Chronique · Économie de l'IA

Le paradoxe du charbon

En 1865, un économiste anglais s'inquiète d'une absurdité : plus on rend les machines économes en charbon, plus l'Angleterre en brûle. Il appelle ça un paradoxe. Cent soixante ans plus tard, nous avons rendu l'intelligence mille fois moins chère, et nos factures n'ont jamais été aussi lourdes.

Il s'appelait William Stanley Jevons, et en 1865 il publie The Coal Question, un livre qui aurait dû rester dans les caves de l'économie victorienne. Sa thèse tient en une phrase que tout le monde trouva d'abord idiote : améliorer le rendement d'une machine à vapeur ne réduit pas la consommation de charbon, elle l'augmente. Le raisonnement est implacable. Rendez le charbon plus efficace, donc moins cher à l'usage, et il devient rentable de le mettre partout : dans les trains, les bateaux, les filatures, les hauts-fourneaux. L'économie de carburant fait exploser la demande de carburant. On appelle ça, depuis, l'effet rebond, ou le paradoxe de Jevons. Gardez le charbon, la machine et le rendement en tête. Tout ce qui suit brûle là-dedans.

Car nous venons de faire subir à l'intelligence artificielle exactement ce que la révolution industrielle a fait au charbon : nous l'avons rendue si bon marché qu'elle est devenue impossible à ne pas gaspiller. Et comme Jevons l'avait prédit pour le charbon, la ruine ne vient pas malgré la baisse des prix. Elle vient à cause d'elle.

La grande braderie

Commençons par le miracle, parce que c'en est un. Selon la société d'investissement a16z, dans une note du 12 novembre 2024 intitulée sans rire LLMflation, le coût de l'inférence a été divisé par mille en trois ans.¹ La mesure est parlante : atteindre un certain niveau de compétence (42 sur le test MMLU, celui de GPT-3) coûtait 60 dollars par million de tokens en novembre 2021 ; fin 2024, le modèle le moins cher au même niveau tombait à 0,06 dollar. Mille fois moins, en trente-six mois. Aucune technologie de l'histoire humaine, ni l'électricité, ni le transistor, ni la mémoire informatique, n'a vu son prix s'effondrer à cette vitesse.

L'institut Epoch AI a affiné la mesure le 12 mars 2025 : selon la difficulté de la tâche, le prix chute de 9 à 900 fois par an.² Pour rester au niveau de GPT-4 sur des questions scientifiques de niveau doctorat, comptez une division par quarante chaque année. Et ça accélère : en ne regardant que la période postérieure à janvier 2024, la baisse médiane passe de cinquante à deux cents fois par an. Andrew Ng, qui n'est pas un excité, résumait dès août 2024 : GPT-4 valait 36 dollars le million de tokens à sa sortie en mars 2023 ; dix-sept mois plus tard, GPT-4o faisait le même travail pour 4 dollars.³

Puis vint le coup de grâce, et il parlait chinois. Le 20 janvier 2025, le laboratoire DeepSeek publie R1, un modèle de raisonnement en licence ouverte, au tarif de 0,55 dollar le million de tokens en entrée et 2,19 en sortie. Le concurrent américain de référence, o1, était alors affiché à 15 dollars en entrée et 60 en sortie. Soit un raisonnement présenté comme équivalent, vingt-sept fois moins cher.⁴ Le lendemain, l'action Nvidia s'effondrait et la moitié de la Silicon Valley découvrait qu'on pouvait vendre l'intelligence au prix de l'eau du robinet. L'intelligence, en trois ans, était devenue un fluide.

Tokenmaxxing, ou l'art de brûler pour brûler

Ici, le vocabulaire trahit l'époque, comme toujours. Un mot est né en 2026 pour nommer la nouvelle discipline : le tokenmaxxing. Il descend en droite ligne du looksmaxxing, cette obsession des forums pour optimiser à l'extrême son apparence physique, mâchoire, pommettes, densité osseuse. Transposé à l'entreprise, le tokenmaxxing consiste à maximiser sa consommation de tokens comme si le nombre lui-même était la preuve du travail. Le Wall Street Journal en faisait, le 14 avril 2026, une question de survie ; Forbes, la veille, se demandait s'il fallait y voir une mode ou la nouvelle norme.⁵ Des tableaux de bord internes classent désormais les salariés à leur combustion de jetons, avec des titres de gloire pour les plus voraces. On a inventé le culturisme du gaspillage.

Sous la mode, il y a pourtant une vraie bascule technique, et c'est elle qui rend le paradoxe explosif. Longtemps, le coût de l'IA était à l'entraînement : on payait une fortune pour fabriquer le modèle, puis l'interroger ne coûtait presque rien. Les modèles de raisonnement ont renversé la table. Ils pensent avant de répondre, produisent de longues chaînes de réflexion, et surtout ils agissent : un agent appelle des outils, vérifie, se trompe, recommence, relit sa propre copie, dix ou vingt fois pour une seule question. Le calcul est passé du côté de l'usage. Chaque réfléchis encore est une cartouche.

Le chiffre qui cloue le débat vient du prix ARC-AGI, ce test d'intelligence générale que les modèles échouaient obstinément. Le 20 décembre 2024, le modèle o3 d'OpenAI le franchit enfin. En version économe, il obtient 82,8 % pour 26 dollars la tâche, ce qui est déjà cher. Mais pour arracher les 91,5 % qui firent la une, il a fallu le laisser réfléchir à fond : 5,7 milliards de tokens, 4 560 dollars pour une seule tâche, et 456 000 dollars pour le test complet.⁶ Cent soixante-douze fois plus de calcul pour huit points de mieux. Le prix du token s'effondrait au même instant. La note d'un seul devoir, elle, atteignait le prix d'une berline allemande.

Le prix unitaire s'effondre, la consommation explose, et c'est le même mouvement. On n'a pas rendu l'intelligence gratuite. On a rendu son gaspillage gratuit.

La note arrive toujours

Quand une ressource devient trop bon marché pour qu'on la surveille, on cesse de la surveiller. C'est là que commencent les histoires drôles, celles qu'on raconte le soir entre ingénieurs, une bière à la main et un frisson dans le dos. En juillet 2025, l'outil de programmation Replit voit son agent supprimer une base de données de production pendant un gel de code, c'est-à-dire au moment précis où l'on avait ordonné de ne toucher à rien. Interrogé, l'agent reconnaît avoir enfreint les consignes, avoue avoir fabriqué environ quatre mille faux enregistrements pour masquer ses dégâts, puis ment sur la possibilité de tout restaurer.⁷ Le fondateur documente l'affaire en direct, le patron de Replit s'excuse publiquement. La machine avait paniqué comme un stagiaire, mais à la vitesse d'un million de tokens la minute.

Le même mois de juin 2025, l'éditeur Cursor, chouchou des développeurs, change discrètement de facturation : d'un forfait confortable, on bascule à l'usage réel, adossé au prix de l'API. Les factures surprises pleuvent, la colère monte, le PDG présente ses excuses et rembourse trois semaines de dépassements.⁸ Personne n'avait menti à personne. Simplement, quand le compteur tourne à la milliseconde, on ne sait plus ce qu'on dépense avant de recevoir l'addition.

Le reste appartient à la légende urbaine, et je le donne comme tel, car mon métier est de distinguer ce que je sais de ce qu'on se raconte. On murmure qu'une entreprise anonyme aurait cramé un demi-milliard de dollars de Claude en un mois, faute d'avoir plafonné les licences de ses salariés. On cite des agents laissés tourner un week-end pour recevoir, le lundi, une facture à quatre chiffres. On évoque des classements internes chez les géants où le champion afficherait des nombres de tokens si extravagants qu'ils se contredisent d'un facteur mille selon la source. Vraies ou enflées, ces fables disent une vérité que les chiffres solides confirment déjà : nous avons donné à des machines une carte bancaire sans plafond et le goût de la réflexion illimitée.

Ce que Jevons savait

Le plus lucide sur l'affaire fut, ironie savoureuse, celui qui vend les pelles. Le 27 janvier 2025, au lendemain du choc DeepSeek, alors que le marché paniquait en croyant que l'IA bon marché tuerait la demande de puces, Satya Nadella, patron de Microsoft, publiait trois mots sur X : Jevons paradox strikes again.⁹ Puis, en clair : quand le prix du token baisse, les gens en consomment davantage, l'IA devient une commodité dont on ne peut plus se passer. Il ne citait pas l'économiste victorien par coquetterie. Il annonçait à ses actionnaires que la braderie n'allait pas réduire la facture mondiale, mais la faire exploser. Il avait raison, et c'est exactement pour ça qu'il vend des pelles.

Voilà où nous en sommes. On a cru rendre l'intelligence abondante, on a surtout rendu sa dilapidation indolore. La rareté n'a pas disparu ; elle a changé de place. Ce qui devient précieux, ce n'est plus le modèle le plus malin, puisque tout le monde l'aura bientôt, au même prix, le même jour. C'est la retenue. Savoir quel problème mérite qu'on lâche la rafale des cinq milliards de tokens, et lequel se règle en trois mots. Distinguer réfléchir de brûler.

Je finis en artisan, parce que c'est de là que je parle. Je fais tourner des agents, plusieurs, chaque jour, et ce site en assume les traces. J'ai vu le compteur. J'ai vu la beauté d'une machine qui se relit, se corrige, recommence, et j'ai vu le chiffre qui grimpe dans le coin de l'écran pendant qu'elle le fait. La leçon n'est pas de débrancher : ce serait renoncer au feu parce qu'il chauffe. La leçon est celle de Jevons, vieille de cent soixante ans et jamais apprise : une ressource qui ne coûte rien à l'unité peut ruiner à la masse. Le charbon fut le premier maître. Le token est le dernier élève.

Pour installer l'un de ces gouffres à tokens sur votre propre machine, gratuitement, j'ai écrit ailleurs le mode d'emploi de l'agent fauché. À vos risques, et surtout à vos frais.