Guerre des prix de l'IA : GPT-5.6 Luna à −80 %, DeepSeek V4 Flash à 0,14 $/M tokens — comment les PME françaises peuvent diviser leur budget IA par 5 grâce à la concurrence entre modèles

Le 30 juillet 2026, OpenAI a annoncé une baisse de prix spectaculaire sur deux de ses modèles GPT-5.6 : Luna chute de 80 % (de 1 $ à 0,20 $ le million de tokens en entrée), Terra de 20 % (de 2,50 $ à 2 $ en entrée). Le lendemain, DeepSeek a riposté en sortant V4 Flash de sa phase preview à 0,14 $ le million de tokens en entrée — sous licence MIT, donc utilisable sans restriction commerciale. Trois semaines seulement après le lancement de GPT-5.6, OpenAI est déjà contraint de baisser ses prix. La raison tient en un chiffre : 61 % des tokens traités par les modèles open-weight sur OpenRouter proviennent désormais de modèles chinois, avec des capacités qui rivalisent avec GPT-5 et Claude Opus sur le code et le raisonnement. Pour un dirigeant de PME française, cette guerre des prix n'est pas un sujet de géopolitique tech — c'est une opportunité concrète de diviser son budget IA par 3 à 5, à condition de savoir choisir le bon modèle pour chaque tâche. Voici comment en profiter dès maintenant.

Ce qui s'est passé en 72 heures : la plus grande baisse de prix de l'histoire de l'IA

Le 9 juillet 2026, OpenAI lance GPT-5.6 avec trois niveaux — Sol (le plus puissant, à 5 $/M tokens en entrée), Terra (le modèle intermédiaire, à 2,50 $) et Luna (le plus léger, à 1 $). Trois semaines plus tard, le 30 juillet, OpenAI réduit Luna à 0,20 $ et Terra à 2 $. La raison officielle : des gains d'efficacité en inférence, notamment grâce à GPT-5.6 qui a lui-même optimisé son propre code de production. La raison réelle, admise en filigrane dans l'annonce : la pression des modèles open source chinois. DeepSeek V4 Flash, sorti le 31 juillet à 0,14 $ le million de tokens en entrée sous licence MIT, affiche un score de 82,7 % sur Terminal-Bench — un benchmark de référence pour le code. Kimi K3 de Moonshot AI, publié le 27 juillet avec 2 800 milliards de paramètres en téléchargement libre, est considéré comme le modèle ouvert le plus capable du marché. Qwen 3.8 d'Alibaba et GLM-5.2 de Zhipu complètent le tableau. En trois mois, quatre modèles chinois majeurs sont sortis, tous avec des performances proches des modèles frontier américains — à une fraction du prix.

Tableau comparatif des prix : ce que paie réellement une PME par tâche IA

• DeepSeek V4 Flash : 0,14 $/M tokens en entrée, 0,28 $/M en sortie — le moins cher du marché avec des performances de niveau frontier sur le code. Licence MIT, auto-hébergeable.
• GPT-5.6 Luna (après baisse) : 0,20 $/M en entrée, 1,20 $/M en sortie — 80 % moins cher qu'au lancement, idéal pour les tâches de volume (classification, extraction, résumé).
• Claude Sonnet 5 (tarif promo jusqu'au 31 août) : 2 $/M en entrée, 10 $/M en sortie — meilleur rapport qualité-prix pour le raisonnement structuré et l'analyse documentaire. Tarif standard à 3 $/15 $ dès septembre.
• GPT-5.6 Terra (après baisse) : 2 $/M en entrée, 12 $/M en sortie — concurrent direct de Claude Sonnet 5 sur le segment intermédiaire.
• Claude Opus 5 : 5 $/M en entrée, 25 $/M en sortie — pour les tâches complexes nécessitant un raisonnement avancé (analyse juridique, audit financier).
• GPT-5.6 Sol : 5 $/M en entrée, 30 $/M en sortie — le plus cher, inchangé depuis le lancement.
• Concrètement : traiter 1 000 emails de support client (environ 500 000 tokens en entrée + 200 000 en sortie) coûte 0,13 € avec DeepSeek V4 Flash, 0,34 € avec GPT-5.6 Luna, et 1,50 € avec Claude Opus 5. La différence est un facteur 10.

Pourquoi les modèles chinois bouleversent le marché — et ce que cela change pour les PME françaises

Le chiffre clé : les modèles d'IA chinois traitent désormais un volume de données 85 % supérieur à celui de leurs concurrents américains sur les plateformes ouvertes, tout en coûtant jusqu'à 90 % moins cher. Sur OpenRouter, la principale passerelle d'accès multi-modèles, 46 % des tokens d'entreprises américaines transitent déjà par des modèles chinois — un renversement impensable il y a six mois. Pour une PME française, cette concurrence est une aubaine à deux conditions. Première condition : utiliser les bons modèles pour les bonnes tâches. DeepSeek V4 Flash excelle en génération de code et en tâches structurées, mais Claude Sonnet 5 reste supérieur pour l'analyse de documents complexes en français et le raisonnement multi-étapes. GPT-5.6 Luna est idéal pour le volume pur — classification, extraction de données, résumés. Deuxième condition : maîtriser la question de la souveraineté des données. Les modèles chinois en API envoient vos données vers des serveurs en Chine. Pour une PME qui traite des données clients européens, cela pose un problème de conformité RGPD bien plus aigu que les serveurs américains. La solution : utiliser les modèles open source chinois en auto-hébergement (via n8n self-hosted ou un serveur dédié OVHcloud), ou les réserver aux tâches sans données sensibles.

L'architecture multi-modèles : la stratégie qui transforme la guerre des prix en avantage concurrentiel

La véritable opportunité pour les PME n'est pas de choisir un seul fournisseur — c'est de combiner les modèles en fonction de chaque tâche. C'est exactement ce que permet une architecture multi-modèles orchestrée par Make.com ou n8n. Le principe : chaque étape de vos workflows utilise le modèle le plus adapté en termes de rapport performance-prix. Un exemple concret : un workflow de prospection commerciale qui qualifie 200 leads par semaine. Étape 1, enrichissement des données LinkedIn : GPT-5.6 Luna à 0,20 $/M tokens — tâche de volume, pas besoin de raisonnement avancé. Étape 2, analyse du profil et scoring : Claude Sonnet 5 à 2 $/M tokens — raisonnement structuré nécessaire pour évaluer l'adéquation. Étape 3, rédaction d'emails personnalisés : DeepSeek V4 Flash auto-hébergé — zéro coût API, qualité comparable. Coût total : environ 8 € par mois pour 200 leads qualifiés, contre 40 à 60 € avec un seul modèle premium sur toute la chaîne. L'économie est de 80 % — et la qualité est identique voire supérieure, parce que chaque tâche utilise le modèle pour lequel il excelle.

Trois actions concrètes pour profiter de la baisse des prix IA dès cette semaine

• Auditez vos coûts IA actuels : listez chaque workflow qui utilise un modèle IA (chatbot, traitement de documents, génération de contenu, qualification de leads). Pour chacun, notez le modèle utilisé, le volume de tokens mensuel et le coût. Si vous utilisez un seul modèle premium pour tout, vous surpayez probablement 60 à 80 % de vos tâches.
• Basculez les tâches de volume vers les modèles économiques : classification d'emails, extraction de données de factures, résumés de documents, génération de variantes de texte — ces tâches ne nécessitent pas un modèle à 5 $/M tokens. GPT-5.6 Luna à 0,20 $ ou DeepSeek V4 Flash à 0,14 $ produisent des résultats équivalents pour ces cas d'usage. Sur Make.com, changer de modèle dans un module IA prend 30 secondes.
• Profitez du tarif promotionnel Claude Sonnet 5 avant le 31 août : Anthropic maintient son tarif réduit de 2 $/10 $ par million de tokens jusqu'à fin août — il passera à 3 $/15 $ le 1er septembre. Si vous avez des workflows d'analyse documentaire ou de raisonnement à mettre en place, c'est le moment de les configurer et d'ancrer votre usage avant la hausse. Le rapport qualité-prix de Sonnet 5 à 2 $ est imbattable pour le raisonnement structuré en français.

Ce que cette guerre des prix annonce pour les 12 prochains mois

La tendance est structurelle et s'accélère. En janvier 2025, le modèle IA le moins cher coûtait environ 3 $ le million de tokens. En août 2026, il coûte 0,14 $ — une division par 20 en dix-huit mois. Les analystes de Capgemini prévoient que le coût moyen par tâche IA en entreprise baissera encore de 40 à 60 % d'ici mi-2027, sous l'effet combiné de l'optimisation matérielle (puces spécialisées d'AMD, Intel et les TPU de Google), de la concurrence des modèles open source, et de la course aux volumes des grands fournisseurs. Pour les PME, cela signifie que les cas d'usage IA qui n'étaient pas rentables il y a six mois — analyser chaque avis client, personnaliser chaque relance commerciale, traduire chaque document technique — deviennent économiquement viables. Le coût n'est plus la barrière. La barrière, c'est l'architecture : savoir quel modèle utiliser pour quelle tâche, comment les connecter à vos outils métier, et comment superviser l'ensemble. C'est précisément le rôle d'un intégrateur IA spécialisé PME.

Comment Lesage.AI construit des architectures multi-modèles à coût maîtrisé pour les PME

Chez Lesage.AI, nous concevons des workflows IA qui exploitent cette guerre des prix au bénéfice de nos clients PME. Notre approche repose sur un principe simple : chaque euro investi en IA doit produire un retour mesurable. Concrètement, nous auditons vos processus, identifions les 3 à 5 tâches les plus consommatrices de temps, et construisons une architecture multi-modèles sur Make.com ou n8n qui affecte le modèle le plus efficient à chaque étape. Résultat moyen constaté : nos clients PME dépensent entre 30 et 80 € par mois en infrastructure IA (API + plateforme d'orchestration), contre 200 à 500 € pour un abonnement monolithique type ChatGPT Work ou Copilot. Le gain de temps moyen est de 12 heures par semaine par équipe, avec un retour sur investissement atteint en 2 à 4 semaines. Et parce que l'architecture est modulaire, quand un nouveau modèle sort — comme DeepSeek V4 Flash cette semaine — nous l'intégrons en moins d'une heure dans vos workflows existants, sans refaire votre infrastructure. Vous bénéficiez automatiquement de chaque baisse de prix du marché.