Sous l'apparence brillante, les « quatre grands dilemmes » d'OpenAI

Rédaction : Zhao Ying

Source : Wall Street Journal

Benedict Evans, ancien associé de a16z et analyste technologique renommé, a récemment publié un article d’analyse approfondie, pointant directement quatre dilemmes stratégiques fondamentaux auxquels OpenAI est confrontée derrière sa prospérité apparente. Selon lui, malgré une base d’utilisateurs massive et des capitaux abondants, l’entreprise fait face à un manque de barrière technologique, une faible fidélité des utilisateurs, une concurrence qui rattrape rapidement, et une stratégie produit limitée par la direction de la recherche en laboratoire, ce qui menace sa compétitivité à long terme.

Evans souligne que le modèle commercial actuel d’OpenAI ne présente pas d’avantage concurrentiel clair. La société ne détient pas de technologie unique ni d’effets de réseau, et seulement 5 % des 900 millions d’utilisateurs actifs hebdomadaires paient, tandis que 80 % des utilisateurs en 2025 envoient moins de 1000 messages — ce qui équivaut à moins de trois prompts par jour en moyenne. Ce mode d’utilisation « large mais peu profond » indique que ChatGPT n’est pas encore devenu une habitude quotidienne pour ses utilisateurs.

Par ailleurs, des géants technologiques comme Google et Meta ont déjà rattrapé OpenAI sur le plan technologique et exploitent leur avantage de distribution pour conquérir des parts de marché. Evans estime que la véritable valeur dans le domaine de l’IA résidera dans de nouvelles expériences et applications encore non inventées, que OpenAI ne peut pas créer seul. Cela oblige l’entreprise à opérer sur plusieurs fronts, en déployant une infrastructure et des applications de manière exhaustive.

L’analyse d’Evans révèle une contradiction centrale : OpenAI tente de bâtir une barrière à la concurrence via d’importants investissements en capital et une stratégie de plateforme intégrée, mais en l’absence d’effets de réseau et de mécanismes de verrouillage des utilisateurs, cette stratégie reste incertaine. Pour les investisseurs, cela signifie qu’il faut réévaluer la valeur à long terme d’OpenAI et sa position réelle dans le paysage concurrentiel de l’IA.

Avantages technologiques en déclin : homogénéisation des modèles

Evans indique que, actuellement, une dizaine d’organisations peuvent lancer des modèles de pointe compétitifs, avec des performances globalement équivalentes. Ces entreprises se surpassent mutuellement toutes les quelques semaines, sans qu’aucune ne parvienne à établir une avance technologique insurmontable. Cela contraste fortement avec des plateformes comme Windows, Google Search ou Instagram, qui ont renforcé leur part de marché grâce à des effets de réseau, rendant difficile pour les concurrents de briser leur monopole, même avec des investissements massifs.

Ce contexte d’égalité technologique pourrait évoluer suite à certaines avancées, notamment la capacité d’apprentissage continu, mais Evans pense qu’OpenAI n’a pas encore de plan concret à ce sujet. Un autre facteur de différenciation pourrait être l’effet d’échelle des données propriétaires, qu’il s’agisse de données utilisateur ou sectorielles, mais les plateformes existantes disposent également d’avantages dans ce domaine.

Face à la convergence des performances des modèles, la compétition se déplace vers la notoriété de la marque et les canaux de distribution. La croissance rapide de parts de marché de Gemini et Meta AI en témoigne : pour l’utilisateur lambda, ces produits semblent similaires, tandis que Google et Meta disposent de capacités de distribution puissantes. En revanche, le modèle Claude d’Anthropic, bien que souvent en tête dans les benchmarks, reste pratiquement inconnu du grand public en raison de l’absence de stratégie commerciale ou de produit claire.

Evans compare ChatGPT à Netscape, qui dominait le marché des navigateurs dans ses débuts mais a été finalement supplanté par Microsoft grâce à ses avantages de distribution. Il voit dans cette situation une difficulté similaire de différenciation : au fond, chatbots et navigateurs ne sont que des interfaces d’entrée et de sortie, avec peu d’espace pour l’innovation produit.

Forte base d’utilisateurs, mais faible fidélité : la taille ne suffit pas

Malgré la domination évidente d’OpenAI avec ses 800 à 900 millions d’utilisateurs actifs hebdomadaires, Evans souligne que ces chiffres masquent un problème sérieux d’engagement. La majorité des utilisateurs, qui savent déjà comment utiliser ChatGPT, ne l’ont pas intégré dans leur routine quotidienne.

Les données montrent que seulement 5 % des utilisateurs de ChatGPT paient, et même parmi les adolescents américains, ceux qui l’utilisent quelques fois par semaine ou moins sont bien plus nombreux que ceux qui l’utilisent plusieurs fois par jour. Lors du « résumé annuel 2025 », OpenAI a révélé que 80 % des utilisateurs envoyaient moins de 1000 messages en 2025, ce qui, en valeur nominale, correspond à moins de trois prompts par jour, avec une fréquence réelle encore plus faible.

Ce mode d’utilisation superficiel signifie que la majorité des utilisateurs ne perçoivent pas de différences significatives entre les modèles, ni ne tirent parti de fonctionnalités comme la « mémoire » conçue pour renforcer la fidélité. Evans insiste sur le fait que la mémoire ne crée que de la fidélité, pas d’effets de réseau. De plus, si une base d’utilisateurs plus large peut constituer un avantage, lorsque 80 % d’entre eux n’utilisent l’outil que quelques fois par semaine, cet avantage est fortement remis en question.

OpenAI lui-même reconnaît ces limites, évoquant un « écart de capacité » entre la puissance du modèle et l’usage réel par les utilisateurs. Evans pense que cela masque une difficulté fondamentale : si les utilisateurs ne savent pas ce qu’ils peuvent faire avec, leur vie ne sera pas transformée. En somme, si l’outil ne modifie pas leur quotidien, il n’a pas encore trouvé sa véritable utilité.

L’entreprise a lancé des projets publicitaires pour couvrir les coûts liés à plus de 90 % des utilisateurs non payants, mais plus stratégiquement, cela lui permet aussi d’offrir à ces utilisateurs les modèles les plus récents, les plus puissants — et donc les plus coûteux — dans l’espoir d’accroître leur engagement. Evans doute cependant que, si l’utilisateur ne voit pas ce qu’il peut faire avec ChatGPT aujourd’hui ou cette semaine, lui fournir un modèle encore meilleur changera réellement la donne.

Stratégie de plateforme en question : absence de véritable effet de levier

L’année dernière, le PDG d’OpenAI, Sam Altman, a tenté de rassembler les initiatives de l’entreprise en une stratégie cohérente, en présentant un graphique et en citant la célèbre phrase de Bill Gates : « La plateforme est conçue pour créer plus de valeur pour ses partenaires que pour elle-même. » Par ailleurs, le directeur financier a publié un autre graphique illustrant « l’effet de levier ».

Evans considère que cet effet de levier est une stratégie astucieuse et cohérente : les investissements en capital créent un cercle vertueux, servant de base pour bâtir une plateforme intégrée. En partant des composants comme les puces et l’infrastructure, on construit chaque couche technologique, et plus on monte dans la hiérarchie, plus on facilite la création de produits par d’autres utilisant ses outils. Tout le monde utilise votre cloud, vos puces et vos modèles, puis, à un niveau supérieur, ces couches technologiques s’entrelacent pour renforcer l’écosystème et les effets de réseau.

Cependant, Evans estime que ce n’est pas la bonne analogie : OpenAI ne possède pas la dynamique de plateforme et d’écosystème que Microsoft ou Apple ont eues. La représentation de l’effet de levier n’illustre en réalité pas un vrai cercle vertueux.

Concernant les investissements, les quatre grands fournisseurs de cloud ont dépensé environ 400 milliards de dollars l’année dernière pour leur infrastructure, et ont annoncé dépenser au moins 650 milliards de dollars cette année. OpenAI, il y a quelques mois, a affirmé qu’elle disposait d’un engagement de 1,4 trillion de dollars et de 30 gigawatts de puissance de calcul (sans calendrier précis), alors qu’à la fin 2025, sa consommation réelle n’était que de 1,9 gigawatts. Faute de revenus importants issus de ses activités, l’entreprise finance ces investissements par des levées de fonds et en utilisant le bilan d’autres, notamment via des « revenus circulaires ».

Evans pense que ces investissements massifs ne sont qu’un moyen d’obtenir une place, pas un avantage concurrentiel. Il compare le coût de l’infrastructure IA à celui de l’industrie aéronautique ou des semi-conducteurs : sans effets de réseau, chaque génération de produits devient plus difficile et coûteuse, et seul un petit nombre d’entreprises pourra maintenir l’investissement nécessaire pour rester à la pointe. TSMC, par exemple, détient une position quasi-monopolistique dans la fabrication de puces avancées, mais cela ne lui donne pas nécessairement un levier ou une capacité à tirer profit de ses technologies en amont.

Evans souligne que, pour que les développeurs construisent des applications sur Windows, ils doivent y avoir la majorité des utilisateurs, et les utilisateurs doivent acheter des PC Windows parce qu’ils y trouvent la majorité des développeurs — c’est l’effet de réseau. Mais si vous inventez une nouvelle application ou un nouveau produit avec l’IA générative, il suffit d’appeler une API pour faire fonctionner le modèle dans le cloud, et les utilisateurs ne savent ou ne se soucient pas de quel modèle vous utilisez.

Absence de contrôle produit : stratégie dépendante du laboratoire

Evans cite en ouverture une déclaration de Fidji Simo, responsable produit d’OpenAI, en 2026 : « Jakub et Mark définissent la direction de la recherche à long terme. Après plusieurs mois de travail, des résultats étonnants apparaissent, puis les chercheurs me contactent en disant : “J’ai quelque chose de super cool. Comment comptez-vous l’utiliser dans la conversation ? Comment l’intégrer dans nos produits d’entreprise ?” »

Ce propos contraste fortement avec la célèbre citation de Steve Jobs en 1997 : « Vous devez commencer par l’expérience client, puis remonter à la technologie. Vous ne pouvez pas commencer par la technologie et essayer de deviner où la vendre. »

Evans pense qu’en tant que responsable produit dans un laboratoire d’IA, vous ne contrôlez pas votre feuille de route, et votre capacité à définir une stratégie produit est très limitée. Vous ouvrez vos mails le matin, et découvrez que le laboratoire a fait une avancée, et votre tâche consiste à en faire un bouton. La stratégie se construit ailleurs, mais où ?

Ce problème met en lumière le défi fondamental d’OpenAI : contrairement à Google dans les années 2000 ou Apple dans les années 2010, ses employés brillants et ambitieux ne disposent pas d’un produit véritablement différenciateur et difficile à reproduire. Evans pense que, au cours des 12 derniers mois, une lecture possible de l’activité d’OpenAI est que Sam Altman a pris conscience de cette réalité, et tente, avant que la musique ne s’arrête, de transformer la valorisation de l’entreprise en une position stratégique plus durable.

La majorité du temps l’an dernier, la réponse d’OpenAI semblait être « tout faire en même temps, tout de suite ». Plateformes d’applications, navigateurs, réseaux sociaux vidéo, collaborations avec Jony Ive, recherche médicale, publicité, etc. Evans pense que certains de ces efforts ressemblent à des « offensives globales » ou sont simplement le résultat de recrutements rapides de personnes dynamiques. Parfois, cela donne l’impression qu’on copie la forme de plateformes à succès passées, sans en comprendre pleinement la finalité ou la dynamique.

Evans utilise fréquemment les termes plateforme, écosystème, levier et effet de réseau, mais il admet que ces termes sont largement employés dans la tech, avec des significations souvent floues. Il cite Roger Lovatt, professeur d’histoire médiévale à l’université, qui disait : « Le pouvoir, c’est la capacité de faire faire aux gens ce qu’ils ne veulent pas faire. » C’est là le vrai enjeu : OpenAI a-t-elle la capacité d’inciter consommateurs, développeurs et entreprises à utiliser davantage ses systèmes, indépendamment de ce que ces systèmes font réellement ? Microsoft, Apple et Facebook ont déjà possédé cette capacité, tout comme Amazon.

Evans pense qu’une bonne façon d’interpréter la phrase de Bill Gates est que la plateforme réalise réellement une exploitation de la créativité de l’ensemble du secteur technologique, permettant de ne pas tout inventer soi-même, mais de construire à grande échelle, tout en restant sous contrôle. Les modèles fondamentaux sont effectivement des multiplicateurs, et beaucoup de nouvelles choses seront construites à partir d’eux. Mais a-t-on une raison de faire en sorte que tout le monde doive utiliser votre produit, même si des concurrents ont déjà construit des choses similaires ? Y a-t-il une raison pour que votre produit soit toujours supérieur, peu importe combien d’argent ou d’efforts les autres y consacrent ?

Evans conclut que, sans ces avantages, la seule chose qu’il reste est la capacité d’exécution quotidienne. Bien qu’une exécution supérieure à celle des autres soit évidemment souhaitable, certains entreprises y parviennent sur le long terme, et se persuadent même de l’avoir institutionnalisée, mais ce n’est pas une stratégie.