Bruxelles, 2 novembre 2026
Vendredi 30 octobre, le Nasdaq a perdu 2,86 %, sa pire séance depuis juin, et a conclu son plus mauvais mois depuis le printemps 2025 ; le S&P 500 a reculé de 1,82 % et le Dow Jones de 1,09 %. Le Monde rapporte que les résultats des grandes entreprises du secteur de l’intelligence artificielle ont déçu les investisseurs toute la semaine, et que des inquiétudes sur la rentabilité de leurs investissements massifs ont accompagné ce repli. Vendredi, l’action Intel a perdu près de 30 % après la publication de ses résultats trimestriels, la plus grosse baisse de son histoire. L’entreprise anticipe une baisse des ventes d’ordinateurs personnels. Le quotidien rattache cette anticipation à l’augmentation du prix des semi-conducteurs, « que tous les acteurs de l’IA s’arrachent ».
The Decoder EN écrit que les formules Plus, Pro et Business de ChatGPT partageront un budget unique de tokens entre ChatGPT et Codex, que les modèles et les tâches plus complexes épuisent plus vite. Les conversations avec les modèles Instant n’y comptent pas, et à la limite l’utilisateur doit attendre une remise à zéro, changer de formule ou acheter des crédits. Sur le papier, ajoute le média, ChatGPT reste un forfait ; l’usage intensif sur les formules moins chères donnera probablement des résultats de moindre qualité.
The Decoder EN décrit un second plafond, présenté par OpenAI comme des mesures de sécurité : le nombre de comptes payants par appareil et par carte de paiement est limité sur ChatGPT Go, Plus, Pro 100, Pro 200 et Pro 500. Le message « Device limit reached » bloque le compte sur l’appareil, et se déconnecter ne libère pas automatiquement de place. Les comptes gratuits et les formules Business, Enterprise et Edu ne comptent pas dans cette limite. OpenAI renvoie vers l’achat de crédits ou de remises à zéro, en général plus chers qu’un abonnement supplémentaire selon The Decoder. Le média juge que ces limites viseront probablement ceux qui alternent plusieurs comptes à bas prix ; il écrit qu’OpenAI « semble » faire passer les revenus avant la croissance.
Chez OpenAI, les tokens deviennent le budget de l’abonné ; chez Claude Code, Flamerix et Anthropic chiffrent la part de jetons consommée par des résumés automatiques. Numerama rapporte que Flamerix AI a publié un script pour désactiver les résumés automatiques de Claude Code, qu’elle estime responsables de 15 à 20 % des jetons consommés : pour générer toutes les 30 secondes une étiquette de quelques mots, l’outil renverrait au modèle l’historique complet de chaque agent actif. Anthropic confirme ce mécanisme, mais en évalue le coût à environ 2 % via l’API et 6 % dans le terminal, et a commencé à déployer un correctif qui passe par le cache.
Google annonce des tâches finies avec moins de tokens ; les chercheurs d’Adobe et de San Diego annoncent de meilleurs résultats pour environ dix fois plus de calcul. Au Android Dev Summit, Google dit que ses nouveaux outils en ligne de commande, disponibles aussi comme extension pour Claude Code, Codex et Antigravity, ont permis à des agents de finir des tâches d’interface 77 % plus vite avec jusqu’à trois fois moins de tokens, selon des tests internes rapportés par The Decoder EN ; dans un test A/B avec Claude Opus 5.5, ces mêmes outils ont aussi permis de trouver et de corriger des fuites de mémoire presque deux fois plus vite, avec environ 25 % de tokens en moins. Son classement Android Bench 2.0 évalue les modèles sur la fonctionnalité, le temps et le coût.
Des chercheurs d’Adobe Research et de l’université de Californie à San Diego ont construit EditAgent, un agent de retouche qui donne de meilleurs résultats que sept autres agents au prix d’environ dix fois plus de calcul qu’un éditeur seul. Sur 600 retouches notées à l’aveugle par cinq professionnels, l’éditeur généraliste testé échouait dans 42,7 % des cas ; l’agent a aussi produit environ 26 000 exemples vérifiés qui améliorent des éditeurs plus rapides. The Decoder EN présente la prépublication et écrit que cela pourrait rentabiliser ce coût à terme.
Deux travaux académiques partent du coût quadratique de l’attention. arXiv EN PREPRINT du 29 octobre rapporte qu’une équipe a comparé une couche récurrente à l’attention sur des modèles de 10,94 millions de paramètres jusqu’à 4 096 tokens. La couche récurrente consomme 78,7 % de mémoire vidéo en moins face à une attention non optimisée (1 404,3 Mo contre 6 601,6 Mo), et autant qu’une attention optimisée (1 404,3 Mo contre 1 403,6 Mo). Les auteurs concluent que tout gain annoncé doit nommer l’implémentation à laquelle il se compare. arXiv EN PREPRINT du 30 octobre, d’autres auteurs décrivent une méthode d’attention creuse, sous-quadratique, qu’ils estiment capable de porter les fenêtres de contexte effectives à des centaines de millions ou des milliards de tokens.
ChatGPT décompte des tokens sur un serveur ; Survival LLM, gratuit et sans requête extérieure, n’a pas de budget à décompter, et ses auteurs donnent sa dépense en gigaoctets, en watts et en réponses justes sur 22. À l’autre extrémité, Numerama présente Survival LLM, assistant gratuit et libre dont la version 0.3.4 date du 27 octobre. Il tourne sur l’ordinateur sans requête extérieure. Un modèle de 80 Go va à un Mac d’au moins 128 Go de mémoire, un modèle de 6 Go aux machines de 16 à 31 Go. Au test de ses développeurs sur 22 questions de sécurité et de premiers secours, les modèles les plus puissants ont répondu juste 21 fois, celui des machines de 16 à 31 Go, 14. Chaque réponse prend de 5 à 40 secondes à environ 100 watts sur un MacBook Pro.
— John Linotte · Section des Billets · Bruxelles · mmxxvi