L’épisode porte sur un changement structurel lié à la baisse du coût de l’extraction d’informations assistée par l’IA et à son impact sur la manière dont les acheteurs évaluent les fournisseurs de technologies. En faisant référence à des entreprises telles qu’OpenAI et Google, ainsi qu’à des recherches de l’AI Revenue Institute et de Gartner, Dave Sobel souligne que la baisse des prix des modèles permet désormais aux systèmes automatisés d’analyser rapidement la documentation des fournisseurs et d’influencer les décisions d’achat. Cela modifie fondamentalement les règles de la concurrence, qui passent de la capacité à convaincre à celle de fournir des données transparentes et facilement accessibles.
Une récente étude de l’AI Revenue Institute, citée par Dave Sobel, a révélé que plus de la moitié des décideurs interrogés avaient écarté un fournisseur de leur sélection après qu’un assistant d’IA eut mis en évidence une faiblesse documentée. Parallèlement, OpenAI et Google ont réduit les tarifs de leurs modèles d’IA haut de gamme, OpenAI ayant diminué ses coûts de plus de 20 % et Google ayant proposé temporairement une réduction de 50 % avant de revenir à ses tarifs précédents. Des analyses de TD Cowen et de Business Insider montrent que ces baisses de prix ont entraîné une hausse de l’utilisation et des revenus, les modèles à faible coût d’OpenAI ayant notamment enregistré une multiplication par 14 de leur utilisation après la réduction tarifaire.
Ces évolutions sont renforcées par l’identification par Gartner du « paradoxe de l’inférence », selon lequel l’amélioration des capacités de l’IA et la baisse du coût par requête peuvent en réalité augmenter les dépenses globales en raison de l’accroissement du volume et de la complexité des tâches. Parmi les données citées figurent une multiplication par 50 en un an du nombre de tokens traités par Google et le cas étudié par Deloitte d’un prestataire de soins de santé dont les coûts d’IA imprévus ont augmenté jusqu’à trois fois en une année. Parallèlement, Pew Research estime qu’un tiers des nouveaux contenus web publiés sur des sites commerciaux sont générés par des machines, ce qui a conduit des plateformes comme LinkedIn à mettre en place des mesures de détection de l’IA et de réduction du classement de certains contenus.
Pour les MSP et les responsables informatiques, les implications sont directes. La recherche automatisée effectuée par les acheteurs privilégie désormais les données concrètes et facilement exploitables par les systèmes d’IA plutôt que le langage marketing. Toute absence d’information ou tout refus de communiquer certaines données — en particulier les tarifs — peut entraîner l’élimination d’un fournisseur de la sélection sans préavis. La publication de données précises et mesurables — périmètre des services, logique tarifaire, délais de réponse avec leurs dates — détermine de plus en plus si un fournisseur sera identifié ou écarté par les agents d’IA qui élaborent des analyses comparatives. Ne pas définir clairement les offres et leurs exclusions peut conduire à des interprétations ou comparaisons défavorables, augmentant ainsi le risque opérationnel et transférant la responsabilité du fournisseur vers des systèmes et des processus qu’il ne contrôle pas.