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

Ancien partenaire de a16z et analyste technologique renommé Benedict Evans a récemment publié un article d’analyse approfondie, pointant directement quatre dilemmes stratégiques fondamentaux auxquels OpenAI est confrontée derrière sa prospérité apparente. Selon lui, bien qu’OpenAI dispose d’une base utilisateur massive et de capitaux suffisants, elle fait face à des problèmes tels que l’absence de barrière technologique, un faible engagement des utilisateurs, une concurrence qui rattrape rapidement, et une stratégie produit limitée par la direction de ses laboratoires de recherche, 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 possède pas de technologie unique ni d’effet de réseau, et seulement 5 % des 900 millions d’utilisateurs actifs hebdomadaires sont payants. De plus, 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 pense que, la véritable valeur dans le domaine de l’IA proviendra d’expériences et d’applications encore non inventées, que OpenAI ne peut pas créer seul. Cela oblige la société à opérer sur plusieurs fronts, en déployant une infrastructure et une couche applicative 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 intégrale, mais en l’absence d’effets de réseau et de mécanismes de verrouillage des utilisateurs, l’efficacité de 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, mais aucune ne parvient à établir une avance technologique insurmontable. Cela contraste fortement avec des plateformes comme Windows, Google Search ou Instagram — qui ont réussi à renforcer leur part de marché via des effets de réseau, rendant difficile pour les concurrents de briser leur monopole, même avec des investissements massifs.

Ce contexte d’égalisation technologique pourrait changer 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 différenciateur potentiel serait l’effet d’échelle des données propriétaires, qu’il s’agisse de données utilisateur ou de données sectorielles, mais les plateformes existantes disposent également d’avantages dans ce domaine.

Dans un contexte où les performances des modèles convergent, la compétition se déplace vers 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 très similaires, tandis que Google et Meta disposent d’une capacité de distribution puissante. 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 orientée consommateur.

Evans compare ChatGPT à Netscape, qui dominait le marché des navigateurs dans ses débuts mais a finalement été battu par Microsoft grâce à ses avantages de distribution. Il pense que, les chatbots et les navigateurs font face au même défi de différenciation : ils ne sont fondamentalement qu’une zone de saisie et une zone de sortie, avec un espace d’innovation très limité.

Base utilisateur fragile : la taille ne compense pas le faible engagement

Malgré l’avance évidente d’OpenAI avec ses 800 à 900 millions d’utilisateurs actifs hebdomadaires, Evans souligne que ce chiffre masque un problème sérieux d’engagement. La majorité des utilisateurs qui connaissent et savent utiliser ChatGPT ne l’ont pas intégré dans leur routine quotidienne.

Les données montrent que seulement 5 % des utilisateurs payants de ChatGPT, même parmi les adolescents américains, l’utilisent plusieurs fois par semaine ou moins, ce qui est bien inférieur à une utilisation quotidienne. Lors du résumé annuel de 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 modèles en termes de personnalité ou de focalisation, ni ne tirent parti de fonctionnalités comme la « mémoire » conçue pour renforcer la fidélité. Evans insiste sur le fait que la mémoire peut favoriser la fidélité, mais pas créer 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 admet qu’il existe un « écart de capacité » entre la capacité du modèle et l’utilisation réelle par les utilisateurs. Evans pense que cela masque une réalité : l’absence d’adéquation claire entre produit et marché. Si, dans la vie quotidienne, les utilisateurs ne voient pas ce qu’ils peuvent faire avec, cela signifie que l’outil n’a pas encore changé leur vie.

L’entreprise a lancé des projets publicitaires, en partie pour couvrir les coûts de service des plus de 90 % d’utilisateurs non payants, mais surtout pour leur fournir les modèles les plus récents, puissants (et coûteux), dans l’espoir d’accroître leur engagement. Evans remet en question cette stratégie : si, aujourd’hui ou cette semaine, les utilisateurs ne savent pas quoi faire avec ChatGPT, leur fournir un meilleur modèle changera-t-il cette situation ?

Stratégie de plateforme douteuse : absence de véritable effet de levier

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

Evans considère que l’effet de levier est une stratégie sophistiquée et cohérente : les investissements en capital créent un cercle vertueux, servant de base pour bâtir une société de plateforme intégrale. En commençant par le matériel et l’infrastructure, puis en construisant chaque couche de la pile technologique, plus on monte, plus on facilite la création de produits par d’autres à partir de vos outils. Tout le monde utilise votre cloud, vos puces et vos modèles, puis, à un niveau supérieur, chaque couche de la pile se renforce mutuellement, créant des effets de réseau et un écosystème.

Cependant, Evans affirme que ce n’est pas la bonne analogie : OpenAI ne possède pas la dynamique de plateforme et d’écosystème que Microsoft ou Apple ont autrefois. Le graphique de l’effet de levier ne montre en réalité aucun véritable effet de levier.

Concernant les investissements en capital, les quatre grands fournisseurs de cloud ont dépensé environ 400 milliards de dollars l’année dernière pour leur infrastructure, et ont annoncé investir au moins 650 milliards cette année. OpenAI, il y a quelques mois, a affirmé qu’elle disposait d’engagements pour 1,4 trillion de dollars et 30 gigawatts de capacité de calcul (sans calendrier précis), alors qu’à la fin 2025, sa capacité réelle n’était que de 1,9 gigawatts. Faute de flux de trésorerie importants issus de ses activités existantes, la société s’appuie sur le financement et l’utilisation d’actifs de tiers (partiellement via des « revenus circulaires ») pour atteindre ces objectifs.

Evans pense que ces investissements massifs ne donnent qu’un siège, 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, bien qu’ayant un quasi-monopole sur la fabrication de puces de pointe, n’a pas pour autant de levier ou de capacité à tirer parti de la couche technologique en amont.

Evans souligne que, pour les développeurs, il faut construire des applications sur Windows parce qu’il possède presque tous les utilisateurs, et les utilisateurs achètent Windows parce qu’il a presque tous les 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.

Manque de contrôle sur le produit : la stratégie dépend des laboratoires

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 pourrions-nous l’intégrer dans nos produits d’entreprise ?” »

Ce propos contraste fortement avec la célèbre phrase 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 que, quand vous êtes responsable produit dans un laboratoire d’IA, vous ne contrôlez pas votre feuille de route, votre capacité à définir une stratégie produit est très limitée. Vous ouvrez votre boîte mail le matin, et vous découvrez que le laboratoire a fait une avancée, et votre tâche consiste à en faire un bouton. La stratégie se joue 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 efficace et difficile à reproduire par d’autres. Evans pense qu’une lecture des 12 derniers mois d’activité d’OpenAI est que Sam Altman en a bien conscience, et tente, avant que la musique ne s’arrête, de transformer la valorisation de la société en une position stratégique plus durable.

Pendant la majeure partie de l’année dernière, la réponse d’OpenAI semblait être « tout faire en même temps, tout de suite ». Plateformes d’applications, navigateurs, vidéos sociales, collaboration avec Jony Ive, recherche médicale, publicité, etc. Evans pense que certains de ces efforts ressemblent à des « attaques globales » ou à des résultats de recrutement massif de personnes très motivées. Parfois, cela donne aussi l’impression qu’ils copient des modèles de plateformes à succès passés, sans en comprendre complètement la finalité ou la dynamique.

Evans utilise fréquemment les termes plateforme, écosystème, levier et effet de réseau, mais 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. Voilà 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 eu cette capacité, tout comme Amazon.

Evans pense qu’une bonne façon d’interpréter la phrase de Bill Gates est que, la plateforme, c’est exploiter la créativité de toute l’industrie technologique, de façon à ne pas avoir à tout inventer soi-même, mais à construire en masse plus de choses, tout en restant sous votre contrôle. Les modèles fondamentaux sont effectivement des multiplicateurs, et beaucoup de nouvelles choses seront construites à partir d’eux. Mais avez-vous une raison de faire en sorte que tout le monde doive utiliser votre produit, même si des concurrents ont déjà construit des choses similaires ? Avez-vous une raison de faire en sorte que votre produit soit toujours supérieur, peu importe combien d’argent ou d’efforts vos rivaux investissent ?

Evans conclut que, sans ces avantages, la seule chose qui vous reste, c’est votre capacité d’exécution quotidienne. Bien qu’exécuter mieux que les autres soit évidemment souhaitable, certains entreprises y parviennent sur le long terme, et pensent même l’avoir institutionnalisé, mais ce n’est pas une stratégie.