Il y a quatre mois, OpenAI restait jugée sur un objectif manqué: ChatGPT approchait 900 millions d'utilisateurs actifs hebdomadaires sans atteindre le milliard. Le 31 juillet, la CFO Sarah Friar a déclaré que les modèles d'OpenAI touchent désormais plus d'un milliard d'utilisateurs actifs et plus de deux millions d'entreprises.
Ce n'était pas un lancement de modèle. Le texte ressemble plutôt à une note d'exploitation pour clients, investisseurs et partenaires de calcul: l'usage est massif, les prix API baissent et l'inférence doit devenir plus efficace.
Après l'échelle, le prix bouge
Luna coûte maintenant 0,20 dollar par million de tokens d'entrée et 1,20 dollar par million de tokens de sortie, soit 80% de baisse. Terra passe à 2 dollars et 12 dollars, soit 20% de baisse. Sol reste inchangé; Fast mode promet jusqu'à 2,5 fois la vitesse standard au double du prix.
The Wall Street Journal a confirmé les chiffres d'utilisateurs, d'entreprises et les baisses de Luna/Terra. Le milliard est donc présenté avec une révision de coût.
“Customers do not buy tokens for their own sake.”
La phrase de Friar déplace la facture API vers le coût d'un ticket support résolu, d'un code livré, d'un contrat relu ou d'une tâche de recherche terminée.
Un usage plus profond grossit la facture
OpenAI indique que six mois après l'inscription, les utilisateurs envoient environ 50% de messages quotidiens en plus et utilisent ChatGPT pour près de deux fois plus de types de travail. En interne, le travail agentique via Codex représente 99,8% des tokens de sortie hebdomadaires.
À l'échelle d'un milliard, routage, cache et gestion du contexte deviennent des décisions financières. La grille tarifaire n'est que la surface; le coût réel dépend du nombre d'allers-retours et du travail répété évité.
L'inférence efficace devient une condition
L'article d'ingénierie affirme que GPT-5.6 Sol a aidé à réduire les coûts de serving de bout en bout de 20% et à améliorer l'efficacité de génération de tokens de plus de 15%. Dans ARC-AGI-3, le même modèle est passé de 13,3% à 38,3% RHAE avec retained reasoning et compaction, en utilisant environ un sixième des tokens de sortie.
Le prochain test sera la demande: plus d'usage API après les baisses de Luna/Terra, Sol Fast dans des tâches d'entreprise à forte valeur, et Codex au-delà des équipes d'ingénierie. Si ces signaux suivent, le milliard d'utilisateurs devient une base d'affaires, pas seulement du trafic.
Sources: article corporate OpenAI, annonce de prix OpenAI GPT-5.6, article d'ingénierie OpenAI GPT-5.6, CocoLoop, note de recherche OpenAI ARC-AGI-3 et The Wall Street Journal; vérification de l'échelle utilisateur, du nombre d'entreprises, des prix API, de la baisse du coût de serving, de l'efficacité de génération de tokens, du RHAE ARC-AGI-3 et du périmètre des tokens de sortie.