Les produits d’intelligence artificielle destinés aux consommateurs suscitent à nouveau de l’intérêt grâce au succès inattendu de Muse, l’assistant personnel de Meta, et de Jolly, son mascotte, ainsi qu’à l’essor de Dots, récemment lancé par OpenAI, et d’Instinct. Instinct, qui accomplit des tâches telles que réserver des voyages, réserver une table au restaurant et résilier des abonnements, a atteint une valorisation de 10 milliards de dollars. Ces évolutions confortent l’idée que l’IA agentique est devenue suffisamment fiable pour les tâches quotidiennes et qu’elle offre une réelle valeur aux utilisateurs.
Cependant, alors que la volonté des consommateurs de payer pour l’IA reste limitée, il est incertain que de meilleurs modèles permettent de créer une activité grand public plus rentable. Le secteur se tourne donc vers le modèle d’Anthropic, axé sur les contrats d’entreprise et différents secteurs verticaux. Même si Muse et Instinct semblent échapper à cette tendance, les problèmes économiques fondamentaux de l’IA grand public persistent.
Selon le rapport State of Markets, fondé sur les recherches de PNC par Andreessen Horowitz, 2,2 % des consommateurs paient pour des services d’IA en mai, pour une dépense mensuelle moyenne de 31 dollars. Bien que l’adoption et les dépenses augmentent, la progression reste linéaire. Même le bond de performance considérable entre GPT-5.2 et Astra ne s’est pas reflété de manière significative dans les données. Bank of America a établi qu’en mars, environ 3 % des consommateurs américains payaient pour l’IA, soit une hausse de 40 % sur un an. L’enquête menée par Menlo en septembre a quant à elle révélé qu’un quart des adultes utilisaient l’IA tous les jours et que la moitié de ces utilisateurs payaient pour ce service.
Le véritable problème tient davantage aux coûts d’exploitation qu’aux revenus. L’IA est coûteuse par rapport aux technologies précédentes telles que les réseaux sociaux ou le cloud computing ; même des centaines de millions d’utilisateurs payants ne garantissent pas le seuil de rentabilité.
OpenAI s’est adapté à ces conditions en se tournant vers le marché des entreprises ; ses réservations auprès des entreprises auraient doublé depuis juillet. Dots a également été présenté avec des cas d’utilisation destinés aux ingénieurs logiciels et aux employés d’agences. Grâce à son infrastructure publicitaire personnalisée, Meta dispose de davantage de possibilités de revenus pour Muse et étudie également le marché des entreprises. Instinct prévoit quant à lui de percevoir une part des achats effectués par l’intermédiaire de son agent et pourrait éviter les coûts liés à l’entraînement d’un modèle de pointe. Malgré tout, la croissance de l’IA grand public présente des limites en l’absence de revenus issus des entreprises.
Pourquoi c’est important
Ce tableau montre que l’augmentation de l’utilisation de l’IA grand public ne se transforme pas à elle seule en un modèle économique durable. Alors que le budget que les utilisateurs consacrent aux services reste limité, le fait que les systèmes agentiques exécutent des tâches expose les entreprises à des coûts d’exploitation élevés. Par conséquent, le succès d’un produit commence à être évalué non seulement à l’aune des performances du modèle, mais aussi en fonction des canaux de revenus autres que les abonnements et des possibilités d’utilisation en entreprise. L’orientation d’OpenAI vers les clients professionnels, celle de Meta vers l’infrastructure publicitaire et le projet d’Instinct de percevoir une part des transactions révèlent différentes réponses à la même impasse économique. La question reste de savoir si ces canaux permettront de générer suffisamment de revenus pour couvrir les coûts des produits grand public et dans quelle mesure la base d’utilisateurs payants s’élargira.