La guerre des prix de l'IA s'intensifie, et Meta entre dans la mêlée

Meta a mis en ligne hier Muse Spark 1.1, le premier modèle qu'elle fait payer aux entreprises, et il arrive avec une arme unique : le prix. Comptez 1,25 $ US par million de jetons en entrée et 4,25 $ en sortie — environ le quart de ce que demandent OpenAI et Anthropic pour un modèle comparable, de l'aveu même de Mark Zuckerberg.

Le modèle vise les tâches d'agent : fenêtre de contexte d'un million de jetons, usage d'outils, contrôle de l'ordinateur, code. La nouvelle interface de programmation parle déjà le format d'OpenAI et celui d'Anthropic, donc rebrancher un agent existant se résume à changer une adresse et une clé.

Pour une PME qui fait rouler des agents en continu, c'est un levier direct sur la facture. L'accès reste limité aux développeurs américains, avec 20 $ US de crédits pour commencer.

En même temps qu'il ouvrait GPT-5.6 à tous, OpenAI a lancé hier ChatGPT Work : un agent qui prend un projet en charge et travaille des heures durant, seul, pour livrer un fichier Excel ou Word fini. Il se branche à plus d'une dizaine de services — Google Drive, Slack, Salesforce, GitHub — qu'on appelle d'un « @ » ou qu'il choisit lui-même.

Au passage, OpenAI range ses outils dans une seule appli : Codex y fond son moteur, et l'expérience de navigateur Atlas est abandonnée. Une fonction de vérification demande votre feu vert avant une action sensible.

Le message pour une équipe : l'agent ne complète plus des phrases, il exécute des mandats. La version bureau arrive pour tout le monde; le web et le mobile démarrent avec les forfaits Pro et entreprise.

Databricks a fait de GLM 5.2, un modèle chinois ouvert signé Zhipu, le moteur de code par défaut de ses propres développeurs. La raison est froide et chiffrée : sur des tâches tirées de son code maison de plusieurs millions de lignes, GLM 5.2 fait jeu égal avec Opus 4.8 d'Anthropic, à 1,28 $ US la tâche contre 1,94 $. Le trio de tête — GLM 5.2, Opus 4.8 et GPT-5.5 — réussit entre 82 % et 90 % des épreuves.

Le modèle, publié sous licence permissive, compte environ 744 milliards de paramètres et une fenêtre d'un million de jetons.

Pour un dirigeant technique, l'exemple pèse : une entreprise sérieuse choisit un modèle ouvert et moins cher pour son travail de tous les jours, sans rien sacrifier de mesurable. L'écart de prix continue de pousser les modèles chinois en production.

OpenAI a publié hier un audit gênant : environ 30 % des épreuves de SWE-Bench Pro, un banc d'essai de codage largement cité, seraient défectueuses. Sur les tâches examinées, cinq développeurs chevronnés en ont jugé 34 % problématiques.

Les défauts se rangent en quatre familles : tests trop stricts qui rejettent une solution qui marche, énoncés trop vagues aux exigences cachées, tests trop laxistes qui laissent passer un travail incomplet, ou carrément mal orientés. La cause : les tâches viennent de l'historique de vrais projets, écrites pour des humains, pas taillées pour évaluer des modèles.

OpenAI retire son appui au banc d'essai et réclame de nouveaux tests plus durs à berner. Pour qui choisit un modèle sur la foi des palmarès, le rappel est utile : un banc d'essai populaire n'est pas forcément un banc d'essai fiable.

Le New York Times, le New York Daily News et une quinzaine d'autres médias ont demandé hier à un tribunal fédéral de sanctionner OpenAI dans leur poursuite pour violation de droits d'auteur. Ils accusent l'entreprise d'avoir agi de mauvaise foi durant la collecte de preuves.

Dans leur requête : OpenAI aurait affirmé au tribunal ne pas pouvoir fouiller ses modèles à la recherche de leur contenu protégé, tout en l'ayant déjà fait; effacé des milliards de réponses de ChatGPT après le dépôt de la plainte, malgré une ordonnance de conservation; et substitué des millions de journaux dans l'échantillon remis. Les plaignants réclament des pénalités financières.

Pour toute entreprise qui bâtit sur ces modèles, le dossier rappelle que la question des données d'entraînement n'est pas réglée — et que le risque juridique se déplace lentement vers l'aval.

Ironie du jour : après qu'une IA d'OpenAI a battu les meilleurs codeurs humains hier, ce sont les humains qui viennent de battre les machines à la Bourse. Selon Goldman Sachs, les fonds systématiques — pilotés par algorithmes — signent leur pire mois en presque un an, ayant rendu le quart de leurs gains de l'année : de 14,4 % à 10,8 % depuis le 22 juin.

En cause, la volatilité brutale des titres de puces d'IA comme Micron et Marvell, montés d'environ 200 % en 2026, où les traders humains avaient déjà réduit la voilure. Les fonds de sélection de titres, eux, perdent 2,2 %.

Le signal pour un investisseur : le secteur qui porte le marché est aussi le plus encombré et le plus nerveux, et les modèles qui carburent au momentum s'y brûlent les doigts.