Les dépenses de trésorerie d’OpenAI atteignent 278 milliards de dollars alors que son pari sur les revenus prend de l’ampleur

Les dépenses de trésorerie d’OpenAI devraient atteindre 278 milliards de dollars entre 2026 et 2030, malgré un objectif de revenus approchant 350 milliards de dollars en 2030. Ces chiffres proviennent d’une présentation privée examinée par le Financial Times. Ils dépeignent une entreprise qui anticipe une croissance exceptionnelle tout en consommant des liquidités à une échelle rarement observée en dehors des programmes nationaux d’infrastructure.

La présentation prévoirait environ 36 milliards de dollars de revenus cette année et 840 milliards de dollars de revenus cumulés d’ici 2030. Pourtant, OpenAI s’attend à ce que ses dépenses restent encore plus élevées, tandis qu’elle sécurise des puces, des centres de données, de l’électricité et des capacités cloud. Ses dépenses de calcul et d’infrastructure pourraient totaliser environ 856 milliards de dollars sur cette période.

Cette combinaison définit le véritable conflit. OpenAI ne parie pas simplement sur le fait qu’un plus grand nombre d’utilisateurs paieront pour l’intelligence artificielle. L’entreprise s’engage sur des capacités avant que la demande, les revenus et le financement projetés ne se soient pleinement concrétisés.

Cette stratégie met simultanément sous pression les investisseurs, les partenaires d’infrastructure et les clients entreprises. Microsoft, Oracle, Nvidia, SoftBank et d’autres partenaires occupent une place dans la chaîne de capitaux soutenant l’expansion d’OpenAI. Des concurrents comme Anthropic et Google font face à une autre question : faut-il s’aligner sur cette échelle ou rivaliser par l’efficacité et la distribution ?

Les prévisions de dépenses de trésorerie d’OpenAI ne racontent que la moitié de l’histoire

Les prévisions divulguées décrivent une entreprise en forte croissance qui demeure néanmoins profondément dépendante de capitaux extérieurs.

La présentation privée aurait été préparée en juillet pour un accord portant sur des capacités de calcul. Ce contexte compte, car le document n’était ni un état financier audité ni un dépôt réglementaire public. Ses chiffres doivent être considérés comme des projections de la direction établies pour une transaction spécifique.

Selon les chiffres rapportés, le flux de trésorerie disponible négatif pourrait totaliser 278 milliards de dollars entre 2026 et 2030. Le flux de trésorerie disponible mesure les liquidités restantes après les coûts opérationnels et les dépenses d’investissement. Un chiffre négatif signifie que l’entreprise prévoit davantage de sorties de trésorerie que de liquidités générées durant cette période.

Dans le même temps, les prévisions de revenus d’OpenAI passeraient d’environ 36 milliards de dollars en 2026 à 350 milliards de dollars en 2030. Cela représente une croissance annuelle presque décuplée en quatre ans. Les revenus cumulés atteindraient environ 840 milliards de dollars d’ici la fin de la décennie.

OpenAI prévoit également de dépenser environ 856 milliards de dollars en calcul et infrastructure, selon une couverture corroborante. Cette catégorie comprend les capacités informatiques nécessaires pour entraîner les modèles et répondre aux requêtes des utilisateurs. Elle peut aussi inclure les centres de données, les systèmes de réseau et les infrastructures de soutien nécessaires pour fournir cette capacité.

Ces chiffres ne doivent pas être combinés comme s’ils reposaient sur des définitions comptables identiques. Certaines infrastructures peuvent être financées ou détenues par des partenaires plutôt que par OpenAI. Certains engagements peuvent devenir des dépenses opérationnelles plutôt que des dépenses d’investissement directes.

Le point central reste clair. OpenAI anticipe une croissance massive de ses revenus, mais même cette croissance ne couvre pas les besoins de trésorerie intégrés à son plan d’expansion.

Les prévisions rapportées indiquent également que l’entreprise pourrait épuiser les liquidités issues de son dernier financement d’ici 2028. Il resterait alors deux années dans la période couverte par les prévisions nécessitant des financements supplémentaires, une modification des plans de dépenses ou une performance opérationnelle plus solide.

OpenAI aurait levé 122 milliards de dollars en mars, pour une valorisation de 852 milliards de dollars. Le Financial Times a également rapporté des discussions qui pourraient valoriser l’entreprise à près de 1 200 milliards de dollars avant une éventuelle introduction en Bourse. OpenAI n’a pas immédiatement commenté les chiffres divulgués lorsqu’elle a été contactée par Reuters.

Les projections de valorisation et de trésorerie sont étroitement liées. Les investisseurs doivent croire que les revenus futurs pourront soutenir les engagements d’infrastructure pris aujourd’hui. Dans le cas contraire, chaque tour de financement devient un pont vers un besoin en capitaux plus important encore.

C’est pourquoi le chiffre de 278 milliards de dollars ne peut pas être lu comme une perte ordinaire de startup. Il s’inscrit dans une stratégie de capitaux impliquant des fournisseurs cloud, des fabricants de puces, des développeurs de centres de données, des fournisseurs d’énergie et des institutions financières.

Les revenus doivent rattraper une infrastructure déjà en construction

OpenAI prend des engagements d’infrastructure à long terme avant que les revenus clients projetés ne se soient matérialisés.

OpenAI présente le calcul comme le centre d’un cycle de croissance. Une capacité de calcul accrue permet des modèles plus performants, qui attirent des utilisateurs et génèrent des revenus permettant une nouvelle expansion. L’entreprise a exposé cette logique dans sa stratégie d’infrastructure.

Ce cycle paraît convaincant lorsque l’adoption, la qualité des modèles et les revenus augmentent de concert. Il devient beaucoup moins indulgent lorsque l’un de ces éléments ralentit.

Les centres de données demandent des années de planification, d’autorisations, de raccordements et de construction. Les puces avancées doivent être commandées bien avant leur déploiement. Les projets de production et de transport d’électricité suivent des calendriers encore plus longs. OpenAI ne peut pas attendre que la demande de 2030 soit confirmée avant d’organiser la capacité nécessaire pour y répondre.

Cela crée un décalage temporel. Les obligations d’infrastructure arrivent avant une grande partie des revenus censés les financer.

Les prévisions de revenus d’OpenAI portent donc davantage de poids que le chiffre phare des dépenses de trésorerie. Si le chiffre d’affaires annuel atteint 350 milliards de dollars en 2030, l’entreprise disposera d’une base importante pour absorber les coûts d’infrastructure. Si les revenus sont sensiblement inférieurs aux attentes, les engagements fixes ne disparaîtront pas à la même vitesse.

Plusieurs activités doivent se développer pour que les prévisions se réalisent. Les abonnements grand public doivent continuer à croître. Les entreprises doivent déployer les systèmes d’OpenAI au-delà de pilotes limités. Les développeurs doivent faire passer davantage de charges de travail de production par des API payantes. Les nouveaux produits doivent ajouter des revenus sans faire augmenter les coûts d’inférence aussi rapidement.

La publicité est également devenue une composante importante du plan. OpenAI aurait projeté 2,5 milliards de dollars de revenus publicitaires cette année et 100 milliards de dollars en 2030. Ses activités publicitaires ont atteint un rythme annualisé d’un milliard de dollars, selon une mise à jour sur la publicité.

Ces progrès offrent une voie de monétisation des utilisateurs gratuits. Ils introduisent également un nouveau conflit entre la confiance des utilisateurs et les incitations commerciales. Un assistant qui recommande des produits doit clairement distinguer l’influence rémunérée des conseils indépendants.

Les revenus entreprises comportent des risques différents. Les grandes organisations avancent lentement lorsqu’elles déploient des systèmes qui touchent à des données privées, aux interactions avec les clients ou à des décisions réglementées. Elles testent souvent plusieurs fournisseurs de modèles afin d’éviter de dépendre d’un seul prestataire.

Prenons l’exemple d’une entreprise de logiciels qui construit son support client autour d’un modèle OpenAI. Elle doit évaluer la qualité des réponses, la latence, les contrôles des données, la disponibilité du service et le coût de chaque requête. Une mise à niveau du modèle n’aide que si ces indicateurs opérationnels restent acceptables.

OpenAI doit donc transformer sa capacité technique en valeur économique fiable. Les améliorations des benchmarks ne garantissent pas à elles seules l’usage soutenu en production supposé par les prévisions de revenus.

La pression sur les prix ajoute une autre contrainte. Les modèles sont devenus plus efficaces et les concurrents continuent de réduire les coûts d’inférence. Les clients utilisent également des systèmes de routage qui envoient les tâches simples vers des modèles moins coûteux et réservent les systèmes chers aux problèmes plus complexes.

Ce comportement est rationnel pour les acheteurs. Il complique des prévisions qui reposent à la fois sur une utilisation accrue et sur un revenu suffisant par unité d’utilisation pour financer l’infrastructure.

Les dépenses de calcul d’OpenAI répartissent le risque entre ses partenaires

L’entreprise peut limiter ses dépenses directes de trésorerie en plaçant l’infrastructure sur les bilans de ses partenaires, mais l’obligation économique demeure.

OpenAI n’a pas besoin de posséder chaque bâtiment, puce, générateur ou raccordement électrique qu’elle utilise. Les contrats cloud et les baux de longue durée peuvent transférer les dépenses d’investissement initiales vers des entreprises disposant de bilans plus solides. Les partenaires récupèrent ensuite leurs investissements grâce à des engagements de capacité et des paiements de services.

Cette structure de financement aide à comprendre comment les dépenses de calcul projetées peuvent approcher 856 milliards de dollars alors que les dépenses de trésorerie d’OpenAI restent bien inférieures. Les deux chiffres mesurent des choses différentes. L’un décrit l’ampleur des ressources utilisées, tandis que l’autre suit les sorties de trésorerie d’OpenAI elle-même.

Microsoft reste central dans cette structure. Une déclaration de partenariat de février indiquait que la relation commerciale et de partage des revenus entre les entreprises restait inchangée. Elle préservait également le rôle d’Azure en tant que fournisseur cloud exclusif des API OpenAI sans état.

OpenAI a gagné en flexibilité pour sécuriser des capacités de calcul supplémentaires par d’autres accords, y compris Stargate. Cela réduit la dépendance à un unique fournisseur d’infrastructure tout en ajoutant davantage de contreparties et de relations contractuelles.

Oracle et SoftBank occupent également des positions importantes dans le développement plus large des infrastructures. Nvidia fournit les accélérateurs et les systèmes réseau utilisés par les clusters d’IA de pointe. Les développeurs de centres de données, les fournisseurs d’électricité et les prêteurs financent les actifs physiques qui entourent ces puces.

Chaque partenaire peut bénéficier de la croissance d’OpenAI. Chacun s’expose aussi à une partie des prévisions.

Un fournisseur cloud qui construit des capacités pour OpenAI doit déterminer si cette infrastructure pourra servir d’autres clients si la demande évolue. Un prêteur doit évaluer la qualité du crédit derrière un projet de centre de données. Un fournisseur d’énergie doit décider si les charges IA attendues justifient des investissements dans la production et le transport d’électricité.

Ces questions deviennent plus importantes lorsque les contrats s’étendent sur de nombreuses années. Le client à court terme peut être OpenAI, mais les actifs sous-jacents ont souvent des durées de vie opérationnelle bien plus longues.

Cette structure modifie également la manière dont les lecteurs doivent interpréter le flux de trésorerie disponible. Une sortie directe plus faible ne signifie pas nécessairement que l’infrastructure est devenue moins coûteuse. Cela peut signifier qu’une autre entreprise a financé l’actif et attend un remboursement au travers d’engagements futurs.

Cet arrangement ressemble à ceux d’autres secteurs intensifs en capitaux. Les compagnies aériennes louent des avions, les distributeurs louent des entrepôts et les entreprises de télécommunications financent des équipements réseau via leurs fournisseurs. Ces méthodes réduisent les besoins immédiats en capitaux sans éliminer les obligations à long terme.

L’infrastructure IA diffère toutefois sur un point important. La technologie intégrée à ces actifs peut s’améliorer ou devenir obsolète rapidement. Un centre de données reste utile, mais ses puces, sa conception de refroidissement et sa densité électrique peuvent perdre de la valeur relative à mesure que de nouveaux systèmes arrivent.

Les dépenses de calcul d’OpenAI comportent donc à la fois un risque de demande et un risque technologique. Les partenaires doivent construire suffisamment de capacités pour soutenir la croissance sans s’enfermer dans des équipements qui deviennent moins compétitifs.

La stratégie peut néanmoins fonctionner. L’échelle d’OpenAI fournit aux fournisseurs d’infrastructure un client d’ancrage important, tandis que ses produits peuvent créer de la demande pour les capacités construites. Toutefois, cet arrangement dépend de la confiance continue de toute la chaîne de financement.

Un revers ne resterait pas limité aux comptes d’OpenAI. Il pourrait affecter les dépenses d’investissement cloud, les commandes de puces, le financement des centres de données et la planification électrique sur plusieurs marchés.

Les prévisions mettent sous pression les investisseurs et les acheteurs d’IA

Le plan d’OpenAI demande aux investisseurs de financer l’écart tandis que les clients déterminent si ses modèles méritent une place permanente dans leurs opérations.

Les investisseurs subissent la pression la plus visible. La trésorerie déclarée de l’entreprise pourrait ne pas durer jusqu’à la fin de la période de prévision. La poursuite de l’expansion pourrait nécessiter un nouveau tour de table privé, un investissement stratégique, des structures liées à la dette ou une introduction en bourse.

Chaque option implique des compromis. Un tour de table privé peut diluer les actionnaires existants. Une introduction en bourse exposerait davantage les prévisions et facteurs de risque d’OpenAI à l’examen public. La dette peut créer des obligations de remboursement fixes avant que l’entreprise ne génère un flux de trésorerie positif.

Une valorisation élevée facilite la levée de capitaux tout en limitant la dilution. Elle relève aussi le seuil de performance attendu par les futurs investisseurs. Une entreprise valorisée près de 1,2 billion de dollars doit à terme produire des bénéfices et des flux de trésorerie à la hauteur de cette échelle.

Les partenaires d’infrastructure font face à une épreuve connexe. Ils doivent décider quelle capacité consacrer à un seul client et comment se protéger si les prévisions évoluent. Les clauses contractuelles, garanties, dépôts et possibilités de revente deviennent aussi importants que la taille annoncée des projets.

Les acheteurs en entreprise ressentent cette pression différemment. Ils ont besoin de l’assurance que les modèles, API et accords de support qu’ils adoptent resteront disponibles selon des conditions prévisibles. La croissance des revenus d’un fournisseur ne garantit pas automatiquement une économie de service stable.

Les équipes achats ne devraient pas interpréter la prévision divulguée comme la preuve de difficultés financières imminentes. OpenAI a attiré des montants de capitaux exceptionnels et entretient des relations avec certaines des plus grandes entreprises technologiques au monde.

Cette prévision justifie toutefois un examen plus attentif de la dépendance opérationnelle. Les acheteurs devraient savoir quels flux de travail échoueraient si une API changeait, si un modèle était retiré ou si les conditions d’utilisation évoluaient. Ils devraient aussi comprendre à quelle vitesse ces flux peuvent être transférés vers un autre fournisseur.

Pour les développeurs, cela implique de dissocier, lorsque cela est possible, la logique applicative d’un modèle unique. Des couches de routage de modèles, des jeux de données d’évaluation et des comportements de repli documentés peuvent réduire les coûts de changement. Ces garde-fous comptent même lorsque le modèle privilégié reste inchangé.

Les travailleurs du savoir font face à une version plus limitée, mais toujours significative, du même problème. Les outils d’IA conservent de plus en plus le contexte des projets, les parcours de recherche, les comptes rendus de réunions et les brouillons générés. Les utilisateurs devraient conserver indépendamment les documents sources importants, sans dépendre d’un seul assistant.

Les concurrents peuvent exploiter stratégiquement la pression financière. Anthropic peut mettre l’accent sur l’entreprise, la sécurité ou une approche de monétisation différente. Google peut associer ses modèles à une infrastructure cloud, à la publicité et à des logiciels de travail déjà déployés à l’échelle mondiale.

Ces entreprises dépensent elles aussi massivement en capacité de calcul. La distinction n’oppose pas un OpenAI gourmand en capitaux à des concurrents légers. Elle porte sur celui qui possède l’infrastructure, celui qui la finance et les activités existantes capables d’absorber le risque.

L’avantage d’OpenAI réside dans la concentration de la demande autour de ChatGPT et de sa plateforme pour développeurs. Son désavantage est l’absence des profits matures issus de la publicité et du cloud dont disposent certains concurrents plus grands.

L’entreprise doit continuer de convertir son avance produit en revenus récurrents avant que les factures d’infrastructure ne réduisent ses options stratégiques. Les rivaux n’ont qu’à rester suffisamment proches pour offrir aux clients des alternatives crédibles.

Ce que la prévision de revenus d’OpenAI ne prouve pas

Une projection privée présente la trajectoire envisagée par la direction, et non la preuve que cette trajectoire a déjà été réalisée.

Les chiffres divulgués restent des prévisions. Ils auraient été inclus dans une présentation liée à une transaction informatique, et non dans un compte rendu public complet des finances d’OpenAI. Les lecteurs ne peuvent pas examiner indépendamment les hypothèses qui sous-tendent chaque catégorie de revenus ou de dépenses.

Les définitions peuvent également varier d’une présentation à l’autre. Les dépenses de calcul seules ne sont pas toujours comparables aux dépenses de calcul incluant l’infrastructure. Les revenus contractés peuvent différer des revenus comptabilisés, tandis que la capacité sous contrat peut différer des paiements en espèces effectués la même année.

Les projections d’OpenAI ont déjà changé. Des informations antérieures situaient ses dépenses de calcul attendues jusqu’en 2030 en dessous du chiffre de juillet. D’autres estimations rapportées de flux de trésorerie étaient supérieures à la dernière projection de 278 milliards de dollars.

Les révisions n’indiquent pas automatiquement une tromperie ou un échec. Les entreprises privées à forte croissance actualisent leurs plans au gré de l’évolution du financement, de l’adoption des produits et des accords avec les fournisseurs. Ces révisions montrent toutefois pourquoi un chiffre divulgué ne doit pas être considéré comme un résultat figé.

L’hypothèse la plus importante concerne les revenus. Passer de 36 milliards à 350 milliards de dollars exige un taux de croissance composé extraordinaire à partir d’une base déjà substantielle. OpenAI doit ajouter des centaines de milliards de dollars d’activité annuelle tandis que ses concurrents ciblent les mêmes clients.

Ses dépenses d’infrastructure peuvent être plus prévisibles que cette demande. Une fois qu’un accord de capacité à long terme est signé, le calendrier de paiement peut perdurer même si l’utilisation progresse plus lentement. Des revenus inférieurs aux prévisions auraient donc un effet amplifié sur les flux de trésorerie.

Les marges constituent une autre incertitude. Les revenus peuvent croître rapidement tandis que la rentabilité reste faible si les coûts d’inférence augmentent avec l’usage. Les gains d’efficacité doivent dépasser les réductions de prix, l’augmentation des charges de raisonnement et la demande de réponses plus rapides.

Le nouveau matériel peut réduire le coût des calculs individuels. Des produits plus capables peuvent ensuite absorber ces gains en effectuant des tâches de raisonnement plus longues, en utilisant des contextes plus vastes ou en générant des médias plus riches. Des coûts unitaires plus faibles ne garantissent pas des dépenses totales moins élevées.

La publicité ajoute son propre défi de prévision. OpenAI doit bâtir des systèmes de ciblage, de mesure, de vente et de sûreté des marques tout en préservant la confiance dans les réponses de ChatGPT. La surveillance réglementaire pourrait également limiter la manière dont les données conversationnelles soutiennent la publicité.

L’objectif de 350 milliards de dollars peut inclure des sources de revenus encore peu matures aujourd’hui. Les appareils, agents, activités commerciales, licences, déploiements gouvernementaux et autres services peuvent élargir l’opportunité. Ils rendent aussi la prévision dépendante de produits et de comportements difficiles à modéliser.

Aucune ventilation vérifiée de manière indépendante ne montre exactement la contribution attendue de chaque activité. Cela limite les comparaisons avec les entreprises cotées, dont les revenus par segment, marges et dépenses d’investissement apparaissent dans des informations réglementées.

La conclusion responsable est plus nuancée que l’optimisme ou la panique. OpenAI a démontré une demande substantielle, mais la présentation divulguée ne valide pas l’intégralité du scénario pour 2030. Elle révèle l’ampleur des hypothèses nécessaires pour soutenir sa stratégie.

Trois signaux montreront si le pari fonctionne

Le prochain test n’est pas une nouvelle valorisation médiatique. Il consiste à voir si la qualité des revenus, la durabilité du financement et l’utilisation de l’infrastructure s’améliorent ensemble.

Le premier signal est une communication financière détaillée. Un dépôt public, un document destiné aux investisseurs ou des états financiers audités pourraient clarifier la comptabilisation des revenus, les marges brutes, les obligations d’infrastructure et le calendrier des sorties de trésorerie attendues.

Ces détails renforceraient ou affaibliraient le récit de la consommation de trésorerie d’OpenAI. De solides revenus récurrents et l’amélioration des marges d’inférence rendraient la prévision plus crédible. D’importants engagements hors bilan ou des marges plus faibles renforceraient les inquiétudes.

Le deuxième signal est le prochain événement de financement majeur. OpenAI prévoirait d’utiliser les liquidités récemment levées d’ici 2028 ; les investisseurs devraient donc surveiller la structure de ce financement, et pas seulement son montant.

Un financement mené par des partenaires stratégiques pourrait renforcer l’accès d’OpenAI aux puces, à la capacité cloud et à la distribution. Un tour incluant de nombreuses garanties ou des préférences complexes suggérerait que les apporteurs de capitaux souhaitent davantage de protection.

Une cotation en bourse fournirait les informations les plus claires. Les documents déposés auprès des autorités boursières exigeraient des informations standardisées sur les risques et des données financières historiques. Ils exposeraient aussi l’entreprise à la pression trimestrielle du marché pendant qu’elle poursuit ses projets d’infrastructure à long terme.

Le troisième signal est l’utilisation réelle des nouvelles capacités. Les gigawatts et sites de centres de données annoncés ne comptent que s’ils soutiennent des produits que les clients utilisent suffisamment pour justifier leur coût.

Surveillez la consommation des API, le déploiement en entreprise, la rétention des utilisateurs payants, les progrès publicitaires et la disponibilité des modèles. Une capacité croissante accompagnée d’une amélioration de l’économie du service soutiendrait la stratégie d’OpenAI. Une capacité inactive ou sous-utilisée la remettrait en cause.

Les lancements de produits comptent également, mais seulement dans le cadre de ce test d’utilisation. Un nouveau modèle peut attirer l’attention sans générer de marges durables. Le signal le plus fort est celui de clients transférant sur lui des charges de production importantes et les y maintenant.

Pour les équipes en entreprise, la réponse pratique n’est ni d’abandonner OpenAI ni d’ignorer la question du financement. Suivez les performances du service, les conditions contractuelles, les modèles alternatifs et le coût de migration des flux de travail critiques.

Les développeurs devraient tester au moins un modèle de secours avant qu’une interruption ne les contraigne à décider. Les acheteurs devraient distinguer l’adoption expérimentale des systèmes qui exigent une disponibilité à long terme. Les utilisateurs individuels devraient conserver les documents sources importants accessibles hors d’une seule plateforme.

Le plan rapporté d’OpenAI est audacieux parce que les deux côtés de la prévision sont énormes. L’entreprise prévoit une croissance de ses revenus presque décuplée tout en acceptant 278 milliards de dollars de flux de trésorerie disponible négatif et en organisant bien davantage d’infrastructure.

La question décisive est de savoir si la demande peut rattraper une infrastructure déjà financée et en cours de construction. Au cours des prochains mois, surveillez les informations publiées, les conditions de financement et l’utilisation effective des capacités. Ensemble, ces signaux montreront si l’expansion d’OpenAI devient une activité durable ou une promesse de plus en plus coûteuse.