Le directeur général de Palantir Technologies, Alex Karp, accuse OpenAI et Anthropic de survendre des services d’IA facturés au jeton qui, selon lui, génèrent souvent peu de valeur mesurable pour les grandes entreprises.
Points clés :
- Karp affirme que les entreprises paient des jetons d’IA sans obtenir de résultats à la hauteur de la facture.
- Il estime que ces prestataires peuvent en outre capter des savoir‑faire et des informations concurrentielles détenus par leurs clients.
- Cette critique s’inscrit dans un débat plus large sur la pertinence d’une tarification indexée sur l’usage plutôt que sur les résultats business.
Le prix des jetons d’IA
Karp a tenu ces propos lors d’une interview sur CNBC, au cours de laquelle il a remis en cause le modèle économique consistant à facturer les entreprises au nombre de jetons traités par un modèle d’IA, expliquant que cette métrique ne dit rien de la valeur créée.
« Pourquoi facturent‑ils au jeton, si c’est vraiment si précieux ? », a lancé Karp, en plaidant pour que les fournisseurs d’IA soient rémunérés plutôt par une part de la valeur effectivement générée pour leurs clients.
Il a également souligné que les entreprises risquent d’abandonner une partie de leur capital intellectuel lorsqu’elles connectent leurs données internes et leurs processus métier à des modèles externes. Selon lui, de nombreuses sociétés expriment une frustration croissante après avoir lourdement investi dans des outils d’IA sans constater les gains de productivité promis.
La charge de Karp sert directement la position commerciale de Palantir, dont les logiciels visent à orchestrer modèles, données et systèmes opérationnels au sein d’environnements maîtrisés et cloisonnés.
Ses remarques reflètent néanmoins un malaise plus général dans les comités de direction autour des coûts, de la gouvernance des données et de la faiblesse des retours sur les premiers déploiements d’IA.
À lire aussi : Bitget lance Cash Plus pour rémunérer les soldes inactifs en stablecoins
Rendement de l’IA en entreprise
L’argument de Karp porte sur le décalage entre performance technique et résultat économique. Une facturation à la consommation de jetons mesure la quantité de texte ou de données traitées par un modèle, sans indiquer si ce travail augmente le chiffre d’affaires, réduit les coûts ou améliore la qualité des décisions.
Cette nuance devient cruciale à mesure que les acheteurs corporate se montrent plus sélectifs.
Sam Altman a lui‑même reconnu que le niveau des dépenses d’IA et l’efficacité opérationnelle sont désormais au cœur des préoccupations des dirigeants, alors que les entreprises testent des modèles moins coûteux et répartissent les charges entre plusieurs fournisseurs.
Karp défend un modèle de tarification fondé sur les résultats, dans lequel un prestataire d’IA serait rémunéré en fonction de gains mesurables. Une telle approche pourrait réduire les dépenses liées à des usages peu productifs, mais suppose que clients et fournisseurs s’entendent sur la façon de mesurer la valeur créée.
Cette controverse intervient après plusieurs années d’adoption rapide de l’IA en entreprise, portée par l’espoir que des modèles généralistes allaient transformer les tâches répétitives. À mesure que les projets pilotes arrivent à maturité, les acheteurs déplacent leur attention des seules capacités des modèles vers la maîtrise des données, la sécurité et la démonstration chiffrée du retour sur investissement.
À lire ensuite : Le marché des stablecoins perd 10 milliards de dollars depuis son pic de mai, sur fond de contraction de la liquidité crypto