Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

L'abonnement ChatGPT d'OpenAI à 500 dollars arrive quelques jours après un prix médian d'entrée à 1,32 dollar

OpenAI a annoncé mardi, lors de son DevDay, un abonnement ChatGPT à 500 dollars par mois. La même semaine, un relevé de fin de mois fixait le prix catalogue médian d'un million de tokens en entrée à 1,32 dollar sur 81 enregistrements publics.

IA & modèlesAnalyseSophie LeclercPublié le: 30 septembre 20265 min de lectureSources 9
L'abonnement ChatGPT d'OpenAI à 500 dollars arrive quelques jours après un prix médian d'entrée à 1,32 dollar

OpenAI a profité de son DevDay mardi pour annoncer une nouvelle formule haut de gamme, Pro 500, à 500 dollars par mois, rapporte Business Insider. C'est 300 dollars de plus que l'ancienne offre la plus chère de l'entreprise, soit 6 000 dollars par an pour un seul poste.

La formule inclut l'accès à ce qu'OpenAI appelle le calcul « Ultrafast » pour GPT-6 Astra dans ChatGPT Work et Codex. Business Insider indique que l'option promet un gain de vitesse de 8x dans Codex et qu'elle embarque le volume d'usage le plus élevé proposé par l'entreprise. Le même article précise qu'OpenAI rouvre son ancien abonnement Pro à 200 dollars par mois, suspendu le 10 septembre, mais en divisant par deux le calcul alloué. L'enveloppe passe à 10x celle de l'offre Plus à 20 dollars, contre 20x auparavant, et les messages hebdomadaires dans GPT-6 Pro tombent de 200 à 100.

Thibault Sottiaux, responsable de l'ingénierie chez OpenAI pour Codex, a écrit lundi sur X que les changements revenaient à la moitié des dépenses API en dollars par rapport à la formule précédente. Business Insider le cite directement. Aucun autre média de ce dossier ne confirme ces tarifs, et OpenAI n'a publié aucune grille publique que cet article ait pu vérifier de façon indépendante.

Le calendrier compte, car un relevé de septembre des prix API publiés montre que le plancher des tarifs catalogue reste très loin de 500 dollars par mois pour la plupart des usages. L'AI API Pricing Index d'AICostBudget, arrêté au 30 septembre 2026 à minuit UTC, couvre 81 enregistrements de prix publics chez 11 fournisseurs. Sur les 69 enregistrements disposant d'un tarif courant pour les tokens d'entrée, l'éventail va de 0,10 à 30 dollars le million de tokens. Pour les tokens de sortie, sur ces mêmes 69 enregistrements, il va de 0,10 à 180 dollars le million.

Remises, cache et prix affiché

Les médianes mises en avant par l'index sont de 1,32 dollar par million de tokens en entrée et de 6 dollars par million en sortie, soit un rapport médian sortie-entrée de 5,0x. Ce sont des prix catalogue, et l'index précise noir sur blanc que la plupart des acheteurs ne paient pas ce tarif. Sur 58 enregistrements comparables, la remise observée sur les entrées mises en cache va de 75 % à 98 %, avec une médiane de 90 %. Sur 44 enregistrements compatibles Batch, la remise observée sur les entrées en lot va de 20 % à 50 %, avec une médiane de 50 %.

Cet écart résume l'argument des projets de moteur d'inférence et d'optimisation de requêtes parus la semaine dernière. Si une charge de travail peut basculer ses préfixes répétés en cache et ses gros traitements en lot, le prix effectif par token passe bien sous la médiane. Sinon, c'est le prix catalogue qui s'applique.

Deux projets publiés le 30 septembre attaquent le problème par les deux bouts de la pile. Côté base de données, les travaux QUAIL du Full Stack Data Lab, mis en ligne le 30 septembre, optimisent ensemble la planification des requêtes SQL et l'inférence LLM. Leur requête de référence BIO-4 porte sur plus de 5 000 longs comptes rendus médicaux et 4 144 termes de réaction, la liste des réactions servant deux fois dans deux jointures. Les auteurs soutiennent qu'envoyer des millions d'appels de modèle liés à un moteur généraliste comme vLLM sous forme de requêtes séparées coûte cher, car chaque prompt est rendu et servi comme une requête d'inférence indépendante.

La note de Modal sur le même système, également datée du 30 septembre, chiffre le phénomène. Quail traite plus d'un milliard de tokens par minute et par GPU H100 sur une requête à jointures multiples. Selon Modal, cela dépasse de plus de 10x sa référence vLLM sur matériel identique, pour moins de 6 cents par milliard de tokens sur Modal. Sur le nouveau benchmark AI-SQL, Modal rapporte Quail à 1,84x plus rapide que vLLM, en moyenne géométrique sur les tâches, dont deux requêtes conçues par les auteurs pour montrer où l'inférence AI-SQL demande encore du travail.

La moyenne géométrique de 1,84x et le chiffre de 10x sur une requête isolée viennent de la même équipe et ne doivent pas être lus comme une seule et même mesure.

Noyaux locaux et latence des robots

Côté client, Magnitude, société du Y Combinator S25, a lancé le 30 septembre un moteur d'inférence open source qui compile et ajuste ses noyaux sur l'appareil de l'utilisateur avant l'exécution d'un modèle. Le README GitHub revendique des modèles ouverts jusqu'à 2x plus rapides que llama.cpp, avec un décodage 92 % plus rapide sur Metal et 19 % sur CUDA, et 27 % de mémoire en moins par agent. Il fonctionne sur Apple Silicon, NVIDIA, AMD ou processeur seul. Ces chiffres sont ceux du projet et n'ont pas été reproduits indépendamment dans ce dossier.

L'inférence pour robots court après la même horloge. MindOn a présenté Mind-1 le 30 septembre, en affirmant réduire la latence d'inférence des robots de 82 ms à 32 ms. L'entreprise note qu'à une vitesse de 3 m/s en bout d'effecteur, 10 ms de latence correspondent à environ 3 cm de déplacement, de quoi affecter une prise précise, une insertion ou une manipulation riche en contacts. Ses gains de vitesse concernent la logistique et les environnements humains du quotidien et proviennent des propres essais de MindOn.

Des travaux universitaires pointent un coût que les indicateurs d'utilisation masquent. Un article présenté à SOSP '26 le 28 septembre par Prasoon Sinha, Dimitrios Liakopoulos, Nathan Lemma et Neeraja J. Yadwadkar décrit EnerTune, un système de service qui modélise la puissance de chaque modèle et la consommation des modèles cohabitants sur des GPU partagés. Les auteurs rapportent des réductions d'énergie de 1,4x à 2,3x et de puissance appelée de 1,3x à 2,6x par rapport aux meilleures références, tout en respectant les SLO de performance. Leur thèse : optimiser uniquement l'utilisation peut faire grimper la consommation, et profiler chaque configuration à grande échelle coûte trop d'énergie pour être praticable.

La question de savoir où l'argent atterrit vraiment reste disputée. Light Reading rapporte le 30 septembre que StarHub et M1 discutent d'une fusion à Singapour, et que 2degrees et OneNZ en Nouvelle-Zélande ont proposé de combiner leurs réseaux radio. StarHub précise que les négociations se poursuivent. Light Reading note qu'un StarHub et un M1 réunis atteindraient à peu près l'échelle de Singtel, et que Singtel détenait selon les informations une part mobile de 43 % en juin, devant M1 à 22 %, StarHub à 21 % et Simba à 14 %.

Une leçon tarifaire de la même semaine n'a rien à voir avec les GPU. Pinecone a retiré son calculateur de prix après avoir constaté qu'une seule saisie mal interprétée pouvait gonfler une estimation jusqu'à 1 000x, selon un récit à la première personne de Gkogan publié le 30 septembre. Les visiteurs qui ne voyaient pas le calculateur étaient 16 % plus nombreux à s'inscrire et 90 % plus nombreux à contacter l'entreprise, sans hausse des tickets d'assistance sur les tarifs. Sept employés sur dix s'attendaient à ce que la version avec calculateur l'emporte.

Commentaires 0

Sources

9
  1. 01ChatGPT's new plan costs $500 a monthEN
  2. 02AI API Pricing Index - September 2026EN
  3. 03Hitting 1B tokens/minute on 1 GPU combining a query planner and inference engineEN
  4. 04Jointly optimizing SQL queries and LLM inference for up to 14x speedupsEN
  5. 05Launch HN: Magnitude (YC S25) - Self-optimizing inference engine for agentsEN
  6. 06Mind-1: Cutting robot inference latency from 82ms to 32msEN
  7. 07Beyond Utilization: Energy-Conscious GPU Sharing for Inference ServingEN
  8. 08Singapore, New Zealand operators seek partnerships to cut costsEN
  9. 09The pricing calculator made people more confused about pricingEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.