Le CFO d’OpenAI s’est exprimé lors de la conférence Communacopia de Goldman Sachs, fournissant de nombreuses informations !

Lors de la conférence Communacopia de Goldman Sachs, la directrice financière d’OpenAI, Sarah Friar, a livré un exposé riche en informations. En surface, aucun nouveau chiffre n’a été communiqué, mais le modèle commercial d’OpenAI, la structure de la demande et la stratégie en matière de puissance de calcul ont été exposés de A à Z.

Premièrement, l’activité entreprise soutient la moitié du chiffre d’affaires, la structure des revenus a changé.

À l’approche de 2026, OpenAI estime que le rapport recette consommateurs/entreprises sera d’environ 60/40 ; initialement prévu pour la fin de l’année, l’objectif du 50/50 a été atteint dès la moitié de l’année — « l’activité entreprise est en plein essor ». En juillet, le rythme de croissance du chiffre d’affaires global sur un an a augmenté d’environ 20 %, celui du corporate de 32 %, et ce, sur une base déjà conséquente.

Pourquoi ce changement structurel est-il important ? Selon l’analyse de Wall Street Investissement, une fois qu’un client entreprise a intégré un produit dans son workflow, le coût de migration devient très élevé, rendant la prédictibilité des revenus bien supérieure à celle des abonnements grand public. La qualité du chiffre d’affaire d’OpenAI s’épaissit.

Deuxièmement, l’intensité d’utilisation est plus significative que le montant des revenus.

Le top 10 % des clients consomment par utilisateur huit fois plus de tokens par semaine que la moyenne — auparavant c’était trois fois ; l’utilisation interne d’OpenAI vaut 33 fois celle du client moyen.

En d'autres termes : nous sommes nous-mêmes l’aperçu du client de demain. Ce que les clients majeurs font aujourd’hui, le client moyen le fera dans deux ans ; la consommation de tokens est un amplificateur à sens unique.

Cas concrets : le code de Canva vient « à 100 % d’OpenAI », les utilisateurs créent des milliards d’images chaque semaine ; l’assistant d’indemnisation AI de Travelers est passé de 8 États à une couverture nationale en deux mois ;

Les utilisateurs de Codex ont bondi de 100 000 au début d’année à 25 millions.

Pour reprendre ses termes : l’automatisation du code est cruciale, il n’y a plus d’équipes de développement ne considérant l’IA que comme un outil d’appoint.

Troisièmement, la publicité est une ligne sous-estimée.

L’activité publicité, en sept mois de vie, présente déjà un rythme annualisé de 1 milliard de dollars ; selon elle, c’est le « produit ayant atteint le plus vite le milliard », déjà lancé dans 40 pays, avec WPP et dentsu onboard, alors que le format publicitaire natif AI n’est même pas encore déployé.

Sa comparaison est intéressante : « Si Google et Meta avaient eu un enfant, ce serait ChatGPT » : une intention forte en recherche, couplée à la mémoire, au carrefour des modèles d’affaires des deux géants. Le plafond est encore loin.

Quatrièmement, Astra et la tarification répondent à des questions débattues depuis longtemps par le secteur.

Astra a été entraîné sur 100 000 GPUs, ce qui constitue le plus grand entraînement de l’histoire d’OpenAI.

Deux points clés :

Premièrement, le secteur doit évaluer les modèles au coût par tâche et non par token ; selon la comparaison d’Artificial Analysis, Astra obtient un résultat équivalent en consommant 68 % de tokens de moins que ses concurrents avancés ;

Deuxièmement, Luna a vu son prix baisser de 80 %, la consommation a immédiatement été multipliée par 10, et occupe désormais, sur OpenRouter, une part supérieure à celle du second modèle chinois.

Une baisse de prix de 80 %, une consommation multipliée par 10, des recettes en augmentation — l’élasticité-prix de la demande est donc très forte. Elle ajoute également : Luna sur Cloudflare est moins cher que GLM 5.3 ; notre laboratoire de pointe peut proposer de l’inférence à un coût inférieur à celui du déploiement open source. Les poids open source « ont leur place », mais les clients paient pour toute la pile — puissance de calcul, intégration des données, contexte entreprise, fiabilité.

Cinquièmement, la puissance de calcul reste « gravement insuffisante ».

Selon ses propres mots : « Nous faisons toujours face à une grave pénurie », chaque semaine, nous arbitrons la puissance entre l’entraînement, la recherche et les services. Pour y répondre, développement Full Stack : partenaires cloud, puces internes, centre de données OpenAI au Texas, de plus en plus d’investissements propriétaires.

Deux détails : le plus dur reste de prévoir une activité « jamais vue auparavant dans le monde », il faut anticiper deux à trois ans à l’avance — les « surinvestissements » pointés ces deux dernières années ont « réellement porté leurs fruits cette année ».

Discipline ROI : pour chaque famille de modèles, le chiffre d’affaires accumulé et celui des 12 prochains mois sont comparés à l’investissement en calcul, il faut « non seulement être positif, mais l’être énormément ». L’augmentation des revenus par gigawatt, la baisse de la courbe des coûts, sont clés pour la marge brute selon elle.

Sixièmement, trois axes de nouvelle demande

La demande client la plus fréquente vise la cybersécurité, considéré comme « très pressant ».

Elle est catégorique : « Maintenir les modèles sous cloche » est une hérésie — OpenAI utilise Astra pour découvrir et corriger les failles à la vitesse de la machine, a reçu la semaine dernière à San Francisco environ 300 CISO, donnant plus d’accès aux défenseurs, c’est une « opportunité business incroyable ». Les secteurs verticaux : conception de puces, sciences de la vie, services financiers, ce qui laisse présager une annonce financière à New York dans quelques jours.

Le modèle sciences de la vie s’appelle GPT Rosalind ; leur puce maison Jalapeño a pris neuf mois à échantillonner, et les modèles ont tourné avant que les ingénieurs n’optimisent, dans les 30 derniers jours précédant l’expédition chez TSMC.

Qu’en conclure ?

Ce discours valide réellement deux points, tout en offrant au marché une conclusion directe sur la chaîne de valeur industrielle.

Premièrement, la demande d’IA passe d’une croissance du nombre d’utilisateurs à une croissance de l’intensité d’utilisation.

Les revenus entreprise dépassent la moitié du total, la consommation de tokens des clients majeurs atteint huit fois la moyenne, et le codage passe de l’assistance à l’exécution automatique. Ce qui compte désormais, ce n’est plus combien d’utilisateurs nouveaux arrivent, mais quelle sera la consommation future de puissance pour chaque utilisateur ou entreprise.

Deuxièmement, le modèle économique d’OpenAI s’élargit.

De l’abonnement, on est passé à la facturation à la consommation, puis à la facturation aux résultats, sans oublier la publicité en tant que seconde courbe : les recettes ne dépendent plus uniquement des membres ChatGPT.

Pour Wall Street, le signal direct principal reste la puissance de calcul. L’une des plus grandes entreprises mondiales de modèles reconnaît elle-même que la puissance est toujours « gravement insuffisante », et qu’une planification à deux-trois ans est indispensable.

Tant que l’intensité d’utilisation par utilisateur s’élève, que le chiffre d’affaires par gigawatt croît, la chaîne industrielle en amont — puissance, stockage, réseau, centres de données — ne pourra plus jamais être considérée comme un simple cycle court de CAPEX.

Wall Street Investissement VIP : une mise à jour complète

Présentation des fonctionnalités du produit d’analyse quantitative AI pour les marchés US