Ouvrir le manuel

IA Pour Managers

280x moins cher en deux ans : l'économie de l'IA a basculé

11 min de lecture

En 2023, une requête à GPT-4 coûtait suffisamment cher pour qu’il faille compter avec soin. En 2025, une requête équivalente est devenue 280 fois moins chère. Pas de 280 pour cent – 280 fois moins. En deux ans, le coût d’utilisation de l’IA est passé d’une barrière à une erreur d’arrondi.

Le Stanford AI Index – rapport annuel qui agrège des données sur l’industrie de l’IA à partir de centaines de sources – a documenté cet effondrement dans son édition 2025. Et le rapport 2026 a ajouté du contexte : les investissements en IA ont explosé à 285,9 milliards de dollars, les consommateurs reçoivent 172 milliards de dollars de valeur annuelle, et les data centers consomment autant d’électricité que l’État de New York. L’économie a basculé – mais pas comme on l’attendait.

Lire la suite
280x moins cher en deux ans : l'économie de l'IA a basculé
L'IA s'est diffusée plus vite qu'Internet – mais 62 % des utilisateurs sont restés au point de départ
11 min

L'IA s'est diffusée plus vite qu'Internet – mais 62 % des utilisateurs sont restés au point de départ

En avril 2026, Stanford HAI a publié son neuvième rapport annuel AI Index Report – la synthèse la plus complète sur l’état de l’industrie de l’intelligence artificielle. Les gros titres sont prévisiblement optimistes : l’adoption en entreprise a atteint 88 %, l’IA générative a dépassé Internet en vitesse de diffusion, la valeur pour les consommateurs des outils GenAI est estimée à 172 milliards de dollars par an. Mais derrière les chiffres, un problème familier apparaît.

4 techniques de prompting testees sur 7 modeles : guide d'atelier
36 min

4 techniques de prompting testees sur 7 modeles : guide d'atelier

“Analyse ce projet et fais des recommandations” – un seul prompt, sept modeles, et GPT-5.4 a produit 2 231 mots de conseils vagues, tandis que Claude Sonnet a aligne 11 formules elogieuses du type “excellente structure budgetaire”. Il a suffi de reecrire la requete selon une structure en cinq elements pour que les sept modeles se cantonnent a 346–443 mots, et les compliments disparaissent. Economie de tokens : de 41 % a 79 % selon le modele.

Ce ne sont pas des theories. Ce sont des donnees issues de l’atelier “Prompt Engineering en pratique”, que j’ai anime lors de la conference IIBA. Un brief projet, quatre techniques, sept modeles, 28 executions – et 0,054 $ pour le tout. Moins cher qu’un cafe au distributeur.

99 % de la qualité pour 1,4 % du prix : ce qui ne va pas sur le marché des modèles IA
9 min

99 % de la qualité pour 1,4 % du prix : ce qui ne va pas sur le marché des modèles IA

La plupart des managers choisissent un modèle IA de la même manière : ils prennent le plus cher disponible. La logique est limpide – plus cher, c’est mieux. C’est ainsi que fonctionnait le logiciel d’entreprise depuis vingt ans.

Le marché des modèles IA en 2026 fonctionne différemment. Le coût d’une requête varie de 0,0001 $ à 0,17 $ – trois ordres de grandeur. Et la différence réelle de qualité entre les dix meilleurs modèles ? 0,24 point sur une échelle de cinq. Pendant ce temps, Wharton / GBK Collective constate qu’un tiers des projets IA en entreprise ne dépasse pas le stade du pilote. Et Epoch AI montre que seuls 5,6 % des utilisateurs exploitent réellement l’IA en profondeur.

La question n’est peut-être pas de savoir quel modèle est le meilleur, mais plutôt si payer le prix fort pour un modèle premium produit un résultat proportionnellement meilleur pour les tâches managériales courantes.

Nous avons vérifié. La réponse s’est avérée plus brutale que prévu.

LLM locaux pour managers : ce que vous pouvez vraiment faire tourner chez vous
24 min

LLM locaux pour managers : ce que vous pouvez vraiment faire tourner chez vous

Toute personne qui travaille suffisamment longtemps avec ChatGPT ou Claude finit tôt ou tard par se poser cette question : est-il possible de faire tourner quelque chose de comparable directement sur son ordinateur portable – sans abonnement, sans fuite de données, sans dépendre de serveurs distants ?

En 2026, la réponse est oui, mais avec des nuances qui comptent plus que la réponse elle-même.

Cet article s’adresse à celles et ceux qui utilisent déjà des LLM en cloud et veulent comprendre ce qu’apporte réellement l’exécution locale, quel matériel il faut, et où les attentes se heurtent à la réalité. Sans plongée technique, mais avec des chiffres concrets.

62 % des utilisateurs de l'IA ne l'appliquent qu'à 1–2 tâches : les données Epoch AI / Ipsos (mars 2026)
11 min

62 % des utilisateurs de l'IA ne l'appliquent qu'à 1–2 tâches : les données Epoch AI / Ipsos (mars 2026)

En novembre 2025, les données de Stanford ont révélé un fait inattendu : les Américains utilisent l’IA plus souvent à la maison qu’au travail. Chez mysummit.school, nous avons décortiqué cela dans un article dédié – et le constat était clair : l’IA professionnelle courait encore derrière l’IA personnelle.

Quatre mois ont passé. Epoch AI, en collaboration avec Ipsos, a publié une nouvelle étude – et la photo a changé.

L'agent plutôt que le chat : analyser ses données sans copier-coller
12 min

L'agent plutôt que le chat : analyser ses données sans copier-coller

Vous avez trois fichiers de données : un entonnoir d’activation, les résultats d’un test A/B et les tickets du support. La question : pourquoi l’onboarding cale-t-il ? Vous ouvrez ChatGPT, vous chargez le premier fichier, vous posez votre question. Réponse. Vous chargez le deuxième. ChatGPT vous demande : pouvez-vous me rappeler le contexte ? Vous chargez le troisième. Le contexte du premier fichier est déjà évincé.

Quarante minutes plus tard, vous avez trois conversations séparées, et aucune ne répond à la question de départ. Parce que la question était unique, mais les données, elles, étaient à trois endroits.

Ce n’est pas un problème de ChatGPT. C’est un problème d’approche.

Make Weak Model Great Again : le prompting peut-il sauver un modèle faible ?
7 min

Make Weak Model Great Again : le prompting peut-il sauver un modèle faible ?

En mars 2026, le ministère russe du Numérique a publié un projet de loi sur les « modèles d’IA de confiance ». S’il est adopté – l’entrée en vigueur est prévue pour septembre 2027 – les administrations publiques et les infrastructures critiques ne pourront utiliser que des modèles inscrits dans un registre spécial. ChatGPT, Claude et Gemini, qui transmettent des données à l’étranger, pourraient être restreints. L’installation obligatoire de réseaux neuronaux russes sur les appareils est également envisagée.

Le problème, c’est que les modèles russes sont en retard. Dans notre étude portant sur 54 modèles, GigaChat a obtenu 3,26 sur 5, GPT-5.4 – 4,80. Un écart de 32 %.

Si GigaChat est tout ce que les managers russes auront, peut-on en tirer une qualité acceptable grâce à un prompting bien construit ?

Mais cette question dépasse largement la Russie.

Claude Code coûte 100 $/mois – OpenCode fait la même chose gratuitement
16 min

Claude Code coûte 100 $/mois – OpenCode fait la même chose gratuitement

En mars 2026, Lenny Rachitsky a publié un article au titre sans ambiguïté : « Everyone should be using Claude Code ». Le texte a fait le tour de LinkedIn, accumulé des centaines de milliers de vues, et depuis, chaque semaine, un manager demande : comment l’essayer ?

La réponse est inconfortable. Claude Code nécessite un abonnement Anthropic Max à 100 $ par mois. C’est un outil extraordinaire – mais c’est aussi un outil verrouillé derrière un seul fournisseur, un seul modèle, et un prix que la plupart des managers n’ont aucune raison de payer pour des tâches non techniques. Cela crée une situation étrange : l’un des outils IA les plus discutés de l’année est, pour une grande partie de son audience, soit trop cher, soit inaccessible.

Il existe une alternative directe. OpenCode – un projet open source qui fait exactement la même chose, fonctionne avec n’importe quel modèle (y compris des options gratuites), et s’installe en 15 minutes.