Rapport Cryptopolitan : Apple dit d'abandonner le compteur IA. 39 % de nos lecteurs sont d'accord

Apple souhaite que les entreprises cessent de payer à la tâche et achètent plutôt un bureau rempli de Macs pour leurs travaux d’IA. La même semaine où les nouveaux Macs sont sortis, OpenAI et Anthropic ont réduit leurs prix d’API. Nous avons demandé à nos newsletter lecteurs quelle approche ils choisiraient. 

L’argument qui a lancé cette discussion 

Le 22 septembre, Apple a commencé à expédier ses nouveaux Mac mini et Mac Studio avec un lancement unique. Au lieu de les vendre sur la vitesse ou le design, elle les a vendus sur l'argument des coûts d'exécution. L'idée d'Apple est simple : un achat matériel unique pourrait permettre aux utilisateurs d'exécuter des modèles sur leurs propres machines sans avoir à payer des fournisseurs cloud pour chaque token.

Une brève note sur ce que signifie le paiement à la tâche lors de l’utilisation de l’IA. Lorsque les entreprises utilisent des modèles d’IA comme ChatGPT ou Claude pour leurs flux de travail via le cloud, elles paient généralement au « jeton ». Un jeton correspond à un petit fragment de texte, soit environ trois quarts d’un mot. Les invites envoyées par l’entreprise ainsi que les réponses reçues sont toutes comptabilisées dans sa facture finale. Une requête courte peut ne coûter qu’une fraction de centime. Cela dit, un agent IA qui passe des heures à analyser des documents, examiner des informations et réécrire du code peut facilement consommer des millions de jets. C’est pourquoi les coûts peuvent s’accumuler très rapidement, tout comme un compteur de taxi qui ne cesse de tourner. Apple se positionne ainsi comme une solution alternative en modifiant fondamentalement la structure des coûts. 

Les chiffres derrière cette proposition ne sont pas non plus négligeables. Le Mac mini démarre à 899 $, tandis que le Mac Studio avec la nouvelle puce M5 Ultra d'Apple est proposé à 5 499 $, et les versions entièrement configurées sont facturées près de 20 000 $. Dans son communiqué de presse, Apple indique que le Mac Studio permet aux utilisateurs d'exécuter des modèles massifs entièrement sur l'appareil « sans compter les tokens ni s'inquiéter des coûts croissants du cloud ».

Pour prouver le propos et démontrer ses capacités, Apple a connecté quatre Mac Studio entre eux et a exécuté un modèle de trillion de paramètres afin de traquer un bug graphique. Il s’agit d’une charge de travail généralement associée à un centre de données, mais selon Apple, l’ensemble du dispositif fonctionnait sur une seule prise murale. 

L’avantage d’Apple remonte à une décision prise en 2020 pour des raisons totalement différentes. Lors de son passage à ses propres puces, elle a intégré le processeur et la mémoire dans le même package pour améliorer l’autonomie. Cette conception se révèle particulièrement adaptée aux travaux d’IA, car les grands modèles nécessitent un accès rapide à une grande quantité de mémoire. Apple a ainsi découvert un avantage bien avant que quiconque ne commence à en chercher un.

Le marché semble déjà donner raison à cette approche. Les Mac mini se sont vendus à épuisement dans certaines régions de Chine alors qu’un outil agent open source appelé OpenClaw se répandait, et les configurations Mac Studio à haute capacité mémoire ont été difficiles à trouver depuis leur lancement. 

Pendant ce temps, le coût par jeton a baissé 

La même semaine où Apple a commencé à expédier les Macs, les deux plus grands laboratoires de modèles se sont livrés à une guerre sur les prix par jeton. Cela a transformé le débat entre matériel et modèle au paiement à l’usage en une véritable question. 

Anthropic a réduit le prix de Claude Opus 5.5 à 4 $ par million de tokens et 20 $ par million de tokens en sortie, soit une baisse de 20 % par rapport à la version précédente. Environ 90 minutes après cette annonce, OpenAI a lancé GPT-6 Sol et Luna à environ la moitié du prix de son modèle précédent. Les deux entreprises s'affrontent désormais ouvertement sur le coût d'achèvement d'une tâche plutôt que sur les seuls scores aux benchmarks. 

Cela soulève la question suivante : si la location continue de devenir moins chère, quel est l'intérêt d'investir des milliers de dollars dans du matériel qui perd de sa valeur ? 

Le prix d'un token individuel ne raconte qu'une partie de l'histoire. Gartner prévoit que les coûts d'inférence par flux de travail agentique augmenteront de plus de cinq fois d'ici 2028. Des modèles plus performants et abordables peuvent encourager les entreprises à automatiser davantage de tâches, à exécuter des agents plus longtemps et à effectuer plus d'appels de modèle. Par conséquent, des prix unitaires plus bas ne garantissent pas une dépense totale moindre.

Le reste du champ se rapproche

La part de marché d’Apple dans ce domaine est bien plus faible que ne le laissait entendre l’annonce. Selon les données IDC citées par Reuters, la part actuelle d’Apple sur le marché des ordinateurs de bureau professionnels s’établit à 4,6 %, contre 91,3 % pour Windows. Microsoft vise les mêmes acheteurs : lors du Microsoft Build 2026 début juin, le PDG Satya Nadella a qualifié l’IA intégrée aux appareils d’« intelligence non mesurée » dans un post X.

Le 7 octobre, lors d'un événement Windows à San Francisco, Microsoft a lancé le Surface Laptop Ultra à partir de 2 599 $ et un Surface RTX spark dev box, un mini-tour doté de 128 Go de mémoire, priced at 5 999 $. Pendant ce temps, Asus, Dell, HP, Lenovo et MSI ont ouvert les précommandes pour leurs propres machines RTX spark. Ce qui se passe actuellement, c'est que l'argumentaire en faveur de l'IA locale devient un débat industriel bien plus vaste. 

Ce que cela signifie

Il s’agit d’une newsletter née du monde des cryptomonnaies, un espace où l’adage « possédez vos propres actifs » relève presque de la croyance. Auto-garde, exécution de son propre nœud réseau, refus de faire confiance à un tiers pour quelque chose que l’on peut conserver soi-même. Les lecteurs qui suivent cet univers sont très familiers avec cette intuition, qu’ils la mettent ou non en pratique dans leur vie personnelle. La proposition d’Apple est, d’une certaine manière, la version matérielle du principe « pas tes clés, pas tes pièces ». Il n’est donc pas surprenant que cela ait trouvé écho.

Ce qui est plus intéressant, c’est qu’il n’a pas trouvé davantage d’écho.

Possédez-la (38,71 %) : Cette option arrive en tête, et sa formulation a probablement aidé. « Un mètre linéaire » évoque une image délibérément inconfortable, et quiconque a vu sa facture API grimper au cours d’un mois chargé connaît cette sensation. Ce groupe mise sur une croissance continue de l’utilisation, ce qui correspond exactement à la projection de Gartner. Si vous pensez que vos charges de travail IA continueront de croître, un coût fixe commence à ressembler à une couverture. Il y a aussi une dimension privacy qui n’apparaît pas dans une comparaison de coûts. Les données qui ne quittent jamais votre poste ne peuvent fuir depuis le serveur d’un tiers.

Paiement à l'usage (~31,6 %) : Juste derrière, et ce groupe a l'argument le plus solide sur les faits spécifiques de cette semaine. Les prix venaient d'être réduits de moitié. Les meilleurs modèles restent ceux que vous louez, pas ceux que vous pouvez télécharger et exécuter sur un Mac, et l'écart de capacité compte pour les travaux sérieux. Le matériel vieillit aussi. Une machine achetée aujourd'hui fera tourner les modèles de l'année dernière avec des puces de l'année dernière dans deux ans, tandis que l'API s'améliore discrètement en arrière-plan. Ajoutez l'électricité, la maintenance et l'effort de configuration, et « aucun risque initial » est une chose raisonnablement valorisable.

Cela dépend de la charge de travail (~29,7 %) : Près d'un tiers des lecteurs ont refusé de choisir un camp, et honnêtement, c'est la réponse que donneraient la plupart des ingénieurs. L'économie bascule selon ce que vous faites. Les tâches stables, répétitives et à fort volume qui tournent toute la journée favorisent la propriété. Les tâches occasionnelles et irrégulières qui nécessitent le modèle le plus performant favorisent la location. De nombreuses équipes finiront par faire les deux, en utilisant des modèles open source moins chers localement pour les travaux courants et en appelant les APIs de pointe pour les problèmes complexes.

Si l’on combine ces trois éléments, on obtient une répartition quasi équitable, aucune option ne dépassant la moitié des voix. Cet auditoire a été convaincu par l’idée de propriété sans pour autant être persuadé qu’elle l’emporte clairement, et les chiffres suggèrent que ce jugement est pertinent. 

L’argent nécessaire pour acheter un Mac Studio M5 Ultra d’entrée de gamme pourrait acquérir des centaines de millions de tokens aux nouveaux tarifs de 2 $ et 10 $ d’OpenAI, offrant ainsi une longue trajectoire pour un développeur isolé et seulement quelques semaines pour une entreprise faisant tourner des agents en continu. La baisse des prix favorise actuellement les locataires, mais si la projection de Gartner se confirme et que les dépenses globales continuent d’augmenter, les équipes financières commenceront à effectuer exactement les calculs qu’Apple et Microsoft souhaitent qu’elles réalisent. 

Le changement le plus significatif est peut-être que les gens envisagent désormais l'IA locale. Il y a seulement deux ans, l'idée de faire tourner un modèle d'IA sur un ordinateur personnel était loin d'être une option courante.