une transition douloureuse mais nécessaire, anticipant une explosion de la demande et une amélioration des indicateurs de rentabilité. Les pessimistes, comme des analystes de Goldman Sachs, soulignent une structure économique déformée où la valeur profite presque exclusivement aux fabricants de semi-conducteurs (comme Nvidia), tandis que les géants du cloud s'endettent lourdement pour financer l'infrastructure. Une inquiétude majeure réside dans la structure de financement circulaire entre les laboratoires d'IA (OpenAI, Anthropic) et les fournisseurs de cloud (Microsoft, Google...). Ces derniers investissent dans les labos via des crédits cloud, qui sont ensuite dépensés en services de calcul, alimentant ainsi leurs propres revenus. La pérennité de ce système dépend d'un financement externe continu aux labos, eux-mêmes tributaires de la volonté des entreprises clientes à payer des factures croissantes. La technologie IA est réelle et utile, mais la question centrale n'est plus seulement technique : elle est économique. L'industrie doit prouver que les gains de productivité en aval pourront compenser à temps les coûts exorbitants supportés en amont. La période où la simple consommation de tokens valait preuve de succès est révolue. La facture de l'IA est présentée, mais il reste incertain qui, in fine, devra la régler.

marsbit05/29 01:48

Quand le Token coûte plus cher que l'homme, le « récit de l'IA » rencontre des difficultés

marsbit05/29 01:48

Microsoft abandonne Claude : trop cher ou simplement bien négocié ?

Microsoft arrête l'utilisation interne de Claude Code, officiellement pour des raisons de coût. Des sources indiquent que l'outil d'Anthropic coûtait entre 500 et 2000 dollars par ingénieur et par mois, une facture jugée trop élevée même pour le géant. L'entreprise redirige ses équipes vers sa propre solution, GitHub Copilot CLI. Cette décision est aussi interprétée comme la fin d'une expérience interne de six mois, où Microsoft a comparé les deux outils pour identifier et combler les lacunes de son produit. Cependant, des rapports révèlent une forte préférence des ingénieurs Microsoft pour Claude Code, plus performant sur des tâches complexes. Le mouvement souligne des défis plus profonds pour Microsoft : une dépendance aux modèles externes d'OpenAI et d'Anthropic, la supériorité perçue de Claude Code sur Copilot, et l'érosion de son contrôle sur l'écosystème des développeurs. Malgré ses investissements massifs, Microsoft risque de devenir un simple "canal de distribution" dans l'ère de l'IA, alors que la valeur et les habitudes des développeurs migrent vers les plates-formes de ses partenaires.

marsbit05/25 10:33

Microsoft abandonne Claude : trop cher ou simplement bien négocié ?

marsbit05/25 10:33

670 milliards de dollars ! La montée de l'IA mène à la plus grande fusion-acquisition énergétique des États-Unis

Le 18 mai 2026, NextEra Energy a annoncé l'acquisition de Dominion Energy pour 670 milliards de dollars, la plus grande fusion de services publics de l'histoire américaine. Cette transaction est largement motivée par la demande électrique insatiable des centres de données d'IA. Le cœur de l'affaire se trouve en Virginie du Nord, le « Data Center Alley », où Dominion est le principal fournisseur d'électricité. L'entreprise détient des contrats de demande de plus de 51 GW pour ses centres de données, une capacité équivalente à environ 50 grandes centrales nucléaires. Cette soif d'énergie bouleverse le réseau. En 2025, la demande mondiale d'électricité des centres de données a augmenté de 17%, largement tirée par l'IA. Aux États-Unis, les prix sur le marché PJM ont bondi de 76%, une hausse jugée « irréversible » en raison de changements structurels. NextEra, principal producteur d'énergies renouvelables, parie que la demande de calcul de l'IA ne faiblira pas. En combinant son expertise en énergies propres et en stockage avec l'empreinte de Dominion, elle vise à fournir une électricité stable et prévisible aux centres de données. Cependant, cette transformation soulève une question cruciale : qui paie ? Les investissements massifs dans les infrastructures électriques, estimés à 700 milliards de dollars, pourraient être répercutés sur les factures des consommateurs résidentiels, créant un déséquilibre où les profits de l'IA sont privatisés tandis que ses coûts d'infrastructure sont socialisés. Cette méga-fusion n'est probablement qu'un début de la restructuration du paysage énergétique américain sous la pression de l'IA.

marsbit05/21 08:11

670 milliards de dollars ! La montée de l'IA mène à la plus grande fusion-acquisition énergétique des États-Unis

marsbit05/21 08:11

3 personnes, 100 programmeurs IA, 1,3 million de dollars brûlés en un mois ! OpenAI : l’addition, c'est moi

Trois personnes, une centaine d'agents IA, et une facture d'1,3 million de dollars sur un mois : Peter Steinberger, créateur d'OpenClaw, a dévoilé cette dépense faramineuse, entièrement prise en charge par OpenAI. Son équipe de trois développeurs utilise environ 100 instances de Codex pour automatiser les tâches fastidieuses du développement logiciel : revue de code, détection de vulnérabilités, gestion des bogues, surveillance des performances et même génération de requêtes après des réunions. Cette approche transforme le processus de développement en une "chaîne de production IA", où les agents gèrent l'essentiel de la maintenance et de la coordination, libérant les humains pour des travaux de plus haut niveau. Steinberger souligne qu'en désactivant le mode rapide, le coût devient inférieur à celui d'un ingénieur humain, pour une productivité bien supérieure. L'outil CodexBar, qu'il a créé, permet de surveiller en temps réel la consommation de tokens, désormais considérée comme une nouvelle "matière première" de production. Cette expérience pose une question fondamentale : à mesure que le coût des tokens diminue, à quoi ressemblera le développement logiciel lorsque chaque petite équipe pourra déployer une armée d'assistants IA ? L'avenir, où la puissance cognitive devient une ressource abordable et scalable, est déjà en train de s'écrire.

marsbit05/17 06:23

3 personnes, 100 programmeurs IA, 1,3 million de dollars brûlés en un mois ! OpenAI : l’addition, c'est moi

marsbit05/17 06:23

Qu'est-ce qui rend XRP unique ? Le PDG de Ripple explique

Le PDG de Ripple, Brad Garlinghouse, a expliqué ce qui rend le XRP unique sur le marché des actifs numériques. Il a souligné la conception du registre XRP, axée sur les paiements, ses faibles coûts de transaction, ses délais de règlement courts et le soutien de longue date de sa communauté. Garlinghouse a rappelé que les inventeurs du registre XRP, ayant contribué au noyau de Bitcoin, ont créé une solution spécialisée pour résoudre un problème de paiement, et non une plateforme à usage général. Cette focalisation originelle en fait un réseau construit pour l'efficacité du règlement. Les chiffres clés présentés sont : plus de 4 milliards de transactions traitées, un règlement en trois à cinq secondes et des coûts inférieurs à un centime par transaction. Selon Garlinghouse, la vitesse, le faible coût et l'évolutivité sont les propriétés principales qui distinguent le XRP. Il a également mis en avant la durabilité et la passion de la communauté, qu'il appelle parfois la "famille XRP" ou "l'armée XRP". Cette persistance, combinée à une longue histoire opérationnelle et à un récit cohérent sur les paiements, fait partie intégrante de la proposition de valeur. En conclusion, Garlinghouse estime que la combinaison de ces éléments techniques et communautaires, ainsi que la longévité de la blockchain, positionnent le XRP pour un grand succès dans les années à venir.

bitcoinist05/14 17:02

Qu'est-ce qui rend XRP unique ? Le PDG de Ripple explique

bitcoinist05/14 17:02

La nature des licenciements liés à l'IA : Pourquoi l'adoption de l'IA accentue l'anxiété des entreprises ?

L'auteur, confronté à une possible inclusion dans un plan de licenciement de son entreprise, analyse la vague actuelle de « licenciements liés à l'IA ». Il constate que si l'utilisation d'outils d'IA comme Claude a explosé dans les entreprises, entraînant une production de code jusqu'à 5 fois supérieure, cela ne s'est pas traduit par une croissance équivalente des revenus ou des produits finaux. Le problème fondamental réside dans la confusion entre les intrants (le code généré), les extrants (les fonctionnalités) et les résultats commerciaux (la valeur perçue et payée par les clients). L'IA, facturée à l'usage (token), augmente massivement le coût des intrants sans garantie d'amélioration des résultats. Deux freins majeurs empêchent de convertir cette productivité artificielle en valeur réelle : la mauvaise qualité de nombreuses idées, auparavant filtrées par la rareté des ressources de développement, et la lenteur paralysante des processus d'alignement et de coordination entre les équipes ("alignment hell"). Dans ce contexte, les licenciements répondent à deux logiques immédiates : 1) compenser financièrement les énormes dépenses en services d'IA en réduisant la masse salariale, et 2) simplifier l'organisation en supprimant des équipes, réduisant ainsi la « taxe d'alignement » et les blocages internes. Ainsi, même si l'IA ne remplace pas directement les postes un par un, elle provoque ces licenciements en créant un déséquilibre économique (coûts accrus sans revenus supplémentaires) et en exacerbant les inefficacités organisationnelles. La vague continuera tant que les entreprises n'auront pas appris à transformer la productivité de l'IA en résultats tangibles et à adapter leur gestion et leur coordination à cette nouvelle vitesse d'exécution.

marsbit05/12 10:42

La nature des licenciements liés à l'IA : Pourquoi l'adoption de l'IA accentue l'anxiété des entreprises ?

marsbit05/12 10:42

Station relais IA : La vérité cachée derrière les prix bas, comment trier pour éviter les pièges ?

**Résumé : Le dilemme des relais AI : économies contre risques de sécurité** Les plateformes de relais AI, qui offrent un accès unifié et moins cher aux modèles comme GPT et Claude, gagnent en popularité. Leur attrait principal réside dans des coûts bien inférieurs aux API officielles et la simplification de l'accès à plusieurs modèles, notamment pour les outils de développement comme Cursor. Cependant, ce prix attractif masque des risques majeurs. En utilisant un relai, les utilisateurs confient souvent sans le savoir leurs prompts, codes, documents commerciaux, logs d'appels et même le contexte complet de leurs projets à un tiers non vérifié. L'article conseille de d'abord évaluer son réel besoin. Pour une utilisation légère, les quotas gratuits des plateformes officielles suffisent souvent. Pour un usage plus intense (développement, automatisation), une approche en deux couches est recommandée : utiliser des modèles performants pour la conception et l'analyse, et des modèles locaux ou nationaux moins chers pour les tâches de routine. Si l'utilisation d'un relai est nécessaire, une procédure stricte est essentielle : 1. **Tester avant d'acheter** : Vérifier l'authenticité des modèles, la stabilité et la qualité de la documentation. 2. **Isoler les configurations** : Utiliser des clés API uniques par service et les gérer via des variables d'environnement. Définir des limites d'utilisation. 3. **Classer les données** : Ne jamais envoyer d'informations sensibles (clés privées, codes confidentiels, données clients). Anonymiser les données semi-sensibles. 4. **Être prudent avec les outils de programmation AI** : Ils peuvent exposer bien plus que le prompt (fichiers, structure du projet). Réserver les relais aux projets non sensibles. 5. **Surveiller et préparer la sortie** : Contrôler régulièrement la consommation, suivre l'état du service et maintenir la possibilité de migrer vers un autre fournisseur. En somme, les relais AI sont un outil pratique, mais leur utilisation doit être précédée d'une évaluation critique des risques. La priorité doit toujours être de garder le contrôle sur ses données et ses coûts.

marsbit05/09 10:27

Station relais IA : La vérité cachée derrière les prix bas, comment trier pour éviter les pièges ?

marsbit05/09 10:27

活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow

Analyse de marchéright-arrow