GPT-5.6 à -80% : quand l'IA devient une commodité marketing

GPT-5.6 Luna divisé par 5 en trois semaines. Ce n'est pas une promo : l'érosion des prix IA est structurelle. Ce que ça change pour ton budget outils marketing.

La guerre des prix dans l'IA générative fonctionne ainsi : un fournisseur optimise son infrastructure, répercute les économies sur ses tarifs, et ses concurrents doivent s'aligner ou perdre leurs clients. Le cycle recommence jusqu'à ce que le coût d'inférence approche zéro.

Le 30 juillet 2026, OpenAI a lancé ce cycle un peu plus loin. GPT-5.6 Luna, le modèle le plus abordable de la nouvelle gamme, est passé de 1 $ à 0,20 $ par million de tokens en entrée en trois semaines. Terra a pris -20%. Et rien n'indique que le mouvement s'arrête là.

Pour une équipe marketing qui gère des outils IA, c'est un signal à décrypter avant de préparer son prochain budget.

L'essentiel

GPT-5.6 Luna est passé de 1 $ à 0,20 $ par million de tokens en entrée en trois semaines, sous l'effet d'optimisations techniques et d'une pression concurrentielle forte.

Les modèles chinois Kimi K3 et GLM-5.2 avaient capturé 46 % des tokens enterprise américains avant la baisse.

Pour les équipes marketing : l'enjeu n'est plus le coût d'accès aux modèles IA, mais la capacité à les intégrer dans des workflows efficaces.

Trois semaines, cinq fois moins cher

GPT-5.6 a été lancé le 9 juillet 2026 en trois variantes. Sol à 5 $ en entrée et 30 $ en sortie par million de tokens, pour les tâches d'agentique complexe : fenêtre de contexte d'un million de tokens, sortie maximale de 128 000 tokens, 54 % plus efficace en tokens sur le codage agentique que les modèles précédents. Terra à 2,50 $/15 $ pour l'usage intermédiaire. Luna à 1 $/6 $ pour les volumes élevés.

Vingt et un jours après le lancement, OpenAI a recalibré Luna à 0,20 $ en entrée et 1,20 $ en sortie. Terra a pris -20%. Les raisons officielles : des gains d'efficacité opérationnelle (20 % de réduction des coûts de service, 15 % d'amélioration de l'efficacité de génération de tokens). La mécanique est simple : les ingénieurs font tourner les modèles moins cher, la différence se traduit en baisse de prix public.

À 0,20 $ par million de tokens en entrée, Luna revient à environ 0,05 $ par tâche standard. C'est le prix d'une génération de titre d'email, d'un résumé de brief, d'une reformulation de description produit. Un coût qui pèse à peine dans les lignes budgétaires.

ChatGPT Work, le mode agentique lancé le même jour, a aussi montré que l'enjeu dépasse le seul coût du token : c'est l'économie complète d'une tâche déléguée à un agent IA qui entre dans le calcul.

La concurrence des modèles chinois, détonateur caché

Les gains d'efficacité internes n'expliquent pas tout. L'autre moteur de la baisse, Journal du Geek l'a documenté : les modèles Kimi K3 et GLM-5.2 avaient capturé 46 % des tokens enterprise américains sur OpenRouter avant la correction.

OpenRouter est la plateforme de comparaison de référence pour les équipes techniques qui évaluent plusieurs LLM côte à côte. 46 % de parts de tokens enterprise, ça veut dire que la moitié des appels API des grandes entreprises américaines passaient déjà par des modèles non-OpenAI, essentiellement pour des raisons de rapport prix/performance.

La réponse d'OpenAI a été directe : aligner Luna sur les prix de la concurrence pour stopper l'hémorragie. Ce qui confirme quelque chose d'important : la guerre des prix dans l'IA n'est pas une campagne marketing ponctuelle. C'est une réponse à une pression structurelle qui ne va pas se relâcher.

Et si OpenAI a dû baisser ses prix pour défendre 54 % de parts de marché residuelles sur le segment enterprise API, les autres acteurs (Anthropic, Google, Mistral) seront soumis aux mêmes forces. La pression s'est installée dans l'ensemble du marché.

L'IA générative suit le chemin du cloud

Pour comprendre où ça mène, la trajectoire du cloud computing donne un repère utile.

Entre 2013 et 2023, le prix du stockage S3 chez AWS a été divisé par quatre. Pas parce qu'Amazon a décidé d'être généreux. Parce que les économies d'échelle, la concurrence entre AWS, Azure et Google Cloud, et les améliorations techniques continues ont comprimé les marges jusqu'à les répercuter sur les prix publics.

L'IA générative suit la même dynamique, en accéléré. GPT-4 coûtait 0,06 $ pour 1 000 tokens en entrée à son lancement en 2023. GPT-5.6 Luna coûte aujourd'hui 0,00020 $ pour 1 000 tokens : une division par 300 sur un modèle nettement plus capable. Et les conditions qui alimentent cette compression sont toujours là : des acteurs capitalisés en concurrence, des puces IA qui se spécialisent à chaque génération (H100, B200 et les suivantes), des algorithmes d'inférence qui s'optimisent en continu.

À horizon 18-24 mois, les tokens ne seront probablement plus un sujet de budget pour la majorité des cas d'usage marketing courants. Ils deviendront une infrastructure, comme la bande passante. La question n'est donc pas "est-ce que les prix de l'IA vont encore baisser ?". Ils vont baisser.

Ce que ça change pour ton budget outils IA

Le premier effet de cette dynamique : la question "peut-on se permettre ces outils ?" perd de son sens.

PYMNTS a rapporté qu'après six mois d'usage, les utilisateurs de ChatGPT envoient 50 % de messages supplémentaires par jour et utilisent la plateforme pour deux fois plus de types de travail qu'au début. Ce n'est pas la baisse de prix qui génère cet usage accru : c'est la maîtrise progressive de l'outil.

Deux glissements à anticiper dans ta façon de budgétiser.

Du coût d'accès au coût d'intégration. Un abonnement ChatGPT Team ou une clé API ne représenteront bientôt plus une dépense significative pour une équipe de 5 à 15 personnes. Le poste de coût qui compte, c'est le temps et les compétences investis pour structurer des workflows reproductibles : prompts calibrés sur la voix de la marque, chaînes d'appels automatisées, connexions aux outils CRM et analytics. Ce travail a une valeur bien plus durable que n'importe quel abonnement.

De l'outil unique à la stratégie multi-modèles. Avec Sol à 5 $, Terra à 2 $ et Luna à 0,20 $ par million de tokens, l'écart de coût entre le modèle le plus puissant et le moins cher est de 25. Utiliser Sol pour reformuler des objets d'email ou générer des variantes de post, c'est payer 25 fois le prix d'une tâche qui n'exige pas cette puissance. L'arbitrage modèle-par-cas-d'usage devient une compétence à part entière. Pour un comparatif des modèles disponibles selon les usages, cet article détaille les critères de choix entre ChatGPT, Claude et Gemini.

Trois arbitrages à faire dès maintenant

Cartographier ses cas d'usage par volume, pas par valeur perçue.

La première erreur des équipes marketing sur l'IA : allouer le modèle le plus puissant par défaut à toutes les tâches. Fais la liste de tes cas d'usage récurrents. Estime le volume de tokens pour chaque type (reformulation, résumé, génération de variations, analyse de données non structurées, raisonnement complexe). Les premières catégories passent sur Luna ou Terra. La dernière mérite Sol. Ce seul arbitrage peut diviser le coût d'inférence par 5 à 10 pour la majorité des équipes.

Calculer le coût par tâche plutôt que le coût d'abonnement.

Un abonnement mensuel fixe est prévisible, mais masque la réalité économique. Sur des volumes importants, le modèle API avec facturation à l'usage est souvent moins cher et plus flexible. Le calcul : nombre de tâches mensuelles multiplié par le coût estimé par tâche (0,05 $ à 0,30 $ selon le modèle et la complexité). Compare ce chiffre à l'abonnement. L'écart oriente le choix.

Investir dans la compétence, pas dans la licence.

Le coût d'inférence va continuer de baisser. Ce qui ne va pas baisser, c'est l'écart entre une équipe qui sait structurer des workflows IA de contenu et une équipe qui utilise ChatGPT comme un moteur de recherche amélioré. C'est dans cet écart-là que se joue la compétitivité marketing en 2026. Budget formation, templates de prompts, connexions aux outils existants : c'est là que le ROI se construit.

Pour les équipes qui veulent structurer cette montée en compétence, la masterclass AI-CMO couvre précisément les méthodes pour piloter les modèles IA en mode stratégique, pas juste les utiliser ponctuellement.

FAQ

Pourquoi OpenAI a-t-il baissé les prix de GPT-5.6 Luna de 80 % en trois semaines ?

Deux raisons conjuguées : des gains d'efficacité internes (réduction de 20 % des coûts de service, amélioration de 15 % de l'efficacité de génération, selon MacGeneration) et la pression concurrentielle des modèles chinois Kimi K3 et GLM-5.2, qui avaient capturé 46 % des tokens enterprise américains sur OpenRouter avant la correction.

Cette baisse de prix concerne-t-elle aussi les abonnés ChatGPT classiques ?

La baisse tarifaire annoncée concerne les prix API de GPT-5.6. Pour les utilisateurs d'abonnements ChatGPT (Free, Plus, Team), l'accès aux modèles ne change pas directement de prix. L'impact se ressent sur les outils tiers et les intégrations API, qui peuvent répercuter les économies sur leurs propres tarifs.

Quel est le coût par tâche marketing typique avec GPT-5.6 Luna ?

À 0,20 $ par million de tokens en entrée et 1,20 $ en sortie, une tâche standard (reformulation d'un paragraphe, génération d'un objet d'email, résumé d'un document) revient à environ 0,05 $ (Journal du Geek, 31 juillet 2026). Sol, le modèle le plus puissant de la gamme, coûte 25 fois plus par volume de tokens équivalent.

OpenAI reste-t-il dominant malgré la concurrence chinoise ?

Sur les utilisateurs grand public, oui : OpenAI a franchi le milliard d'utilisateurs actifs le 31 juillet 2026, avec 2 millions d'entreprises clientes. Son revenu annualisé en juillet a dépassé l'intégralité du T2 2026 (CNBC, 29 juillet 2026). Mais sur le segment enterprise API, les modèles chinois ont gagné des parts de marché significatives, précisément sur l'argument prix.