Le directeur général de Palantir Technologies, Alex Karp, accuse OpenAI et Anthropic de survendre des services d’IA facturés au token qui, selon lui, génèrent souvent peu de valeur mesurable pour les grands groupes.
À retenir
- Karp affirme que les entreprises paient des tokens d’IA sans obtenir de résultats à la hauteur de la facture.
- Il soutient que ces fournisseurs peuvent en outre capter des connaissances propriétaires et des informations concurrentielles de leurs clients.
- Cette critique s’inscrit dans un débat plus large : faut‑il indexer le prix de l’IA sur l’usage ou sur les résultats business ?
Le prix des tokens d’IA
Karp a formulé ces critiques lors d’une interview sur CNBC, où il a remis en cause le modèle économique consistant à facturer les entreprises au nombre de tokens traités par un modèle d’IA, explique‑t‑on.
« Pourquoi facturent‑ils au token si c’est vraiment si précieux ? », a lancé Karp, estimant que les fournisseurs devraient plutôt percevoir une part de la valeur effectivement créée pour leurs clients.
Il a également averti que les entreprises risquent d’abandonner une partie de leurs savoir‑faire propriétaires en connectant leurs données internes et leurs processus à des modèles externes. Selon lui, de nombreux groupes expriment une frustration croissante après avoir massivement investi dans des outils d’IA sans constater de gains de productivité à la hauteur.
Cette sortie sert directement les intérêts commerciaux de Palantir, qui commercialise des logiciels conçus pour combiner modèles, données et systèmes opérationnels au sein d’environnements maîtrisés.
Elle reflète toutefois une inquiétude plus générale des directions financières et métiers quant aux coûts, à la gouvernance des données et à 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 l’écart entre la performance technique et l’impact économique. La facturation au token mesure un volume 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 clé à mesure que les acheteurs d’IA se montrent plus sélectifs.
Sam Altman a lui‑même reconnu que le coût et l’efficacité de l’IA sont désormais au centre des préoccupations des dirigeants, alors que les entreprises testent des modèles moins chers et répartissent les charges de travail entre plusieurs fournisseurs.
Karp défend une tarification fondée sur les résultats, où le prestataire d’IA serait rémunéré en fonction de gains mesurables. Ce modèle pourrait comprimer les dépenses liées à des usages peu productifs, mais supposerait que clients et fournisseurs s’entendent sur les méthodes de calcul de la valeur créée.
Cette controverse intervient après plusieurs années d’adoption accélérée de l’IA en entreprise, alimentée par l’espoir que les grands modèles généralistes transformeraient les tâches répétitives. À mesure que les projets pilotes arrivent à maturité, les acheteurs déplacent le curseur : des seules capacités techniques vers la question de la propriété des données, de la sécurité et des retours sur investissement effectivement documentés.
À lire ensuite : Le marché des stablecoins perd 10 Mds$ depuis son pic de mai alors que la liquidité crypto se contracte