Les LLM : perdants inévitables de la course à l'IA ?
#112 Notre avis sur OpenAI, Anthropic et les autres éditeurs de LLM
Hello,
Avant de commencer, nous espérons que tout va bien de ton côté. Nous sommes heureux de te retrouver pour cette édition #112 de la Bourseko | Newsletter ! Nous sommes 11 707 abonnés. Bienvenue aux nouveaux et merci à tous pour votre confiance !
Si on t’a transféré cette édition et que tu souhaites recevoir les prochaines newsletter, c’est ici 😊
📣 L’actualité du Club Bourseko
Si tu es membre du club, voici les principaux événements de la semaine qui vient de s’achever :
Retour du management sur le luxe 💎
La période reste difficile pour l’ensemble des acteurs du luxe et clairement les déclarations des entreprises comme Moncler et autres ne sont pas rassurantes pour le prochain trimestre.
Nous avons évoqué tout ceci dans cet article.
Questions/Réponses avec Xavier
Cette semaine, Xavier a publié la 5ème édition du format “Questions/Réponses”.
Au programme 👇
Les actions chinoises et leurs montages parfois tordus,
l’immobilier locatif à 3 % net, faut-il le fuir ?
Les valorisations délirantes des super-moats
mais aussi liquidités, croissance des big caps à 1 000 milliards, arbitrages PEA/CTO et renforcement de lignes gagnantes.
Pour que tu puisses te faire une idée de ce format, voici un extrait ⤵️
Pour information, si tu n’es pas satisfait du Club, nous remboursons sans justificatif jusqu’à 14 jours après l’abonnement.
Les LLM : perdants inévitables de la course à l'IA ?
Depuis fin 2022, l’intelligence artificielle est devenue le sujet incontournable des marchés financiers. Et au cœur de cette révolution, on trouve les grands modèles de langage, les fameux LLM comme ChatGPT ou Gemini.
Si vous suivez un peu l’actualité, vous avez sans doute vu passer des noms comme OpenAI (créateur de ChatGPT) ou Anthropic (éditeur de Claude). Ces entreprises ont levé des montants colossaux et sont souvent vues comme les grands gagnants de cette nouvelle révolution technologique.

Mais est-ce vraiment le cas ? Est-ce vraiment rentable de développer un LLM ? C’est ce que nous allons voir dans cette newsletter.
⚡️ A NOTER
Une partie de cette analyse s’appuie sur le dossier d’InfoEco dédié à l’IA. Le lien pour le consulter gratuitement est disponible ici.
Cependant, nous tenons à préciser que cette newsletter n’est pas sponsorisée. Nous voulions juste préciser une source importante.
Allons-y ⤵️
Quel coût pour développer les modèles les plus performants ?
Le premier fait marquant dans l’économie des LLM, c’est leur coût fixe colossal. Entraîner un modèle comme GPT-4 nécessite des dizaines de milliers de GPU (quasi-exclusivement produites par NVIDIA), mobilisés pendant des semaines, voire des mois. Chaque phase d’entraînement peut dépasser les 100 millions de dollars, rien qu’en puissance de calcul.

Coût d’entraînement - uniquement la puissance de calcul
À cela s’ajoutent d’autres coûts. En effet, un LLM est gourmand en données variées (textes, images, code...) pour apprendre. Rassembler et exploiter légalement des téraoctets de données représentatives du langage humain constitue un défi technique et juridique. Techniquement, il faut stocker, filtrer et alimenter le modèle avec des corpus titanesques (pages web, livres numérisés, code open source...). Enfin, juridiquement, la collecte massive de données soulève des questions de propriété intellectuelle et de vie privée.
On l’a vu en Europe où certains régulateurs ont sévi. L’Italie, par exemple, a brièvement banni ChatGPT en 2023 pour des atteintes présumées à la confidentialité des données personnelles utilisées pour l’entraîner.

Les concepteurs doivent donc non seulement réunir ces données, mais aussi naviguer dans un flou réglementaire pour s’assurer que l’entraînement de l’IA respecte la réglementation en vigueur.
De plus, développer un modèle d’IA requiert des équipes de chercheurs et ingénieurs parmi les meilleurs au monde. Les avancées majeures en IA (architectures de réseaux neuronaux, techniques d’entraînement, alignement éthique) proviennent souvent d’un cercle restreint d’experts travaillant dans quelques laboratoires de pointe. Ces talents sont rares et disputés par tous les acteurs du secteur.

Mark Zuckerberg a proposé 100 millions de dollars à certains employés d’OpenAI
Bref, la barrière à l’entrée est vertigineuse. C’est ce qui explique pourquoi seuls quelques acteurs (OpenAI, Google ou Anthropic) sont capables de jouer à ce niveau.
Une équation économique incertaine
Et ces coûts d’entraînement ne représentent qu’une partie du problème. Il faut aussi prendre en compte l’inférence, c’est-à-dire le fait de faire tourner le modèle une fois qu’il est en production. Chaque requête utilisateur consomme des ressources, ce qui génère un coût variable non négligeable.
À petite échelle, quelques centimes par requête peuvent sembler acceptables. Mais lorsque des millions d’utilisateurs sont actifs simultanément, l’addition devient rapidement problématique.
C’est un vrai changement de paradigme par rapport aux logiciels traditionnels, où l’essentiel du coût est fixe et l’effet d’échelle joue en faveur de la rentabilité.
Et malgré ces dépenses massives, les revenus directs restent limités. En 2025, OpenAI a dû procéder à une nouvelle levée de fonds, d’un montant supérieur à l’ensemble des levées dans le secteur sur les huit dernières années.

En effet, les développeurs de modèles comme OpenAI ou Anthropic se retrouvent dans une position délicate : ils supportent les coûts élevés de développement, mais ne maîtrisent pas toujours la distribution. Ce sont souvent les intégrateurs (éditeurs de logiciels, plateformes cloud, fabricants de matériel ou navigateurs) qui captent la valeur.
Cela introduit un déséquilibre structurel : le coût est en amont, le revenu en aval. Cette logique contraint les développeurs de LLM à nouer des partenariats avec les distributeurs les plus puissants, au risque de devenir dépendants de leur écosystème.
Inscrivez-vous pour lire la suite
Cet article est réservé aux membres de notre newsletter. Inscrivez-vous gratuitement pour accéder au contenu complet.