ChatGPT Pro et agents IA : la nouvelle fracture économique

Le savoir issu de l’IA ne coûte presque plus rien. En revanche, le travail autonome d’un agent IA représente un budget considérable, et tout le monde n’y a pas accès. L’intelligence artificielle ne sépare plus ceux qui savent de ceux qui ignorent : elle sépare désormais ceux pour qui des machines tournent la nuit de tous les autres.

Le mot « robot » a des origines tchèques. Josef Čapek l’avait suggéré à son frère Karel pour sa pièce « R.U.R. » en 1920, en le tirant de la « robota », la corvée féodale effectuée du matin au soir sur la terre d’autrui. Plus d’un siècle plus tard, cette étymologie refait surface avec une précision déconcertante. La corvée est désormais accomplie par la machine, et pour s’offrir ses services, il suffit d’une carte bancaire au plafond suffisant.

Le 29 septembre 2026, après la DevDay d’OpenAI, la grille tarifaire de ChatGPT a pris une dimension très nette avec ses différents paliers : Free, Plus (environ 17,89 EUR / 20 USD), Pro 200 (environ 178,88 EUR / 200 USD) et le nouveau Pro 500 à environ 447,19 EUR (500 USD) par mois (conversions indicatives au taux BCE du 12 octobre 2026 : 1 EUR = 1,1181 USD, source : ecb.europa.eu). Au rez-de-chaussée, un chat interactif qui répond à chaque question. Tout en haut, le mode Ultrafast, un quota d’utilisation 25 fois supérieur à l’offre Plus, et des agents autonomes intégrés comme Codex ou ChatGPT Work.

Pendant trois ans, nous avons répété que l’IA était la technologie la plus démocratique de l’histoire, offrant le même modèle au grand public et aux dirigeants de multinationales. Ce récit a changé : non pas parce que l’accès au chat a été retiré, mais parce que les entreprises et les utilisateurs fortunés peuvent désormais acquérir une capacité de travail autonome que le simple dialogue ne fournit pas.

La grille tarifaire comme miroir économique

Pour dépasser les simples impressions, il faut regarder les chiffres. Aux États-Unis, par exemple, le salaire minimum fédéral de 7,25 dollars par heure correspond à environ 1 256,67 dollars brut par mois (sur la base de 40 heures par semaine et 52 semaines par an). Un abonnement de 500 dollars (environ 447,19 EUR) représente ainsi 39,8 % de ce revenu brut mensuel, soit environ 69 heures de travail payées au taux minimum fédéral (source : U.S. Department of Labor, vérifié en octobre 2026). Même si de nombreux États américains appliquent des salaires minimaux plus élevés, cela illustre l’écart entre la base de l’échelle des revenus et le coût des outils avancés.

À l’inverse, rapporté au salaire horaire moyen du secteur privé américain (37,75 dollars en août 2026 selon le BLS), ce montant de 500 dollars ne représente qu’environ 8 % d’un revenu mensuel moyen. L’effort financier dépend directement du pouvoir d’achat : ce qui constitue un investissement anodin pour une entreprise ou un cadre devient un budget équivalent à un loyer pour d’autres.

Au rez-de-chaussée : la connaissance presque gratuite

Il faut d’abord reconnaître ce que l’IA a réussi : le coût d’accès à la connaissance s’est effondré comme rarement dans l’histoire économique. Selon les calculs publiés en septembre 2026 par Epoch AI, le coût pour atteindre un niveau donné de capacités de modèle a diminué d’environ 47 % par trimestre depuis 2023, soit une division par 13 en un an. OpenAI a par ailleurs rendu les échanges textuels illimités accessibles aux comptes gratuits (TechCrunch, 6 août 2026).

Ce phénomène se vérifie dans mes propres bancs d’essai. Lors de mon test comparatif de rédaction (effectué sur des invites en polonais, traduites ici à titre d’illustration pour neuf tâches rédactionnelles), GPT-6 Luna a réalisé l’ensemble des tâches pour 0,002 dollar (environ 0,0018 EUR) et a obtenu un score de 82,8 sur 100. Le premier du classement, Claude Opus 5.5, a atteint 90,1 points pour un coût de 0,2479 dollar (environ 0,2217 EUR). Pour seulement 7,3 points d’écart, la différence de coût est d’environ 124 fois (0,2479 contre 0,002 dollar). Pour un étudiant qui veut comprendre un concept ou une petite entreprise qui rédige un devis, cet écart de performance est négligeable par rapport à la gratuité quasi totale.

Si l’IA n’était qu’une immense bibliothèque universelle, l’histoire s’arrêterait ici. Les bibliothèques publiques réduisent les inégalités parce qu’un livre ne se lit pas plus vite entre les mains d’un milliardaire. Andrew Carnegie, le magnat de l’acier qui a financé plus de deux mille cinq cents bibliothèques publiques, croyait fermement que le livre gratuit était le meilleur ascenseur social. Les ouvriers de ses aciéries de Homestead, où une grève fut réprimée en 1892, voyaient toutefois les choses autrement. Carnegie offrait des livres ; il ne distribuait pas les usines.

L’industrie de l’IA reproduit exactement cette logique aujourd’hui.

Au sommet : une force de travail active 24h/24

L’IA cesse d’être une simple bibliothèque pour devenir une chaîne de production. Lors de sa DevDay, OpenAI a présenté Dots, des agents permanents. Chaque Dot dispose d’un environnement informatique dans le cloud, s’interface avec plusieurs milliers d’applications, surveille les courriels, gère les agendas et mène des projets de manière autonome, même en l’absence de saisie directe. L’assistance officielle d’OpenAI indique clairement que le Dot prend en charge des tâches en continu et progresse entre les sessions.

La distinction fondamentale est là : la connaissance répond à une question posée, tandis que le travail consomme du temps continu. Un agent qui traite des retours clients la nuit, ajuste du code informatique et prépare des factures utilise de la puissance de calcul heure après heure. Même si le coût du jeton diminue, la consommation d’un agent autonome est infiniment plus élevée que celle d’un dialogue classique. Le préprint « The Price of Intelligence », mis en ligne sur arXiv en septembre 2026, souligne ce constat : alors que le prix unitaire du jeton baisse, le coût moyen d’une tâche complexe terminée ne décroît plus nécessairement au même rythme, car les modèles avec raisonnement avancent en générant beaucoup plus de jetons intermédiaires.

La tarification d’OpenAI reflète cette dynamique. Selon la documentation officielle vérifiée en octobre 2026, les formules Pro se déclinent en Pro 100 (100 USD / env. 89,44 EUR), Pro 200 (200 USD / env. 178,88 EUR) et Pro 500 (500 USD / env. 447,19 EUR). Le premier Dot est inclus pour les utilisateurs éligibles de ces forfaits Pro et pour Business Premium (le palier à 500 dollars ne constitue donc pas un prix d’entrée minimal absolu ni une redevance obligatoire séparée pour les agents). Toutefois, ces multiplicateurs d’allocation ne représentent pas des heures de machine productives garanties : la consommation réelle varie fortement selon le modèle sollicité, les phases de raisonnement, la taille du contexte, les outils connectés et la vitesse d’exécution. Dépenser plus offre une capacité supérieure, sans certitude arithmétique de productivité linéaire.

L’inégalité dans l’accès aux agents peut se figer en systèmes de domination.

Nick Srnicek, King’s College London, auprès de Rest of World, 26 mai 2026

Les entreprises adaptent déjà leurs budgets. Jensen Huang, dirigeant de Nvidia, estimait en mars 2026 qu’un ingénieur au salaire élevé devait pouvoir consommer des montants très importants en jetons IA pour maximiser sa valeur (R&D World, 24 mars 2026). Selon Forbes, Uber a épuisé une part majeure de son budget IA annuel en quatre mois sur Claude Code (17 mai 2026), avant d’instaurer un plafond mensuel de 1 500 dollars par outil et par salarié (TechCrunch, 2 juin 2026).

L’écart est mis en lumière par l’indice Ramp AI Index de juin 2026 : le premier centile des entreprises dépense en moyenne environ 7 450 dollars (env. 6 663,09 EUR) par employé et par mois pour l’IA, contre une valeur médiane de 11,38 dollars (env. 10,18 EUR). C’est un rapport d’environ 655 fois (7 450 contre 11,38 USD). La médiane utilise le chat ; l’élite finance une force d’exécution automatisée.

L’Europe et les restrictions d’accès

La question de l’accès géographique complexifie la situation. Selon la documentation officielle d’OpenAI (« Getting started with your dot », 29 septembre 2026), le déploiement grand public des Dots dans les forfaits Pro exclut actuellement l’Espace économique européen (EEE), la Suisse et le Royaume-Uni. En revanche, l’offre d’entreprise Business Premium mentionne la prise en charge des Dots dans l’ensemble des régions où ChatGPT est officiellement disponible.

OpenAI n’a pas explicité officiellement les raisons de cette exclusion géographique pour les comptes individuels. Plusieurs observateurs du secteur évoquent les exigences réglementaires européennes relatives aux données et aux services numériques, mais il s’agit d’analyses externes non confirmées par le fournisseur. En pratique, sur le sol européen et en Suisse, l’accès à ces agents autonomes permanents reste pour l’instant l’apanage des structures souscrivant aux solutions professionnelles adaptées.

Ce décalage accentue les disparités d’adoption. D’après Eurostat, en 2025, seulement 20 % des entreprises de dix salariés ou plus au sein de l’Union européenne utilisaient l’intelligence artificielle, avec de fortes variations internes (jusqu’à 42 % au Danemark, contre moins de 10 % dans certains pays d’Europe centrale). L’accès aux outils grand public est désormais global, mais l’intégration professionnelle d’agents autonomes reste concentrée.

Cette concentration s’observe également au niveau mondial. Dans son Economic Index de mars 2026, Anthropic a noté que les 20 pays affichant la plus forte utilisation par habitant représentaient 48 % de l’usage global, contre 45 % précédemment. De son côté, Microsoft relevait un écart croissant d’adoption entre les économies avancées et les marchés émergents. Dès janvier 2024, Kristalina Georgieva, directrice générale du FMI, prévenait que l’IA risquait d’accroître les inégalités économiques globales : une projection qui se matérialise aujourd’hui dans les modèles de facturation.

Les alternatives : modèles ouverts et exécution locale

Face à cette centralisation, des contrepoids techniques existent, portés par l’écosystème open-weights et l’exécution locale.

Les modèles ouverts permettent de réduire drastiquement les coûts opérationnels. Par exemple, Xiaomi MiMo-V2.6-Pro, distribué sous licence MIT, réalise selon Artificial Analysis une tâche type de leur référence pour 0,13 dollar, soit 46 fois moins cher qu’un modèle propriétaire comme Opus 5.5 max. Lors de mon propre protocole d’évaluation (conduit avec des invites en polonais, adaptées ici), il a obtenu 69,1 points pour trois centimes de dollar sur treize tâches rédactionnelles. De même, DeepSeek V4.1 Flash propose sur sa grille officielle des tarifs de 0,15 dollar par million de jetons en entrée et 0,60 dollar en sortie en période creuse. Des agents personnalisés peuvent ainsi tourner à des coûts API très réduits.

L’autre voie réside dans l’IA locale. En septembre, j’ai testé sept modèles directement sur ma carte graphique personnelle (détails dans mon analyse modèle local ou API). Le modèle Gemma 4 12B a obtenu 72,3 points (dépassant le score de Claude Haiku 4.5 payant sur ce même banc de test) tout en tenant dans 8 Go de mémoire vidéo, pour un coût électrique négligeable. Pour qui dispose d’un ordinateur récent doté d’un GPU performant, il est tout à fait possible de faire tourner un assistant local sans abonnement mensuel. Précisons toutefois qu’une IA locale ne garantit une parfaite confidentialité que si aucun service ou outil tiers externe ne transmet de données en arrière-plan.

Enfin, l’argument historique rappelle souvent que les fonctions premium d’aujourd’hui finissent par rejoindre les offres de base avec le temps, le coût de l’inférence tendant structurellement à diminuer. Néanmoins, ces solutions ne résolvent pas l’intégralité du problème.

Mettre en place un modèle local sous forme d’agent autonome exige de connecter des API, de configurer l’accès à la messagerie ou au navigateur et de gérer rigoureusement les autorisations de sécurité. Cette intégration technique requiert plusieurs heures de travail spécialisé, là où des solutions commerciales intégrées proposent une activation en quelques clics. La différence ne repose pas seulement sur l’intelligence brute du modèle, mais sur le temps d’ingénierie nécessaire pour rendre l’outil opérationnel sans supervision permanente.

De plus, la baisse future des coûts n’est pas une certitude absolue et n’empêche pas l’écart relatif de subsister : les systèmes de pointe de demain continueront de surpasser les configurations d’aujourd’hui. Comme le soulignait Matthew Sharp (Oxford Martin AI Governance Initiative) auprès de Rest of World, de légers écarts initiaux dans l’efficacité des agents peuvent produire d’importantes divergences économiques à terme, illustrant l’effet Matthieu théorisé par le sociologue Robert Merton en 1968.

Qui finance le travail continu ?

L’IA produit deux effets simultanés : elle élève le niveau de base en offrant à tout un chacun un accès sans précédent à l’information, tout en augmentant le plafond d’efficacité pour ceux qui ont le capital nécessaire pour acheter de la puissance de calcul continue.

Dans son World Development Report 2026, la Banque mondiale souligne que l’IA peut permettre des gains d’efficacité rapides, tout en notant que la fenêtre d’opportunité pour capter ces gains reste étroite face aux effets de réseau où les acteurs les mieux dotés captent l’essentiel de la valeur.

Pour les professionnels et les organisations, ignorer ces évolutions ne permet pas d’économiser, mais risque de creuser un retard d’automatisation face aux structures déjà équipées. Au-delà des abonnements propriétaires, l’expérimentation d’outils locaux et de flux de travail semi-autonomes constitue un moyen précieux d’acquérir les compétences de pilotage de ces nouveaux agents, compétences qui seront indispensables dans les années à venir.