Le titre claque comme un avertissement. « 18 mois avant la faillite ? ». L’idée circule, portée par une tribune de Sebastian Mallaby et relayée en France par ZDNet.
Mais la vraie question n’est pas de savoir si OpenAI « va disparaître ». Elle est plus structurante. Qui peut financer durablement l’industrialisation de l’IA générative, quand la demande explose plus vite que les marges ?

Une adoption massive, un compte d’exploitation atypique

En trois ans, OpenAI est devenu un acteur central de l’IA générative, avec une diffusion grand public et professionnelle sans précédent.
Le point clé, souligné par ZDNet, tient au décalage entre usage et monétisation. Une large base d’utilisateurs reste gratuite, alors que la facture infrastructurelle s’accumule.

Ce décalage est d’autant plus paradoxal que, côté entreprises, les signaux d’utilité sont réels. La Wharton School indique que trois quarts des décideurs interrogés déclarent un ROI positif sur leurs investissements GenAI.
Autrement dit : l’IA « crée de la valeur » chez les clients. Mais cette valeur n’atterrit pas automatiquement dans la marge du fournisseur de modèles.

Le nerf de la guerre : le capital, pas l’audience

La tribune de Mallaby, telle que rapportée par ZDNet, pose un diagnostic simple : l’IA générative ressemble moins à un logiciel classique qu’à une industrie lourde.
Serveurs, GPU, énergie, redondance, sécurisation. Tout coûte. Et le coût n’est pas linéaire.

ZDNet avance qu’OpenAI pourrait suivre une trajectoire de dépenses dépassant 40 milliards de dollars d’ici 2028, en s’appuyant sur des informations attribuées à The Information. Le média mentionne aussi une estimation nettement plus élevée concernant, à plus long terme, les besoins d’infrastructure liés aux centres de données.
Ce n’est pas seulement un problème de « burn rate ». C’est un problème de structure économique : plus l’IA devient performante, plus elle consomme de calcul, donc de capital.

OpenAI n’est pas « sans revenus ». Elle cherche une architecture de monétisation capable d’absorber le coût du calcul.

Dans le débat public, on confond souvent deux choses : la croissance du chiffre d’affaires et la soutenabilité du modèle. OpenAI indique avoir dépassé 20 milliards de dollars en rythme annualisé en 2025, après 6 milliards en 2024 et 2 milliards en 2023, et relie cette progression à l’augmentation de sa capacité de calcul disponible.

Cela change la lecture. La question n’est pas « y a-t-il un marché ? ». Le marché est là. Elle devient : quel mix de monétisation peut absorber un coût marginal élevé, tout en finançant la prochaine génération de modèles ?

 de modèles ?

C’est ici que les signaux récents comptent. OpenAI a officialisé en 2025 une levée annoncée à 40 milliards de dollars, destinée notamment à l’infrastructure et à la montée en puissance produit.
En parallèle, l’entreprise explore des leviers de monétisation inspirés des médias et des plateformes, notamment l’introduction de publicité pour certains usages et la diversification des offres. Elle étudie aussi des tarifications davantage orientées vers la valeur créée, via le paiement au résultat, ou des modèles de licence.

Le point aveugle : le « logiciel » n’a plus les marges du logiciel

L’IA générative brouille une ligne de partage. Les éditeurs SaaS ont longtemps bénéficié d’un coût marginal faible : vendre un utilisateur de plus coûtait peu.
Avec les grands modèles, servir un utilisateur supplémentaire a un coût direct : répondre, générer, raisonner, exécuter des agents mobilise du calcul, donc de l’énergie et de l’amortissement matériel.
Conséquence : le secteur glisse vers une économie de type « utilities ».

Les gagnants structurels ne sont pas uniquement ceux qui ont le meilleur modèle. Ce sont ceux qui contrôlent l’infrastructure, la distribution, et les contrats longs de capacité.

Dans cette logique, l’hypothèse d’une consolidation autour des géants du cloud n’a rien d’idéologique. Elle devient une mécanique industrielle. ZDNet la formule explicitement : à terme, une absorption par un acteur disposant déjà des plateformes et du bilan (Microsoft, Amazon) devient un scénario crédible.

Quatre scénarios plausibles à 18–36 mois

1) La trajectoire « plateforme »

OpenAI stabilise ses coûts unitaires, standardise des offres entreprises, vend des briques (API, agents, automatisation), et capte une part plus importante de la valeur créée chez les clients.
Dans ce cas, le risque n’est pas la faillite. C’est une montée des prix, une segmentation plus dure des usages, et une priorisation du B2B.

2) La trajectoire « consolidation »

Le coût de la course au modèle frontière force un rapprochement capitalistique avec un géant. L’indépendance diminue, mais la capacité d’investissement augmente.
Pour les clients, cela peut améliorer la résilience… ou renforcer la dépendance à un écosystème.

3) La trajectoire « compression par l’open source »

Des modèles ouverts et des alternatives moins chères progressent. La différenciation se déplace de la performance brute vers l’intégration, la sécurité, la conformité et le support.
Le risque ici : une guerre des prix qui rend l’équation des modèles frontières encore plus tendue.

4) La trajectoire « pivot économique »

Publicité, bundles, accords de distribution, licences, partage de revenus avec des partenaires. L’IA s’aligne sur des modèles déjà vus dans l’internet grand public.
Cette option pose une question sensible : comment concilier exploitation commerciale et exigences de confidentialité, notamment en contexte entreprise et européen ?

Ce que cela change pour les entreprises européennes

Pour un dirigeant, l’enjeu n’est pas de spéculer sur un « scénario catastrophe ». Il est de gouverner un risque fournisseur.
Si l’économie de l’IA se durcit, trois effets sont probables.

  1. Volatilité des conditions d’accès : quotas, hausse tarifaire, limitations sur certains usages intensifs.
  2. Renforcement du multimodèle : éviter le verrouillage, arbitrer entre coût, performance, souveraineté et conformité.
  3. Poids accru de la gouvernance : traçabilité, sécurité, politique d’usage, et contractualisation (SLA, audit, réversibilité).

Dans ce contexte, la Wharton School apporte un contraste utile : les entreprises disent obtenir du ROI, mais elles identifient aussi des risques de perte de compétences et un besoin de garde-fous plus stricts.
Le débat « OpenAI peut-elle tenir ? » devient donc un débat sur la maturité des organisations : savent-elles industrialiser l’IA sans dépendre d’une seule trajectoire technologique et financière ?

« 18 mois » comme symptôme, pas comme prophétie

L’alerte relayée par ZDNet joue un rôle. Elle force à regarder l’IA générative non comme un produit magique, mais comme une industrie à coûts lourds, où l’accès au capital devient un avantage compétitif.
Les chiffres récents communiqués par OpenAI sur ses revenus annualisés montrent qu’une monétisation existe déjà, et qu’elle croît vite.
Reste la question structurante : cette croissance peut-elle dépasser, puis domestiquer, la croissance du coût de calcul ?

L’issue dira moins quelque chose sur « OpenAI » que sur le futur des modèles frontières.
Un futur où l’intelligence devient un service industriel. Un futur où la stratégie financière est aussi décisive que la stratégie de recherche.