Aller au contenu
Article courtLecture critique · 23 octobre 2026

Le 14,2 milliards de Gartner est-il un terme de comparaison solide pour le surplus de Stanford ?

Axel MorelAxel Morel · Fondateur & analyste, Probans
Je dispose de

L'essentiel

Pas avec les termes de l'étude. Le communiqué de Gartner du 10 juillet 2025 projette, pour 2025, une dépense mondiale des utilisateurs finaux en modèles d'IA générative ; le mot « revenue » n'y figure pas et aucun fournisseur de modèles n'y est nommé. L'étude de Stanford du 13 avril 2026 renvoie à ce communiqué par l'adresse de sa note 5 et décrit le même montant, à la p. 9, comme le revenu consommateur mondial de quatre entreprises nommées. Elle l'emploie comme borne haute, faute d'estimation fiable pour les seuls États-Unis, face à un surplus américain de 172,3 milliards de dollars.

  1. Une projection de dépense, que Gartner ne nomme pas revenu. Dans le communiqué, le 14,2 milliards est une dépense mondiale des utilisateurs finaux en modèles d'IA générative, projetée pour 2025.
  2. Un chiffre décrit autrement par l'étude qui le cite. Aux p. 2 et 9, l'étude parle d'outils et d'éditeurs nommés et de revenu consommateur ; ces termes ne figurent pas dans la capture de la page qu'elle cite (« tool » : dans le corps du communiqué).
  3. Un chiffre mondial, employé comme borne haute des revenus américains, face à un surplus américain. L'étude écrit qu'il n'existe pas encore d'estimation fiable pour les seuls États-Unis. Son résumé, à la p. 1, parle pourtant de revenus américains estimés, et le document ne relie pas les deux passages.

Pas avec les termes de l’étude. Le communiqué de Gartner du 10 juillet 2025 projette, pour 2025, une dépense mondiale des utilisateurs finaux en modèles d’IA générative ; le mot « revenue » n’y figure pas et aucun fournisseur de modèles n’y est nommé. L’étude de Stanford du 13 avril 2026 renvoie à ce communiqué par l’adresse de sa note 5 et décrit le même montant, à la p. 9, comme le revenu consommateur mondial de quatre entreprises nommées. Elle l’emploie comme borne haute, faute d’estimation fiable pour les seuls États-Unis, face à un surplus américain de 172,3 milliards de dollars.

  1. Une projection de dépense, que Gartner ne nomme pas revenu. Dans le communiqué, le 14,2 milliards est une dépense mondiale des utilisateurs finaux en modèles d’IA générative, projetée pour 2025.
  1. Un chiffre décrit autrement par l’étude qui le cite. Aux p. 2 et 9, l’étude parle d’outils et d’éditeurs nommés et de revenu consommateur ; ces termes ne figurent pas dans la capture de la page qu’elle cite (« tool » : dans le corps du communiqué).
  1. Un chiffre mondial, employé comme borne haute des revenus américains, face à un surplus américain. L’étude écrit qu’il n’existe pas encore d’estimation fiable pour les seuls États-Unis. Son résumé, à la p. 1, parle pourtant de revenus américains estimés, et le document ne relie pas les deux passages.

Un communiqué de presse, sans méthode publiée

La source est un communiqué de presse de Gartner, daté de Stamford (Connecticut) du 10 juillet 2025 et classé « Press Release » dans le fil d’Ariane du site. Son titre est « Gartner Forecasts Worldwide End-User Spending on GenAI Models to Total $14.2 Billion in 2025 ». Ce n’est ni un rapport, ni une étude, ni une base de données.

La page ne publie aucune méthode. Elle écrit que « Gartner clients can read more in Forecast: Generative AI Models, Worldwide, 2023-2029, 2Q25 Update », promeut un livre électronique gratuit de Gartner et annonce cinq dates de ses conférences. En pied de page, un bloc « About Gartner » décrit la société comme livrant des analyses « actionable, objective » : c’est une autodescription, hors du corps du communiqué.

Les mots « independent » et « conflict » ne figurent pas sur la page. Cette pièce n’en tire ni constat de biais ni constat de conflit d’intérêts, et le rapport réservé aux clients de Gartner n’a pas été lu.

Ce que la page écrit du 14,2

Le corps du communiqué écrit : « Worldwide end-user spending on generative AI (GenAI) models is projected to total $14.2 billion in 2025, according to Gartner, Inc. End-user spending on specialized GenAI models, which include domain-specific language models (DSLMs), is estimated to total $1.1 billion in 2025 (see Table 1). » Le montant est donc une dépense, mondiale, en modèles, projetée.

La page ne définit pas « end-user », qui compte six occurrences. Les seules catégories d’acheteurs qu’elle nomme sont « organizations », dans une citation d’analyste, et « enterprises », dans une prévision pour 2027 ; aucune des deux n’est employée pour définir le chiffre. Dans cette citation, l’analyste écrit que les modèles de fondation « will continue to represent the largest area of spending by organizations in the coming years ». Ces modèles font 91,9 % du total 2025, part que je calcule plus bas à partir du tableau 1 ; la citation ne chiffre pas la part des organisations dans le 14,2. La page ne restreint donc le 14,2 ni aux consommateurs ni aux entreprises. « Consumer », « individual » et « household » n’y comptent aucune occurrence.

Sur la page entière, menus compris, « revenue » et « subscription » n’ont aucune occurrence, non plus que OpenAI, Anthropic, Google, Microsoft, ChatGPT, Gemini, Claude et Copilot. La page ne nomme aucun fournisseur de modèles. Un mot absent n’est pas une exclusion : cette pièce n’écrit pas que le chiffre exclut les consommateurs, des éditeurs ou des abonnements, ni qu’il les inclut.

Segment (millions de dollars)20242025Croissance 2025 (%)
Foundation GenAI Models5 41613 053141,0
Specialized GenAI Models3021 146279,2
Total5 71914 200148,3

Tableau 1. Valeurs imprimées dans le tableau 1 du communiqué, « Source: Gartner (July 2025) ». La ventilation ne porte que sur ces deux sous-segments.

Le communiqué qualifie le 14,2 de « projected » et le 1,1 milliard des modèles spécialisés d’« estimated ». Le mot « actual » n’y figure pas, et la colonne 2024 n’est qualifiée ni de constatée ni d’estimée : la croissance 2025 porte sur une projection.

Les sommes du tableau ne se recomptent pas à l’unité : 5 416 + 302 donnent 5 718 pour 5 719 imprimé, et 13 053 + 1 146 donnent 14 199 pour 14 200. L’écart est de 1 million de dollars ; la page ne l’explique pas et cette pièce non plus.

Mon calcul. Les modèles de fondation font 91,9 % du total 2025, et les modèles spécialisés 8,1 %. Ces parts ne sont pas des chiffres de Gartner.

Ce que l’étude de Stanford met en regard

L’étude est un PDF de 22 pages, daté du 13 avril 2026, signé de cinq auteurs (Brynjolfsson, Collis, Eggers, Kazinnik, Nguyen), dont les affiliations sont Stanford, le NBER, Carnegie Mellon, la Copenhagen Business School et l’Economic Statistics Centre of Excellence. Le PDF ne se dit nulle part revu par les pairs et ne contient aucune déclaration de financement ni de conflit d’intérêts. La page de présentation du Lab porte « Working Paper Date 04/13/2026 ».

Elle estime le surplus du consommateur tiré de l’IA générative aux États-Unis, pour les adultes de 18 à 64 ans qui l’utilisent (population du tableau 2, p. 7), à 116,2 milliards de dollars par an à la mi-2025 (vague de juillet 2025), puis à 172,3 milliards au début de 2026 (vague de mars 2026). Le calcul est « CS = WTA × Nusers × 12 » (p. 6). Le taux d’usage qui y entre vient de Bick et al. (2026), non des auteurs.

Les enquêtes principales portent sur 2 000 répondants en mars 2026 (1 908 après nettoyage) et 1 500 en juillet 2025 (1 491 après nettoyage).

Un même montant, décrit différemment selon la page

L’étude ne donne pas une définition unique de ce à quoi elle compare son surplus. Le tableau reprend, page par page, les formulations du PDF.

PageFormulation du PDF14,2 écritAppel de note
p. 1« estimated revenues from generative AI in the United States »nonnon
p. 2« global revenues (including US) from generative AI tools like ChatGPT, Gemini, Claude, or Copilot are estimated at around $14.2 billion »ouinon
p. 9« Global consumer revenue (not enterprise revenue) for OpenAI, Anthropic, Google, and Microsoft », « are estimated to have reached $14.2 billion in 2025 »ouinote 5
p. 10« estimated consumer revenues by their vendors »nonnon

Tableau 2. Passages du PDF qui décrivent le terme de comparaison du surplus, césures de ligne retirées. Seule la phrase de la p. 9 appelle la note 5.

Le nombre 14,2 n’apparaît qu’aux p. 2 et 9. La seule origine que l’étude lui donne est la note 5, une adresse suivie de « Accessed April 13, 2026 », sans titre ni éditeur en clair. « Gartner » n’apparaît que dans cette adresse, deux fois, et nulle part dans le corps ni dans les références. Le rattachement du chiffre de la p. 2 à la note 5 tient à l’identité du nombre, non à un renvoi.

L’adresse de la note 5 est, caractère pour caractère, celle du communiqué, et le 14,2 est le total 2025 de son tableau 1. L’étude ne fournit donc pas une seconde estimation du 14,2 : la seule origine qu’elle lui donne est cette note.

Ce que la page citée ne contient pas

Les termes que l’étude prête au 14,2 aux p. 2 et 9 ne figurent pas dans la page qu’elle cite : « revenue » et « consumer » n’y comptent aucune occurrence, ni les huit noms d’outils et d’entreprises, ni « tool » dans le corps du communiqué. Le chiffre y est « end-user spending on generative AI (GenAI) models », « projected », « Worldwide ». Cette pièce constate un écart de termes ; elle n’en prête la cause aux auteurs ni comme erreur de lecture ni comme intention.

Le temps des verbes diffère aussi. L’étude écrit « are estimated to have reached $14.2 billion in 2025 » (p. 9), là où le communiqué écrit « is projected to total $14.2 billion in 2025 ». Le corps du communiqué est identique dans les captures d’archive de janvier 2026 et de juillet 2026, qui encadrent la date de consultation déclarée par la note 5. Ce qu’affichait la page le 13 avril 2026 même n’est pas établi. Cette pièce ne dit rien du montant réalisé en 2025, ni d’une éventuelle révision par Gartner.

Un chiffre mondial face à un surplus américain

À la p. 9, l’étude écrit : « While reliable estimates for the US alone are not available yet, we can use global revenues as an upper bound. » À la p. 1, son résumé écrit que le surplus « substantially exceeds estimated revenues from generative AI in the United States ». Les deux phrases coexistent ; le document ne les relie pas. Cette pièce constate la juxtaposition, sans la qualifier.

La borne haute est un raisonnement des auteurs. Il suppose que le 14,2 est un revenu consommateur de fournisseurs, ce que la page de Gartner n’écrit pas.

Les deux montants diffèrent par la date et par le périmètre : un surplus américain de 172,3 milliards de dollars pour les 18-64 ans au début de 2026 (116,2 à la mi-2025), et un 14,2 milliards mondial pour 2025, projeté. Ils diffèrent aussi par l’objet : un surplus du consommateur d’un côté, une dépense projetée des utilisateurs finaux en modèles de l’autre. L’étude n’écrit aucun rapport entre eux, et cette pièce n’en calcule aucun.

L’étude déclare que son travail « is not a full welfare analysis », faute de compter le surplus du producteur et les externalités. Elle écrit aussi, à la p. 2, sans chiffre ni référence, que la plupart des consommateurs paient peu ou rien pour l’IA générative : c’est une affirmation des auteurs, non un constat mesuré.

Pour son surplus, elle déclare d’autres limites : le biais hypothétique propre aux préférences déclarées, un comportement autodéclaré dans un échantillon en ligne, et un plafond de compensation à 500 dollars que 12 % des répondants refusent, d’où une estimation agrégée qui « may be an underestimate ». Ces limites portent sur le surplus seul, non sur le 14,2.

Le questionnaire compte comme abonné payant la personne dont le travail paie l’abonnement. En mars 2026, 487 des 1 908 répondants se déclarent abonnés payants (25,5 %). L’étude ne dit pas si le chiffre de comparaison inclut de tels abonnements, et ce 25,5 % vaut pour l’échantillon, non pour les Américains.

Ce qu’un lecteur qui doit décider peut en faire

Citer le 14,2 comme Gartner l’écrit : une projection, pour 2025, de la dépense mondiale des utilisateurs finaux en modèles d’IA générative, sans l’appeler revenu.

Citer la p. 9 de l’étude de Stanford comme la description de l’étude, avec sa note 5, sans la prêter à Gartner.

Ne pas en tirer un rapport entre revenu et surplus américain sans dire que le chiffre est mondial, projeté, de date et d’objet différents de ceux du surplus.

Mes réserves

  • Une page, pas le rapport. Le communiqué renvoie à un rapport réservé aux clients de Gartner, qui n’a pas été lu.
  • Une projection. Le 14,2 est projeté, et la colonne 2024 n’est qualifiée ni de constatée ni d’estimée.
  • Des captures d’archive. L’identité du corps du communiqué est établie sur des captures de janvier et de juillet 2026, non sur la page du 13 avril 2026.
  • Un chiffre mondial, un surplus américain. Les deux montants diffèrent par la date, le périmètre et l’objet.
  • Un PDF sans revue par les pairs déclarée. Il ne contient pas de déclaration de financement ni de conflit d’intérêts ; l’absence de déclaration n’est pas une déclaration d’absence.
  • Un surplus estimé sur enquête. Il repose sur des préférences déclarées, un échantillon en ligne et un plafond de compensation, comme l’étude le déclare.
  • Une cause non établie. L’écart de termes entre l’étude et le communiqué est constaté ; sa cause ne l’est pas.

I source primaire indépendante · S secondaire spécialisée · P partie prenante ayant un intérêt commercial sur le sujet traité.

Axel Morel
Axel Morel
Fondateur & analyste · Probans

Développe une méthode d'analyse destinée à distinguer ce que les preuves établissent, ce qu'elles suggèrent et ce qu'elles ne permettent pas de conclure, puis à traduire cette distinction en décisions professionnelles.

Choix du sujet, direction de la rédaction, validation ou modification des sources, validation et retravail du texte et des illustrations : Axel Morel. Rédaction, choix des sources initiales et plan de rédaction initial : assistance IA.

Responsabilité éditoriale : Axel Morel. Recherche et rédaction assistées par IA selon la méthodologie Probans, sources vérifiées avant publication. Charte éditoriale.

En savoir plus

Newsletter

Recevoir les prochaines analyses

Choisissez les catégories qui vous intéressent.

Catégories