172,3 milliards de surplus IA : un produit de quatre facteurs, un seul mesuré

Un working paper du Stanford Digital Economy Lab, daté du 13 avril 2026, publie un surplus du consommateur de 172,3 milliards de dollars par an [1]. Le chiffre est borné quatre fois dans le document lui-même : il porte sur les seuls États-Unis, sur les utilisateurs d’IA générative, dans la tranche des 18 à 64 ans, pour une vague d’enquête de mars 2026 [1]. La valeur correspondante de la vague précédente, en juillet 2025, est de 116,2 milliards [1]. Le document est un working paper : pas de revue de destination, pas de mention de relecture par les pairs, pas de numéro de série, cinq auteurs et cinq institutions [1].

Ce montant n’est pas une observation. C’est le produit de quatre facteurs, et le produit se reproduit : un consentement moyen de 124,50 dollars par mois, un effectif de 115,33 millions d’utilisateurs, lui-même obtenu d’une population de 206,29 millions d’adultes et d’un taux d’adoption, et une annualisation par douze. Soit 124,50 × 115,33 × 12 = 172 303 millions de dollars, publié 172,3 milliards. Pour 2025 : 98,00 × 98,78 × 12 = 116 165 millions, publié 116,2 [1].

Le premier de ces facteurs n’est pas davantage une observation. Aucun répondant ne déclare de montant. Chacun reçoit un seul montant tiré au sort parmi sept, de 1 à 500 dollars, et répond par oui ou par non [1]. Le seuil est ensuite reconstruit au niveau agrégé par un modèle logistique sur le logarithme du montant, et la moyenne publiée est l’aire sous la courbe de demande ainsi ajustée, tronquée au montant maximal de 500 dollars [1]. Ces 124,50 dollars par mois sont donc estimés sur les réponses de l’enquête, ce qui n’est pas la même chose qu’une somme recueillie.

Un seul de ces quatre facteurs vient de l’enquête. C’est le point qui commande la lecture du reste.

Le papier écrit par ailleurs, page 9, que son travail n’est pas une analyse de bien-être complète, parce qu’il ne tient pas compte du surplus du producteur [1]. C’est cette part manquante que je suis allé chercher dans d’autres documents. Elle ne se referme pas, et c’est le sujet de cette page.

La hausse de 48 % se décompose en deux facteurs, dont un seul est estimé sur les réponses de l’enquête

Le passage de 116,165 à 172,303 milliards vaut +48,33 %. Cette hausse se décompose en deux termes : le consentement moyen passe de 98,00 à 124,50 dollars par mois, soit +27,04 %, et l’effectif d’utilisateurs passe de 98,78 à 115,33 millions, soit +16,75 % [1]. Le produit 1,27041 × 1,16754 vaut 1,4833, et le rapport des deux agrégats vaut 1,4833. Je m’en tiens à la quatrième décimale : au delà, le produit des deux facteurs arrondis et le rapport des agrégats publiés cessent de coïncider. Ce contrôle ne démontre rien de plus qu’une chose : aucun facteur supplémentaire ne s’intercale entre ces deux facteurs et les deux agrégats publiés.

Le premier terme est estimé sur les réponses de l’enquête. Le second ne l’est pas, et sa provenance demande trois énoncés que je tiens séparés, sans les recoudre.

Ce que l’étude déclare, d’abord. Elle écrit importer ses taux d’adoption de 48 % et de 56 % de Bick, Blandin et Deming (2026), en page 2 comme en note de son tableau, et elle signale elle-même que les dates de cette source ne coïncident pas avec celles de ses propres enquêtes [1]. Elle situe le 48 % en « early 2025 » et le 56 % en « late 2025 », et applique le second à une vague de mars 2026 [1]. Elle constate le décalage sans le corriger ni le quantifier.

Ce que le document cité porte, ensuite. Il ne porte ni 48 % ni 56 %. Ses deux vagues sont d’août et de novembre 2024, sur plus de 10 000 répondants, et il publie 45,5 % d’usage pour les adultes américains de 18 à 64 ans à la fin de 2024 [10]. Ce constat d’absence porte sur les deux versions de travail, que j’ai lues en entier ; le texte intégral de la version parue en revue est derrière un mur de consentement, et je ne l’ai pas ouvert [10].

Où figurent réellement ces deux valeurs, enfin. Une série trimestrielle publiée par les mêmes auteurs porte 47,98 % pour une vague de février 2025 et 55,93 % pour une vague de novembre 2025 [11]. Arrondies, ces deux valeurs donnent exactement 48 et 56.

Ce dernier point est une coïncidence de valeurs aux arrondis près, et je n’en fais pas un chemin de transmission. Personne ne sait où les auteurs de l’étude sont allés chercher leurs deux taux : ils écrivent « Bick et al. (2026) », et rien de plus. Le contrôle arithmétique ne referme pas la piste. 206,29 × 0,559253 donne 115,368 millions d’utilisateurs, quand le tableau publie 115,33 : la valeur non arrondie de la série ne reproduit pas non plus la ligne des utilisateurs [1][11]. Et je n’en tire aucun reproche de citation. La note de la série prescrit elle-même de citer l’article de revue pour tout usage de ces données [11] : l’étude cite comme son émetteur le lui demande. Le défaut n’est pas dans la citation, il est dans ce que la valeur permet d’établir.

Reste à savoir ce que ce taux compte, et c’est là que le facteur est le plus faible. La question qui le produit est au présent, binaire, sans fenêtre temporelle et sans seuil d’intensité : un répondant est compté utilisateur s’il déclare utiliser l’IA générative, au travail ou en dehors [10]. Sur les 45,5 points de la vague de fin 2024, 8,3 points n’avaient pas ouvert l’outil dans la semaine écoulée, soit 18,2 % des utilisateurs comptés [10]. Le facteur compte donc des utilisateurs déclarés, pas un usage. Je n’en conclus pas qu’il est surestimé : un filtre de notoriété écarte en amont les 11,6 % de répondants qui n’ont jamais entendu parler du concept, et les auteurs présentent eux-mêmes leur mesure comme un plancher, parce qu’elle ne capte pas les usages embarqués dont le répondant n’a pas conscience [10].

Un dernier trait de cette série interdit tout raisonnement de millésime. Ses valeurs de 2024 et du début 2025 ont été relevées après coup, de 5 à 6 points, par une repondération fondée sur la notoriété [11]. Une valeur lue aujourd’hui n’est donc pas celle qui était affichée hier, et je ne peux pas dire ce que cette série portait au printemps 2026 : je n’en ai lu qu’un état, celui de la fin août 2026.

Sur ce seul paramètre, l’écart de date reste de sens indéterminé. L’étude situe elle-même en « late 2025 » le taux qu’elle applique à une colonne dont le consentement est mesuré en mars 2026 [1]. Je ne peux pas dire dans quel sens joue cet écart : je ne sais pas d’où vient ce taux, et je ne sais pas ce que sa source portait au printemps 2026. Je ne publie aucun montant de remplacement. Changer un facteur d’une chaîne à quatre facteurs sans toucher aux trois autres n’est pas une estimation, c’est un contrôle, et l’étude ne porte que 172,3.

De cette décomposition je ne tire ni plus ni moins que ce qu’elle porte. Elle interdit d’écrire que la valeur perçue de l’IA générative a augmenté de 48 % : ce n’est pas la valorisation individuelle qui a fait ce chemin, c’est le produit d’une hausse de valorisation et d’une hausse d’adoption qui ne sort pas de l’enquête. Elle ne dit pas non plus qu’un facteur explique l’autre, et elle n’autorise aucune projection : le papier publie le résultat, « an increase of almost 50% », sans le décomposer et sans extrapoler au delà de 2026 [1].

Un détail de tableau mérite le passage. Pour 2025, la ligne des utilisateurs se referme sur les deux lignes publiées : 205,80 × 0,48 = 98,784, publié 98,78. Pour 2026, elle ne se referme pas : 206,29 × 0,56 donne 115,5224, quand le tableau publie 115,33 [1]. Le taux d’usage implicite vaut donc 55,91 %, non 56,00 %. Un arrondi d’affichage à deux décimales suffit à l’expliquer, et rien dans le document ne tranche : je ne conclus pas à une erreur, et je ne publie pas la valeur alternative que ce recalcul ferait apparaître.

Ce que la question mesure, et ce qu’elle ne mesure pas

La grandeur mesurée est un consentement à recevoir, sur un bien que le répondant détient déjà, et non un consentement à payer. Les auteurs justifient ce choix par une raison unique, la possession préalable de l’accès, et le questionnaire de l’annexe B ne comporte aucune question de consentement à payer [1]. Rien dans ce dispositif ne permet donc de déduire ce que les utilisateurs accepteraient de débourser pour conserver l’accès.

L’échantillon est un échantillon d’utilisateurs, pas de population. Les non-utilisateurs sont éliminés par un filtre d’exclusion avant la question de consentement. Les quotas de représentativité ne portent que sur trois variables, l’âge, le sexe et l’ethnicité ; l’éducation, le revenu et le lieu de résidence sont des variables de contrôle. Le recrutement se fait sur Prolific, et les auteurs reconnaissent page 9 que les répondants d’un panel en ligne peuvent être plus engagés numériquement, donc plus susceptibles d’utiliser l’IA [1]. La vague de mars 2026 compte 1 908 répondants après nettoyage [1].

Cette phrase de la page 9 ne s’arrête pas là. Les auteurs ajoutent que cette inquiétude est atténuée par deux choses : leur choix de n’interroger que des utilisateurs d’IA, et leur recours à des données d’adoption externes pour calibrer les agrégats [1]. C’est une atténuation affirmée, pas testée. Ils ne la chiffrent pas, et leur second argument renvoie précisément aux données d’adoption dont j’ai dit plus haut qu’elles ne figurent pas dans le document qu’ils citent [10].

Les auteurs déclarent par ailleurs trois raisons de penser que leur agrégat est trop bas. La troncature à 500 dollars, d’abord, qu’ils qualifient eux-mêmes de conservatrice : autoriser des valorisations au delà augmenterait l’estimation, et ils l’écrivent [1]. Le refus de l’offre maximale, ensuite : 12 % des répondants déclinent les 500 dollars, ce qui rend l’agrégat possiblement sous-estimé, toujours selon eux [1]. L’horizon d’un mois, enfin, annualisé par un simple facteur douze, quand la compensation exigée pour renoncer un an pourrait excéder douze fois le montant mensuel [1]. Ces trois réserves vont contre le chiffre dans le sens qui l’augmente, et elles sont des auteurs, pas de moi.

Elles ne permettent pas pour autant de conclure que la vraie valeur dépasse 172,3 milliards. Les mêmes auteurs déclarent, dans le même passage, un biais hypothétique dont ils ne donnent pas le sens, et un biais de sélection de panel [1]. Trois réserves orientées à la hausse et deux réserves non orientées ne font pas un solde.

La distribution de ce consentement, et ce que le papier en publie ou non, sont traitées dans l’autre pièce de ce dossier.

Ce que le papier dit du paiement, et où il s’arrête

Le papier ne contourne pas la question du paiement, il la pose et s’arrête net. Il écrit page 2 que la plupart des consommateurs ne paient rien ou très peu pour l’IA générative, et que les transactions marchandes ne captent donc qu’une petite part de la valeur que ces outils créent [1]. Il reprend l’idée page 9 sous la forme d’un écart entre ce qui est capté par le produit intérieur brut et la valeur que les consommateurs retirent des outils [1].

Son propre échantillon calibre cet énoncé sans le confirmer. Parmi les 1 908 répondants de la vague de mars 2026, 487 déclarent un abonnement payant et 1 421 n’en déclarent pas, soit 25,5 % et 74,5 % [1]. La question compte comme abonné celui dont l’employeur paie [1]. Ce sont des parts d’un échantillon de panel en ligne, pas de population. Et la question porte sur l’existence d’un abonnement, pas sur un paiement quelconque : les achats à l’usage, les interfaces de programmation et les produits inclus dans un autre abonnement n’y sont pas couverts.

Un second document va dans le même sens, et c’est tout ce qu’on peut en dire. Un billet de Value Add VC d’août 2026 porte une estimation, « an estimated 95% », sur les utilisateurs hebdomadaires de ChatGPT qui ne paieraient rien [2]. La phrase qui la porte ne nomme aucun estimateur, et aucun lien sortant de la page ne l’appuie : aucune source n’est donnée pour ce chiffre. La convergence entre les deux documents porte sur le sens, jamais sur la valeur : populations différentes, métriques différentes, et l’une des deux estimations n’est rattachée à aucune origine. 25,5 % d’abonnés et 5 % de payants ne se réconcilient pas, et il ne faut pas essayer.

Voilà où le papier s’arrête, et le pas suivant n’est fait par aucun des documents que j’ai lus. Constater que le papier affirme, sans le mesurer, que la plupart des consommateurs ne paient rien ou très peu ne dit pas qui finance cet accès, ni comment, ni pour combien de temps.

Ni le prix, ni le nombre de fournisseurs

Le document ne contient aucun test de sensibilité, aucun scénario contrefactuel et aucune estimation d’élasticité portant sur ce que deviendraient le consentement ou le surplus si l’accès devenait payant, plus cher, ou si l’offre gratuite était réduite ou supprimée [1]. J’ai cherché sur les 22 pages, annexes comprises, les termes qui signaleraient un tel test : counterfactual, sensitivity, elasticity, robustness, pricing, willingness to pay, free, paid, price, charge. Le seul « prix » manipulé par le dispositif est un montant de compensation reçue. Les contrôles de robustesse annoncés en note se réduisent, à l’annexe A, au recrutement, au temps de réponse, à la détection de robots et aux contrôles d’attention [1].

C’est un constat d’absence, et un constat d’absence n’est pas un résultat. Il ne permet pas de conclure que le surplus serait plus faible, plus élevé ou inchangé si l’accès devenait payant. Il ne permet pas davantage les formulations obliques qui reviendraient au même : que le surplus supposerait la gratuité, qu’il s’effondrerait dans tel cas, ou qu’il serait conditionné au prix actuel. Les auteurs ne l’énoncent nulle part, et le papier est muet, pas prudent.

Le même vide porte sur l’offre. Le document ne teste ni l’effet du nombre de fournisseurs sur le consentement, ni la substituabilité au sens d’un report d’un outil vers un autre, ni ce que deviendrait le surplus si un acteur disparaissait. Aucun bras du dispositif ne fait varier l’offre disponible. Les chaînes competition, competitor, market structure, monopol, entry, exit et switch n’ont aucune occurrence dans le texte intégral [1].

Le papier avance pourtant une phrase sur la substituabilité, et sa modalité est à lire. Il écrit que le multi-homing est « insignificant, possibly hinting at the large degree of substitutability between tools for the average user » [1]. L’inférence repose donc sur un coefficient qu’il déclare non significatif, et elle est formulée au conditionnel de l’hypothèse. Le même document range ailleurs le nombre de produits utilisés parmi les prédicteurs de la valorisation [1] : il ne dit pas la même chose de cette variable en trois emplacements, et rien ne dit lequel fait foi.

Les auteurs bornent enfin leur périmètre eux-mêmes. Leur travail « is not a full welfare analysis, as it does not account for producer surplus », et la prise en compte du surplus du producteur est rangée parmi leurs travaux futurs [1]. Cet aveu ne se retourne pas en constat sur le producteur : le papier ne dit pas que le surplus du producteur est faible, négatif ou nul, il dit qu’il ne le mesure pas.

Le seul revenu que le papier met en regard est décrit de trois manières

Le document met son surplus américain en regard d’un agrégat de revenus de 14,2 milliards de dollars pour 2025, et il décrit ce même chiffre de trois manières non homogènes en trois emplacements. Le résumé page 1 parle de revenus américains, sans citer de chiffre. L’introduction page 2 parle de revenus mondiaux, États-Unis compris, sans restriction au consommateur. La discussion page 9 parle du revenu mondial du seul consommateur pour quatre sociétés nommées. La même page 9 précise que les estimations pour les seuls États-Unis ne sont pas disponibles et que les revenus mondiaux servent de borne haute [1].

Le papier ne calcule nulle part le rapport entre les deux grandeurs, et je ne le calcule pas non plus. Un surplus américain et un revenu consommateur mondial de quatre sociétés, que l’émetteur donne lui-même pour une borne haute et décrit de trois façons, ne se divisent pas l’un par l’autre. Le rapport est arithmétiquement faisable et économiquement vide.

La seule référence des 14,2 milliards est une note de bas de page, la note 5 page 9, qui renvoie à un communiqué Gartner du 10 juillet 2025 et n’est pas reprise dans la bibliographie [1]. L’intitulé porté par l’adresse de cette note annonce une dépense mondiale des utilisateurs finaux en modèles d’IA générative, là où le corps du texte présente le chiffre comme un revenu consommateur de quatre sociétés. L’écart entre les deux formulations est établi ; ce que dit réellement le communiqué ne l’est pas, il ne m’est pas parvenu.

Sur le financement, deux grandeurs tiennent, et elles ne disent pas ce qu’on leur fait dire

Les chiffres de résultat d’OpenAI que j’emploie ici pour l’exercice 2025 viennent d’un compte rendu de lecture, et cette nature se dit avant tout chiffre. Ed Zitron rapporte, sur la foi de documents qu’il déclare audités et qu’il ne reproduit pas, une série de postes [3]. Aucune pièce justificative n’accompagne le texte : ni PDF, ni capture, ni tableau, ni citation des états. Aucun cabinet n’est nommé, aucune date d’arrêté, aucun référentiel comptable. La mention d’une vérification par le Financial Times tient en une incise, sans article cité ni daté, et l’auteur déclare sa lecture inachevée [3].

Sur ces chiffres, et sur eux seuls, deux lectures tiennent, et pas au même degré. La première : 13,07 milliards de dollars de revenus pour 33,98 milliards de coûts et charges, soit une couverture de 38,5 %, et 20,91 milliards de charges de l’exercice que les revenus ne couvrent pas [3]. Les deux termes sortent du même bloc de postes du même exercice.

Ce complément de 20,91 milliards n’est pas une subvention par le capital-risque, et le nommer ainsi serait ajouter au document ce qu’il ne porte pas. Le texte ne dit rien de la source du financement de cet écart. Il nomme bien deux sociétés qui ont versé de l’argent à OpenAI en 2025, SoftBank pour 867 millions de dollars et Microsoft pour 303 millions, et il chiffre ces deux versements [3]. Ce qu’il ne fait pas, c’est les qualifier d’investisseurs, ni dire à quel titre ces sommes ont été versées. Une charge comptable n’est pas davantage un décaissement. Le rapport ne se lit pas non plus comme un taux de couverture du coût par les utilisateurs : le numérateur mêle les revenus d’entreprise et d’interface de programmation, que le document ne ventile pas [3].

La seconde porte sur la destination des charges, et elle est la plus parlante. Les charges d’OpenAI envers Microsoft sur l’année civile 2025 se décomposent en 10,59 milliards de recherche et développement, 6,047 de coût des revenus, 0,527 de ventes et marketing et 0,042 de frais généraux, soit 17,206 milliards [3]. J’écris « charges » et non « versements », parce que c’est le mot du document : il ne libelle « paid » que le poste de recherche et développement, nomme les trois autres « charge » et « expenses », et appelle le total « OpenAI’s expenses to Microsoft » [3]. La distinction est lexicale, portée par les mots de l’auteur. Elle ne dit rien de ce qui a été décaissé, le texte ne parlant nulle part de trésorerie. Rapportés aux 33,98 milliards de coûts et charges, ces flux en valent 50,6 %. Rapportés au chiffre d’affaires de l’exercice, 1,32 fois. Et le seul de ces quatre postes que le document libelle « paid », les 10,59 milliards de recherche et développement, vaut à lui seul 55,2 % du poste de recherche et développement de l’exercice, 19,18 milliards [3]. Ces trois calculs supposent que les charges de l’année civile 2025 et les postes de l’exercice couvrent la même période, ce que le compte rendu ne permet pas de vérifier : il ne donne aucune date d’arrêté [3]. Ce sont des opérations que je fais sur des lignes du même document, et que le document ne rapproche jamais l’une de l’autre. Ce ne sont pas ses constats. Et il faut dire ce qu’ils ne sont pas : le texte ne dit pas ce que ces flux rémunèrent, et lire les 10,59 milliards de recherche et développement comme un coût d’entraînement des modèles est une hypothèse que l’auteur signale lui-même comme telle [3].

Un communiqué de Microsoft daté du 21 janvier 2025 nomme, de son côté, les mécanismes qui lient les deux sociétés : un engagement d’achat Azure pris « récemment », des accords de partage de revenus dans les deux sens, une exclusivité de l’interface de programmation d’OpenAI sur Azure, un droit de préférence sur la nouvelle capacité, une approbation par Microsoft de la faculté pour OpenAI de construire de la capacité additionnelle affectée principalement à la recherche et à l’entraînement, et des éléments clés courant jusqu’en 2030 [4]. C’est la déclaration d’une des deux parties au montage qu’elle décrit, et elle ne porte aucun montant, aucune durée d’engagement d’achat et aucun traitement comptable. Les mécanismes sont donc nommés sans chiffre d’un côté, et les montants sont portés sans objet nommé de l’autre. Recoudre les deux produirait une phrase qu’aucun des deux documents n’écrit.

Un point de ce montage se laisse pourtant chiffrer d’un seul côté, et c’est le plus instructif. Microsoft se déclare apporteur de financement et de capacité à OpenAI, et bénéficiaire en retour de la croissance de sa valorisation [4]. Cet apport n’est chiffré nulle part : ni la participation, ni la capacité, ni le partage de revenus. Sur l’exercice 2025, le flux qui va d’OpenAI vers Microsoft vaut 17,206 milliards de dollars [3]. Le seul flux entrant en provenance de Microsoft que porte le même compte rendu est de 303 millions, et rien n’établit qu’il s’agisse de l’apport déclaré : le document ne dit pas à quel titre cette somme a été versée [3]. Le flux sortant est donc chiffré, et ce que Microsoft déclare apporter ne l’est pas. Je ne divise pas les deux montants l’un par l’autre et je n’en tire aucun solde : ils ne sont pas de même nature, les deux documents ne portent ni la même date ni le même objet, et l’un ne vaut pas vérification de l’autre.

Une dernière ligne change ce qu’on peut faire des agrégats de perte. La perte nette attribuable à la société, 38,53 milliards de dollars, comprend une charge de 41,55 milliards de variation de juste valeur d’intérêts convertibles et d’une dette de bons de souscription [3]. La charge est donc plus grande de 3,02 milliards que la perte dans laquelle elle est comprise. Le document ne la qualifie ni d’exceptionnelle, ni de non récurrente, ni de sans effet de trésorerie : il la nomme par sa mécanique, et son auteur déclare ne pas comprendre le mécanisme d’attribution aux minoritaires qui la suit [3]. La comparaison homogène entre 2024 et 2025 est donc celle des pertes d’exploitation, 8,78 puis 20,92 milliards, soit 2,38 fois [3]. Ce poste de 20,92 et l’écart de 20,91 calculé plus haut désignent la même grandeur ; les 0,01 d’écart viennent de l’arrondi des postes publiés.

Les parts qui circulent sur les assistants ne sont pas ce qu’on en dit

L’émetteur des parts d’assistants écrit lui-même ce que sa mesure porte : des visites totales au niveau du domaine, et elle « do not capture API usage or integrations » [5]. Il la nomme « Gen AI Website Traffic Share » et « Traffic Share », jamais « market share ». Le panier est fermé et compte dix domaines nommés plus une catégorie résiduelle. Un assistant appelé depuis un système d’exploitation, une suite bureautique ou une page de résultats de recherche n’entre pas dans le dénominateur.

Deux relevés datés existent, à moins d’un mois d’écart, et leurs valeurs diffèrent sensiblement. Au 5 décembre 2025, ChatGPT est à 68,0 % et Gemini à 18,2 % ; au 2 janvier 2026, ChatGPT est à 64,5 % et Gemini à 21,5 %. Les cinq autres domaines chiffrés, DeepSeek, Grok, Perplexity, Claude et Copilot, tiennent chacun entre 1,1 et 3,9 % aux deux dates [12]. Ces sept valeurs totalisent 98,3 puis 98,2 : le reliquat revient à trois domaines du panier non listés et à la catégorie résiduelle.

Ces parts n’existent d’ailleurs que dans le texte des deux publications que l’émetteur fait paraître avec chaque édition [12] : le document de suivi lui-même n’en contient aucune, il ne porte que des variations en pourcentage [5].

Le relais qui a fait circuler ces valeurs en janvier 2026 les a transformées sur trois points, et chacun se vérifie. Il les nomme « market share » dans son titre, son chapeau et chacune de ses sept lignes, alors que l’émetteur nomme la grandeur autrement [6]. Il date de janvier 2026 un relevé arrêté au 5 décembre 2025, alors que l’émetteur avait publié la veille de sa parution un relevé arrêté au 2 janvier 2026, aux valeurs différentes [5][6]. Il date enfin d’un mois calendaire une base de comparaison que l’émetteur libelle « 12 Months Ago », et qui n’est datée par aucun mois nulle part [5][6].

La tension la plus instructive est ailleurs. Le relais explique la progression de Gemini par des usages précisément encastrés : système d’exploitation Android, moteur de recherche, navigateur, messagerie, suite bureautique [6]. Or ce sont exactement les usages que la métrique invoquée déclare ne pas capter [5]. Les usages avancés pour expliquer le mouvement sont hors du dénominateur de l’instrument qui le mesure. Cela n’établit pas que les parts publiées seraient fausses, et je ne les corrige dans aucun sens : cela établit que l’instrument ne porte pas sur ce qu’on lui fait expliquer.

Sur Uber, trois valeurs qui ne s’accordent pas

Le rapprochement entre l’IA générative d’aujourd’hui et le précédent d’Uber n’est pas de moi. Il est le cœur de la démonstration d’un article de Fast Company du 19 mars 2026, qui l’appuie sur un recouvrement nominatif d’investisseurs entre les deux vagues [7]. Cet article soutient que les coûts de développement et de service des modèles ne sont pas couverts par les abonnements et les frais d’interface de programmation, que l’écart est comblé par de l’argent d’investissement, « much of it from venture capital firms », et que les prix payés monteront « almost certainly » [7]. C’est une thèse, avec sa modalité, et elle se rapporte comme telle. Elle ne porte ni seuil, ni date butoir, ni amplitude, et l’article ne contient aucun signe dollar, aucun montant, aucune mention du surplus ni d’un travail universitaire [7].

Ce qui rend le précédent Uber intéressant n’est donc pas la ressemblance, c’est ce qui arrive quand on cherche à le chiffrer. Sur la hausse des tarifs, les documents disponibles donnent trois valeurs qui ne s’intersectent pas. Slate porte 92 % entre 2018 et 2021 [8]. La page CNBC vers laquelle son propre lien renvoie écrit autre chose sur trois points : elle mesure « a ride from a ride-sharing app like Uber or Lyft » et non les prix d’Uber, elle borne de janvier 2018 à juillet 2021, et elle attribue le chiffre à Rakuten Intelligence et non à Rakuten [13]. Le même paragraphe de Slate porte une seconde valeur, 45 % entre 2019 et 2022, dont la cible du lien ne m’est pas parvenue [8]. Fast Company porte, lui, 50 à 80 % entre 2018 et 2022 environ, « depending on the study », sans nommer aucune étude, aucun auteur, aucun lien [7].

La divergence est le résultat, et c’est le seul que je retienne. Trois valeurs, des fenêtres qui se recouvrent largement, un objet qui n’est pas le même d’un document à l’autre, et aucune source primaire atteinte dans les trois cas. Ni Slate ni la page CNBC qu’il relaie ne publient la moindre caractérisation de la mesure : ni panel, ni effectif, ni périmètre géographique, ni définition de ce qui est comparé [8][13].

Sur le passé, en revanche, deux articles d’opinion emploient le même mot, à quatre ans d’écart. Slate écrit en 2022 « an enormous, investor-fueled subsidy of America’s ride-hailing habit », adossée à plus de 30 milliards de dollars de pertes depuis que les comptes d’Uber sont publics [8]. Fast Company écrit en 2026 qu’Uber a fortement subventionné les tarifs avec du capital-risque au début des années 2010 [7]. Ce rapprochement porte sur le niveau passé des prix, et sur rien d’autre : aucun des deux ne donne un taux de couverture du coût par le prix, aucun des deux ne mesure quoi que ce soit sur l’IA.

Le passage de ce constat à une cause de la hausse, lui, ne se fait dans aucun de ces documents. Slate relie bien le financement par les investisseurs à un niveau de prix, celui, passé et bas, de la décennie écoulée : c’est le paragraphe que je viens de citer [8]. Ce qu’aucun de ses passages ne relie à une pression des actionnaires, c’est la hausse. La seule cause qu’il accole aux deux séries de prix est le carburant, il place la hausse mesurée avant le tournant de rentabilité qu’il raconte, et il qualifie lui-même de « cynical assumption » le scénario de hausse par capture du marché [8]. L’article de TechCrunch de février 2019 place les investisseurs du côté de ceux qui critiquent les remises et réclament la rentabilité [9]. Ce précédent offre donc une analogie déjà écrite ailleurs, et un avertissement sur les chiffres qui la portent. Ce n’est pas un taux, et ce n’est pas une mécanique transposable.

Ce que ces documents ne permettent pas de refermer

Je ne peux pas écrire que le surplus mesuré par cette enquête correspond à une phase où l’accès est financé par du capital plutôt que par les revenus des utilisateurs. Le papier mesure un surplus et déclare expressément ne pas mesurer le surplus du producteur [1]. Il ne teste ni le prix ni la gratuité [1]. Les documents qui portent des pertes de fournisseurs ne les rapportent jamais à un prix d’accès ni à une valeur d’usage [2][3]. Le passage des uns aux autres est une inférence, et une inférence n’est pas une preuve.

Je ne peux pas non plus écrire que le capital-risque finance l’accès gratuit à l’IA générative comme un fait établi. Deux de ces documents le nomment. L’un le chiffre, mais pour un autre objet : 5,1 milliards de dollars levés en capital-risque par Lyft à février 2019, dans un paragraphe consacré aux banques d’introduction en bourse, sans qu’aucune fraction identifiée soit rattachée aux remises [9]. L’autre le nomme sans chiffre, sans source, au registre de l’analogie et sous une modalité probabiliste [7]. Aucun des deux ne relie un montant de financement à un prix d’accès.

Trois autres choses manquent, pour la même raison. Je ne rapporte pas le surplus aux revenus des fournisseurs : les deux grandeurs n’ont ni la même population, ni la même géographie, ni le même périmètre, et celle des revenus est décrite de trois manières différentes dans le même document [1]. Je ne dis rien de la structure du marché des assistants : le seul instrument de ce dossier mesure des visites de site, et une part de visites ne dit rien du chiffre d’affaires, des utilisateurs ni de la valeur échangée [5]. Je ne transpose aucun taux de couverture du coût par le prix depuis le précédent Uber : aucun des documents que j’ai lus ne porte, pour un fournisseur d’IA, le rapport entre ce que paient les utilisateurs et ce que coûte le service.

Ce qui reste est plus étroit que ce que j’espérais, et plus solide. Un agrégat dont la croissance se décompose en deux facteurs, dont un seul sort de l’enquête et dont l’autre reste sans provenance établie. Une enquête qui ne teste ni le prix ni l’offre, et qui ne signale nulle part cette absence. Deux rapports comptables homogènes chez un fournisseur, dont la moitié des charges de l’exercice est logée chez un seul partenaire. Un instrument de mesure de parts qui exclut les usages qu’on lui fait expliquer. Et un précédent dont les trois chiffrages ne s’accordent pas entre eux.

Mes réserves

• Le taux d’adoption, second des deux facteurs de la hausse. Il ne sort pas de l’enquête, et sa provenance exacte reste ouverte : le document que l’étude cite ne porte pas ses deux valeurs, et rien n’établit où elle est allée les chercher. De ce document, je n’ai lu que les deux versions de travail ; le texte intégral de la version parue en revue m’est resté fermé.
• Le revenu mis en regard. Le communiqué Gartner qui porte les 14,2 milliards ne m’est pas parvenu. S’il chiffre une dépense d’utilisateurs finaux et non un revenu consommateur de quatre sociétés, la formulation de la page 9 du papier ne tient pas.
• Les finances d’OpenAI. Elles me viennent d’un compte rendu de documents que je n’ai pas vus, sans cabinet nommé, sans date d’arrêté, sans référentiel comptable. Un état publié qui donnerait d’autres postes ferait tomber les deux rapports de la section sur le financement.
• Les chiffres d’Anthropic. Aucun n’est utilisable ici. Le billet qui les porte déclare lui-même qu’aucune des deux sociétés ne publie de comptes audités, et ses propres nombres ne se réconcilient pas entre eux. Les sources des chiffres qu’il reprend ne sont pas atteignables : elles sont désignées sans lien et sans titre, l’une d’elles avec une date pour seul repère.
• Les parts d’assistants. Elles mesurent des visites de domaine, hors interfaces de programmation et hors intégrations. Un fournisseur dont la distribution est encastrée dans un système d’exploitation ou une suite bureautique n’est pas mesuré par cet instrument, ce qui interdit d’en tirer une position concurrentielle.
• La hausse des tarifs Uber. Trois valeurs, aucune source primaire ouverte, aucune méthode publiée. Une seule mesure documentée suffirait à trancher, et elle n’existe pas parmi les pièces que j’ai pu lire.

Retour au dossier Surplus consommateur de l’IA gratuite · Lire la Décision possible du dossier.