Les revenus d’OpenAI auprès des entreprises dépasseraient ceux de son activité grand public

OpenAI aurait franchi un seuil décisif en juillet : son activité auprès des entreprises générerait désormais davantage de revenus que son activité grand public portée par ChatGPT. L’article de Techmeme sur OpenAI indique également que le nombre de clients entreprise a augmenté de 32 % durant le mois.

La directrice financière Sarah Friar a partagé ces chiffres lors d’une réunion avec des investisseurs vendredi, selon un article de CNBC résumé dans le compte rendu de la réunion. OpenAI n’a pas publié les comptes sous-jacents, la définition retenue pour les clients ni la répartition des revenus.

Cette réserve est importante, mais elle n’efface pas l’apparent renversement. ChatGPT a fait d’OpenAI un phénomène de la technologie grand public. Les contrats d’entreprise, les charges de travail via API, les outils de codage et les agents pour le travail semblent désormais devenir son centre financier.

Cette évolution place aussi Anthropic directement au cœur du sujet. OpenAI conserve une audience grand public plus large, tandis qu’Anthropic s’est bâti une solide réputation auprès des développeurs et des acheteurs en entreprise. La concurrence ne se résume plus à ChatGPT contre Claude en tant qu’assistants. Elle porte sur l’entreprise qui deviendra la couche opérationnelle du travail assisté par IA.

Cet article de Techmeme sur OpenAI décrit donc plus qu’un mois supplémentaire de croissance des clients. Il suggère que la notoriété auprès du grand public est devenue un canal de distribution pour une activité entreprise bien plus vaste.

Ce qu’OpenAI aurait déclaré aux investisseurs

L’affirmation centrale est que l’activité entreprise d’OpenAI aurait dépassé son activité grand public plus tôt que ce que l’entreprise avait publiquement prévu.

CNBC a rapporté que Friar avait tenu la réunion avec les investisseurs le vendredi 14 août, après une semaine agitée pour la direction d’OpenAI. Selon l’article, elle aurait déclaré aux investisseurs que les revenus d’entreprise dépassent désormais ceux de l’activité grand public portée par ChatGPT.

Le second chiffre phare concerne la croissance des clients. Le nombre de clients entreprise aurait augmenté de 32 % en juillet, bien que le résumé public n’établisse pas s’il s’agit de comptes, de contrats, d’organisations clientes ou d’une autre catégorie interne.

Cette distinction est importante. Une hausse de 32 % du nombre de clients ne correspond pas nécessairement à une hausse de 32 % des revenus comptabilisés. Les grands contrats peuvent également mettre du temps à passer d’engagements signés à des usages facturés.

OpenAI est une entreprise non cotée ; les observateurs extérieurs ne peuvent donc pas consulter une déclaration trimestrielle assortie de définitions standardisées par segment. Les chiffres proviennent d’une discussion avec des investisseurs rapportée par la presse, et non d’une déclaration publique auditée.

Toutefois, les communications récentes d’OpenAI vont dans le même sens. Dans une note de l’entreprise consacrée à la phase de l’IA d’entreprise, OpenAI indiquait que l’activité entreprise représentait plus de 40 % de ses revenus. L’entreprise prévoyait que cette activité atteigne la parité avec les revenus grand public d’ici la fin 2026.

Si la mise à jour rapportée de Friar emploie les mêmes définitions, la parité aurait été atteinte plusieurs mois en avance. Cela rend la nouvelle information significative, même sans compte de résultat complet.

Le résultat rapporté fait également suite à une expansion rapide de la clientèle professionnelle d’OpenAI. En novembre 2025, l’entreprise avait déclaré que plus d’un million d’organisations payaient pour des produits destinés au travail ou pour l’utilisation directe de ses modèles.

Ce chiffre regroupait les clients utilisant ChatGPT au travail et les organisations consommant des modèles via la plateforme développeur. OpenAI emploie donc l’expression « client professionnel » dans un sens large, et non uniquement pour désigner les détenteurs de contrats ChatGPT Enterprise classiques.

À cette époque, OpenAI indiquait disposer de plus de sept millions de sièges ChatGPT for Work. L’entreprise ajoutait que le nombre de sièges ChatGPT Enterprise avait été multiplié par neuf sur l’année précédente.

Ces chiffres publiés par l’entreprise n’ont pas fait l’objet d’un audit indépendant. Ils ont néanmoins établi l’entonnoir commercial à l’origine de la dernière mise à jour destinée aux investisseurs. OpenAI vendait simultanément des accès individuels pour le travail, des déploiements à l’échelle de l’entreprise, de la capacité API et des produits de développement spécialisés.

Les documents plus récents d’OpenAI pour les entreprises évoquent désormais plus de deux millions de clients professionnels. Cette définition élargie peut couvrir aussi bien une petite organisation consommant des crédits API qu’une multinationale menant un vaste déploiement.

Cette diversité rend les revenus plus instructifs que le simple nombre de clients. Un total de clients décrit la distribution, tandis que les revenus indiquent si l’usage devient financièrement significatif.

L’affirmation selon laquelle les revenus d’entreprise ont dépassé les revenus grand public fournit ce signal manquant. Elle indique que l’adoption en milieu professionnel ne progresse pas simplement aux côtés de ChatGPT. Elle serait devenue la partie la plus importante de l’activité.

La composition exacte demeure toutefois incertaine. Les revenus d’entreprise pourraient inclure les abonnements ChatGPT pour le travail, la consommation directe d’API, l’utilisation de Codex et les contrats liés aux déploiements d’agents.

Les investisseurs auront besoin de définitions cohérentes avant de comparer juillet aux périodes futures. Pour l’instant, la conclusion la plus solide et défendable est plus limitée : OpenAI aurait atteint avant l’échéance son objectif de revenus d’entreprise précédemment annoncé.

Pourquoi ChatGPT grand public est devenu un canal vers l’entreprise

Le renversement d’OpenAI ne signifie pas que ChatGPT grand public a échoué ; la familiarité avec le produit semble avoir réduit le coût de l’adoption au travail.

La plupart des éditeurs de logiciels d’entreprise doivent d’abord apprendre aux employés ce que font leurs produits. OpenAI est arrivé dans la vente aux entreprises avec des centaines de millions de personnes déjà familières du modèle d’interaction de base de ChatGPT.

Cette familiarité transforme un déploiement en entreprise. Les salariés savent poser des questions, affiner des prompts, téléverser des documents et examiner des réponses générées avant que leur employeur ne leur dispense une formation officielle.

OpenAI a décrit cet effet en annonçant son jalon de clientèle professionnelle. L’entreprise soutenait que la familiarité existante avec ChatGPT avait raccourci les phases pilotes et réduit les frictions lors des déploiements en milieu professionnel.

Le produit grand public agit ainsi comme un canal de distribution. Il permet aux salariés d’expérimenter personnellement l’interface avant que les équipes achats, sécurité et technologie n’évaluent une version administrée.

C’est le renversement central qui sous-tend le croisement des revenus rapporté. L’adoption grand public a bâti la marque, les habitudes et la demande des utilisateurs. Les contrats d’entreprise peuvent ensuite convertir ces avantages en charges de travail plus importantes et plus durables.

Le processus commence souvent de manière informelle. Un employé utilise ChatGPT pour résumer un document, préparer des questions pour une réunion ou réviser un message client. Une équipe demande ensuite un accès partagé et des contrôles administratifs plus stricts.

L’organisation se heurte alors à des problèmes que les comptes personnels ne résolvent pas. Elle a besoin de gestion des identités, d’autorisations, de contrôles des données, de traçabilité, de conditions d’achat et de connexions aux systèmes internes.

Lorsque ces exigences apparaissent, la relation commerciale change. OpenAI ne vend plus seulement l’accès à un assistant conversationnel. L’entreprise cherche à devenir un élément de l’infrastructure opérationnelle de ses clients.

L’adoption des API élargit cette opportunité. Une entreprise peut intégrer les modèles d’OpenAI au service client, au développement logiciel, à la recherche, au traitement de documents ou à la recherche interne sans diriger chaque utilisateur vers ChatGPT.

Le codage est devenu un autre pont. Codex peut entrer par les développeurs, puis s’étendre aux tests, à la revue de code, aux travaux de migration, à l’analyse opérationnelle et à la documentation technique.

Les agents d’entreprise prolongent le même modèle au-delà des équipes logicielles. Un agent est un système qui utilise un modèle, des outils, du contexte et des autorisations pour accomplir un travail en plusieurs étapes.

OpenAI a décrit des agents commerciaux qui recherchent des prospects, appliquent des règles de qualification, préparent des messages et mettent à jour les dossiers clients. Il s’agit d’une catégorie de produit différente d’un chatbot qui rédige un e-mail.

La valeur commerciale se comporte également différemment. Les abonnements grand public dépendent fortement de la persistance d’une habitude personnelle récurrente chez les individus. Les systèmes d’entreprise sont reliés à des flux de travail, des sources de données, des politiques et des processus d’équipe.

Ces connexions peuvent rendre un déploiement plus difficile à remplacer. Elles peuvent également rendre les défaillances plus coûteuses, ce qui relève les exigences en matière de fiabilité et de gouvernance.

L’échelle grand public d’OpenAI reste importante dans ce modèle. Une interface familière peut aider les salariés à adopter un nouvel outil, mais la familiarité ne peut ni mener à bien les examens de sécurité ni prouver des retours mesurables.

L’entreprise doit transformer une notoriété généralisée en usage professionnel encadré. Cela exige des spécialistes du déploiement, des partenaires d’intégration, du support technique et des produits conçus pour les administrateurs.

OpenAI a répondu en positionnant ses modèles, ChatGPT, Codex et ses agents d’entreprise comme les éléments d’une même pile technologique. Cette stratégie propose aux acheteurs un fournisseur commun pour l’assistance personnelle, le développement logiciel et les flux de travail automatisés.

Cette largeur d’offre peut réduire la complexité des achats. Elle peut aussi approfondir la dépendance envers un fournisseur unique, ce qui inquiétera les acheteurs souhaitant conserver une portabilité entre les modèles.

Pour les travailleurs du savoir, cette évolution transforme déjà l’entrée de l’IA dans le travail quotidien. Le produit passe d’une fenêtre de discussion distincte à des systèmes qui récupèrent le contexte de l’entreprise et agissent au sein des applications existantes.

L’organisation de l’information devient ainsi plus déterminante. Les équipes ont besoin de sources d’entreprise encadrées, tandis que les individus ont toujours besoin d’une base de connaissances personnelle fiable pour leurs propres recherches et leur contexte de travail.

Le croisement des revenus rapporté montre que les entreprises paient pour cette transition. Il ne démontre pas encore que chaque déploiement a produit un retour durable.

L’article de Techmeme sur OpenAI met Anthropic sous pression

La concurrence principale oppose désormais l’expansion d’OpenAI en entreprise, portée par le grand public, à la force d’Anthropic centrée sur l’entreprise.

Anthropic est devenu un concurrent sérieux pour les entreprises grâce à Claude, son API et une forte adoption auprès des développeurs. Ses produits ont particulièrement retenu l’attention pour le codage et les charges de travail professionnelles.

OpenAI aborde le même marché avec un avantage initial différent. ChatGPT a établi une notoriété mondiale auprès du grand public avant que l’entreprise n’intensifie sa campagne auprès des entreprises.

Cela crée deux voies concurrentes vers le milieu professionnel. Anthropic peut l’emporter grâce aux équipes techniques, aux performances de ses modèles et à des relations ciblées avec les entreprises. OpenAI peut associer ces canaux à la familiarité des employés et à une forte demande grand public.

Les résultats de juillet rapportés suggèrent que la voie choisie par OpenAI se convertit en revenus. Ils n’établissent pas qu’OpenAI devance Anthropic sur chaque indicateur d’entreprise.

Les comparaisons entre entreprises privées restent difficiles. Aucune des deux sociétés ne publie une ventilation complète de la valeur des contrats, de la rétention, de la composition des charges de travail ou des revenus comptabilisés par produit.

Les nombres de clients sont particulièrement difficiles à comparer. Un fournisseur peut compter les organisations, un autre les sièges payants, et un troisième mettre l’accent sur les développeurs API ou les comptes actifs.

La meilleure question concurrentielle porte sur la profondeur des charges de travail. Une entreprise qui teste Claude avec une équipe d’ingénierie n’est pas équivalente à une entreprise qui exploite le support client via l’API.

La même distinction s’applique à OpenAI. Un petit abonnement ChatGPT pour le travail n’a pas le même poids stratégique qu’un agent connecté à des systèmes sensibles de l’entreprise.

OpenAI souhaite accroître cette profondeur au moyen d’une plateforme d’entreprise unifiée. Sa stratégie publique réunit modèles, ChatGPT, Codex, gestion des agents, connecteurs, autorisations et partenariats de déploiement.

La pression exercée sur Anthropic provient de l’ampleur de cette offre. Si les employés demandent déjà ChatGPT, les responsables technologiques peuvent faire face à une demande interne de standardisation autour d’OpenAI.

Cependant, OpenAI subit sa propre pression face à la réputation d’Anthropic dans le codage et l’IA d’entreprise. Les équipes techniques peuvent influencer les décisions d’achat lorsque leur modèle privilégié obtient de meilleurs résultats sur des tâches importantes.

Les entreprises ont également de solides raisons d’éviter une stratégie reposant sur un seul modèle. La qualité des modèles évolue rapidement, les charges de travail diffèrent, et les acheteurs veulent conserver un levier lors des négociations sur la capacité et les conditions de service.

De nombreuses organisations peuvent placer une couche de routage entre les applications et les fournisseurs de modèles. Un routeur envoie chaque requête vers un modèle choisi selon le coût, la vitesse, le risque ou les performances de la tâche.

Cette architecture affaiblit l’idée qu’un seul laboratoire d’IA doit contrôler chaque charge de travail. Elle permet à une entreprise d’utiliser un fournisseur pour le codage, un autre pour l’analyse documentaire et des modèles plus petits pour les tâches répétitives.

Les modèles à poids ouverts offrent une autre option. Les entreprises peuvent déployer certains modèles dans des environnements contrôlés, même si ce choix transfère davantage de responsabilités opérationnelles à l’acheteur.

Microsoft, Google et Amazon façonnent également la compétition. Chacun possède une distribution cloud, des relations avec les entreprises et des produits logiciels capables d’intégrer l’IA dans des contrats existants.

Microsoft joue un rôle particulièrement complexe, car il est à la fois partenaire d’OpenAI et fournisseur d’IA d’entreprise. Ses clients peuvent utiliser les modèles OpenAI via des produits Microsoft plutôt que par le biais d’un contrat direct avec OpenAI.

Google peut associer Gemini à Workspace, Cloud, à ses services de sécurité et de données. Amazon peut relier des modèles et des agents à une infrastructure déjà utilisée par les équipes de développement en entreprise.

OpenAI doit donc rivaliser à deux niveaux. L’entreprise a besoin de modèles performants, mais aussi d’une plateforme commerciale que les acheteurs peuvent déployer dans des environnements technologiques fragmentés.

La continuité de la direction est importante dans ce contexte. OpenAI a nommé Dali Rajic au poste de directrice des revenus après que Denise Dresser a décidé de partir moins d’un an après sa prise de fonction.

Ce changement a suivi d’autres départs de cadres dirigeants et une implication opérationnelle accrue du cofondateur Greg Brockman. Un rapport sur la direction d’entreprise indiquait qu’OpenAI intensifiait ses efforts pour dépasser Anthropic dans l’adoption par les entreprises.

Ce calendrier rend la rencontre de Friar avec les investisseurs significative. L’entreprise devait montrer que les turbulences au sein de sa direction n’avaient pas interrompu sa dynamique commerciale.

Le chiffre de croissance de 32 % en juillet répond à cette inquiétude pour un mois. Il n’établit pas quelle part de cette hausse provient de nouveaux contrats, d’une utilisation élargie, d’acquisitions ou de définitions de comptes révisées.

Anthropic fait désormais face à des éléments montrant que la distribution grand public d’OpenAI peut soutenir une activité d’entreprise. OpenAI doit encore prouver que cet avantage résiste à l’examen des processus d’achat et à la concurrence des stratégies multi-modèles.

Ce que le renversement des revenus ne prouve pas

Le fait que les revenus déclarés de l’activité d’entreprise dépassent ceux de l’activité grand public d’OpenAI ne prouve pas que l’IA d’entreprise a atteint une économie stable, rentable ou défendable.

Les revenus ne constituent qu’un côté de l’équation. Les modèles de pointe exigent une capacité de calcul considérable, et les charges de travail agentiques peuvent générer des appels répétés aux modèles au cours d’une même tâche.

Un agent d’entreprise peut interroger plusieurs systèmes, évaluer des documents, appeler des outils logiciels, réessayer des étapes échouées et demander une approbation humaine. Chaque action ajoute de la latence et des coûts de calcul.

Un contrat peut donc générer des revenus impressionnants tout en entraînant des coûts de prestation significatifs. OpenAI n’a pas fourni suffisamment de détails publics pour calculer les marges par segment à partir du croisement rapporté.

Les coûts de mise en œuvre s’ajoutent également à la facture des modèles. Les entreprises doivent préparer les données, gérer les autorisations, intégrer les systèmes, évaluer les résultats, former les employés et surveiller les défaillances.

Certains déploiements font gagner du temps immédiatement. D’autres déplacent le travail de l’exécution des tâches vers la révision, la correction et la gouvernance.

Les directeurs financiers veulent de plus en plus des preuves que l’IA accomplit un travail utile, et pas seulement que les employés génèrent davantage de prompts. Cette demande explique pourquoi Friar a promu « l’intelligence utile par dollar » comme indicateur commercial.

Ce concept invite les entreprises à examiner le coût total d’une tâche menée à bien. Cela inclut l’utilisation des modèles, les nouvelles tentatives, la révision humaine, les corrections et les escalades.

Une analyse de la métrique de valeur de l’IA a souligné l’intérêt d’OpenAI à détourner l’attention des prix par token vers les résultats. Des modèles plus performants peuvent coûter davantage par requête, même lorsqu’ils accomplissent certaines tâches avec moins d’échecs.

Ce cadre est raisonnable, mais il doit être mesuré par les clients plutôt qu’accepté comme une affirmation du fournisseur. Une entreprise devrait définir ce qu’est une tâche réussie avant le déploiement et suivre la qualité après l’adoption.

Le rapport sur les revenus laisse plusieurs autres questions sans réponse. Il ne précise pas la base initiale de clients utilisée pour le calcul des 32 %.

Il n’identifie ni l’attrition des clients, ni la durée des contrats, ni la croissance moyenne des comptes, ni la concentration géographique. Il ne révèle pas non plus quelle part des revenus provient de licences récurrentes par utilisateur par rapport à une consommation variable d’API.

Les charges de travail variables peuvent se développer rapidement lorsqu’un nouveau modèle ou produit attire l’attention. Elles peuvent aussi se contracter lorsque les acheteurs optimisent les prompts, routent les tâches ailleurs ou suspendent les expérimentations.

Juillet a pu bénéficier de lancements de produits, de déploiements plus importants ou d’une demande d’API inhabituellement forte. Les lecteurs ont besoin de plusieurs périodes cohérentes avant de considérer un seul mois comme une tendance durable.

La comparaison avec les revenus grand public nécessite également du contexte. Les performances grand public ont peut-être ralenti tandis que l’activité d’entreprise s’accélérait.

OpenAI a testé des approches supplémentaires de monétisation grand public, y compris la publicité. Une future hausse des revenus grand public pourrait à nouveau inverser l’équilibre sans affaiblir l’activité d’entreprise.

Les frontières entre les segments peuvent aussi s’estomper. Un employé peut utiliser ChatGPT par l’intermédiaire de son employeur pendant la journée et conserver un compte personnel pour d’autres tâches.

Une entreprise logicielle peut acheter de la capacité API pour créer une application grand public. OpenAI pourrait classer ces revenus comme activité d’entreprise ou de plateforme pour développeurs, même si les utilisateurs finaux sont des consommateurs.

Cette ambiguïté ne rend pas les chiffres dénués de sens. Elle signifie que le croisement doit être considéré comme un indicateur stratégique plutôt que comme un diagnostic financier complet.

Le statut privé d’OpenAI amplifie cette limite. Les présentations aux investisseurs peuvent utiliser des indicateurs internes de gestion qui ne correspondent pas aux catégories comptables publiques.

L’entreprise n’a pas vérifié de manière indépendante le rapport de CNBC dans une publication financière détaillée. Ni la hausse du nombre de clients ni le croisement des segments ne doivent être présentés comme des faits audités.

L’adoption en entreprise introduit aussi des risques que la croissance grand public ne porte pas à la même échelle. Une mauvaise réponse personnelle peut frustrer un utilisateur. Un agent d’entreprise défaillant peut affecter des clients, des dossiers, du code ou des décisions réglementées.

Les acheteurs exigeront des contrôles plus robustes à mesure que les agents accèdent aux systèmes de l’entreprise. Ils ont besoin de limites d’autorisation, de journaux d’actions, de processus d’évaluation et d’une responsabilité humaine claire.

Des incidents de sécurité ou des déploiements peu fiables pourraient ralentir l’expansion, même si la demande des employés reste forte. Les régulateurs pourraient également examiner de près les décisions automatisées dans la finance, l’emploi, la santé et d’autres domaines sensibles.

Le véritable test est donc la rétention après l’expérimentation. OpenAI doit montrer que les clients étendent les charges de travail réussies sans que les coûts, les erreurs ou les charges de gouvernance n’effacent la valeur créée.

Trois signaux qui mettront à l’épreuve l’avance d’OpenAI dans l’entreprise

La prochaine phase sera jugée sur la régularité des revenus, les victoires concurrentielles sur les charges de travail et la preuve que les agents d’entreprise produisent des résultats mesurables.

Le premier signal sera la prochaine mise à jour d’OpenAI sur ses segments. Les investisseurs devraient rechercher une définition cohérente des revenus d’entreprise et une autre période montrant qu’ils restent supérieurs aux revenus grand public.

Un seul mois peut marquer un point d’inflexion, mais il ne peut pas établir une répartition durable de l’activité. La croissance séquentielle des revenus, la rétention des clients et l’expansion des comptes renforceraient le renversement rapporté.

Une baisse n’invaliderait pas automatiquement juillet. Les revenus basés sur l’usage peuvent varier d’une période à l’autre, en particulier autour des principaux lancements de modèles ou de produits.

La direction doit néanmoins expliquer si le croisement reflète des contrats stables ou une concentration temporaire de consommation. Une communication plus claire rendrait les comparaisons plus crédibles.

OpenAI a déjà indiqué aux investisseurs que l’activité d’entreprise deviendrait centrale dans son avenir. Des rapports antérieurs précisaient que l’entreprise prévoyait que les activités d’entreprise et grand public contribueraient à terme à des revenus presque équivalents.

L’affirmation concernant juillet avance ce calendrier. Elle augmente également les attentes pour chaque mise à jour ultérieure.

Le deuxième signal est le déplacement concurrentiel. OpenAI doit montrer que les entreprises choisissent sa plateforme pour des charges de travail de production importantes, et pas seulement parce que les employés connaissent ChatGPT.

Il faudra surveiller les déploiements qui connectent les modèles à des données d’entreprise gouvernées, à des dépôts logiciels, à des systèmes clients et à des outils opérationnels. Ces contrats constituent des preuves plus solides que les seuls totaux de licences.

Il faudra également observer si Anthropic, Google, Microsoft et Amazon annoncent des remplacements ou des extensions concernant les mêmes types de charges de travail. Les victoires concurrentielles révèlent où les acheteurs perçoivent des différences techniques ou opérationnelles significatives.

La réponse d’Anthropic mérite une attention particulière. S’il continue de remporter des charges de travail de codage et d’entreprise malgré l’avantage de distribution d’OpenAI, le marché peut soutenir plus d’un fournisseur de premier plan.

Si OpenAI commence à remplacer Anthropic au sein des équipes techniques, son entonnoir grand public paraîtra plus important sur le plan stratégique. Ce résultat renforcerait l’idée qu’une large familiarité se transforme en une distribution d’entreprise défendable.

Le troisième signal est le retour sur investissement vérifié. Les entreprises doivent rendre compte du travail accompli, de la qualité et des coûts totaux des tâches, plutôt que de la seule utilisation des modèles.

Les mesures utiles incluent les dossiers de service résolus, les modifications de code acceptées, les tâches de recherche achevées, la réduction du temps de traitement et la baisse des taux de correction. Chaque indicateur doit inclure les coûts de révision humaine et d’intégration.

Un déploiement qui produit davantage de brouillons sans réduire la charge de travail ne constitue pas un gain de productivité évident. Il en va de même pour un agent qui exécute rapidement les tâches mais introduit des erreurs coûteuses.

Les propres témoignages clients d’OpenAI fournissent des exemples, mais des cas sélectionnés par le fournisseur ne peuvent remplacer une mesure indépendante. Des éléments plus larges devraient provenir de clients, de chercheurs et d’évaluations standardisées.

C’est là que les revenus d’entreprise peuvent devenir plus durables que la demande grand public. Une entreprise continuera de payer lorsqu’un système accomplit de manière fiable un travail utile et respecte les exigences de gouvernance.

L’inverse est également vrai. Les acheteurs peuvent réduire rapidement leur utilisation lorsque les coûts augmentent plus vite que les bénéfices ou lorsqu’un autre modèle traite la même tâche plus efficacement.

Pour les développeurs, cela signifie que la portabilité des modèles reste précieuse. Les applications devraient séparer, lorsque cela est possible, la logique métier, les données de l’entreprise, les évaluations et les appels de modèles spécifiques aux fournisseurs.

Pour les acheteurs d’entreprise, le croisement rapporté rend la rigueur des achats plus importante. OpenAI bénéficie d’une dynamique commerciale plus forte, mais cette dynamique ne remplace pas les tests au niveau des charges de travail.

Pour les travailleurs du savoir, ce changement signifie que l’IA apparaîtra dans davantage de systèmes de l’entreprise. Les employés devront comprendre à quel contexte un agent peut accéder, quelles actions il peut entreprendre et qui vérifie son travail.

L’article Techmeme sur OpenAI illustre un renversement commercial notable. Selon le rapport, le succès grand public de ChatGPT n’est plus seulement la plus grande source directe de revenus d’OpenAI.

Il semble au contraire alimenter une activité d’entreprise construite autour de l’accès au travail, des API, du codage, des agents et des intégrations. Cette activité aurait dépassé l’activité grand public plusieurs mois avant l’objectif annoncé par OpenAI.

Cette affirmation reste fondée sur des informations privées d’investisseurs, la prudence est donc de mise. Les prochaines mises à jour devront démontrer des définitions cohérentes, un usage durable et des retours clients.

Si ces signaux se confirment, juillet apparaîtra comme le mois où OpenAI est passée d’une entreprise d’IA grand public dotée de produits pour les entreprises à une plateforme d’entreprise bénéficiant d’une distribution grand public inégalée. Dans le cas contraire, ce basculement ressemblera davantage à un instantané prometteur, mais temporaire.

Dans tous les cas, les acheteurs en entreprise devraient se fonder sur des preuves plutôt que sur la position de marché. Quelle charge de travail de production, mesurée sur un cycle d’exploitation complet, OpenAI peut-elle exécuter mieux que les alternatives ?