Le revirement d'OpenAI sur le shopping pourrait compliquer sa stratégie en entreprise

OpenAI a mis Sora en retrait pour sa stratégie entreprise

OpenAI a décidé de mettre en retrait Sora, son modèle de génération vidéo, dans le cadre d'un repositionnement stratégique vers le marché entreprise. Malgré un lancement remarqué et un succès viral indéniable, le produit ne s'inscrit plus dans les priorités immédiates de la société de Sam Altman. Ce choix illustre une tension structurelle qui traverse OpenAI : entre les produits grand public spectaculaires et les offres B2B rentables. En ciblant davantage les entreprises, la société cherche à sécuriser des revenus récurrents et prévisibles, indispensables pour financer une infrastructure de calcul colossale. Les clients professionnels exigent fiabilité, sécurité des données et intégrations robustes, pas nécessairement des démos impressionnantes sur les réseaux sociaux. La raison technique avancée est directe : Sora consomme trop de puissance de calcul pour être maintenu activement en parallèle des priorités stratégiques. La génération vidéo par IA est notoirement gourmande en GPU, et chaque token visuel représente un coût significatif. Dans un contexte où OpenAI alloue ses ressources de calcul à ses modèles phares, GPT-4o, o3 et les futures itérations, Sora devient un luxe difficile à justifier opérationnellement. Cette décision signale un virage de maturité pour OpenAI : la phase de démonstration technologique laisse place à la discipline industrielle. Les projets qui ne contribuent pas directement à la stratégie entreprise, même ceux ayant généré un fort engouement public, sont désormais susceptibles d'être mis en veille ou réorientés.

Fujitsu intègre OpenAI à sa stratégie IA pour les entreprises japonaises

Le 27 mai 2026, Fujitsu a officialisé un partenariat stratégique avec OpenAI pour intégrer ChatGPT Enterprise et Codex à ses services destinés aux entreprises japonaises. Le géant technologique, qui compte parmi les plus grands groupes IT du pays, prévoit de déployer ces outils aussi bien en interne que dans ses offres clients. Les équipes de développement logiciel, de gestion de projets, d'opérations et de livraison de services seront les premières concernées. Fujitsu cible en priorité trois secteurs : l'industrie manufacturière, la santé et la pharmacie, des domaines soumis à une pression croissante sur l'efficacité opérationnelle et l'automatisation des processus. Ce partenariat répond à une question devenue centrale pour les grandes entreprises : comment faire de l'IA une véritable infrastructure métier plutôt qu'une vitrine technologique ? Pour y répondre, Fujitsu s'appuie sur son modèle FDE (Forward Deployed Engineer), une méthode de travail qui associe étroitement experts sectoriels, ingénieurs et clients pour identifier rapidement des cas d'usage exploitables. En combinant cette approche terrain avec les modèles d'OpenAI, le groupe vise à réduire le fossé persistant entre démonstrations technologiques et création réelle de valeur. L'objectif affiché est de construire un modèle de collaboration entre employés et agents IA capable de standardiser des tâches complexes et d'accélérer les cycles de décision. La cybersécurité constitue un second axe prioritaire : face à la multiplication des menaces et à la complexité des infrastructures critiques, Fujitsu entend développer des dispositifs de cyberdéfense hybrides où humains et IA travaillent conjointement pour améliorer la détection et la vitesse de réponse aux incidents. Ce rapprochement s'inscrit dans un contexte japonais particulier : le vieillissement démographique accéléré et la pénurie structurelle de talents techniques font de l'automatisation intelligente un enjeu économique de premier ordre pour les industriels du pays. Fujitsu dispose d'une implantation historique profonde dans le tissu industriel japonais, ce qui lui confère un avantage réel pour déployer des solutions à grande échelle. Du côté d'OpenAI, ce partenariat confirme une stratégie d'expansion agressive vers les marchés enterprise en Asie, après des accords similaires avec des acteurs majeurs en Europe et aux États-Unis. L'alliance illustre aussi une tendance de fond : les éditeurs d'IA générative ne cherchent plus à vendre des modèles bruts, mais à s'ancrer dans des écosystèmes sectoriels via des partenaires locaux disposant de la légitimité et de la connaissance métier que les modèles seuls ne peuvent pas apporter.

💬 Le contexte japonais, ça change la lecture. Pénurie structurelle de talents, démographie qui s'effondre : les industriels là-bas n'ont pas cinq ans devant eux pour tâtonner avec l'IA. Ce qui m'intéresse dans ce deal, c'est le modèle FDE, cette méthode d'embarquer des ingénieurs directement chez les clients pour trouver les cas d'usage qui tiennent en prod, pas ceux qui brillent en démo.

OpenAI abandonne ses paris ratés et se concentre sur les entreprises

OpenAI opère un virage stratégique majeur, abandonnant plusieurs initiatives jugées peu rentables pour concentrer ses efforts sur la monétisation rapide de son activité. La société a notamment mis en retrait l'application vidéo Sora, fait marche arrière sur l'intégration du paiement directement dans ChatGPT, et lance une offensive commerciale ciblant les entreprises via le recrutement d'« ambassadeurs techniques ». Ce recentrage intervient dans un contexte de pression croissante sur la rentabilité d'OpenAI, qui se prépare à une prochaine entrée en Bourse. La période d'expérimentation tous azimuts semble révolue : la priorité est désormais de rationaliser les coûts et de générer des revenus prévisibles, notamment via le déploiement d'agents IA auprès des clients entreprises, segment à plus forte valeur que le grand public. La stratégie de ces « ambassadeurs techniques » vise à accompagner les entreprises dans l'adoption concrète des agents d'OpenAI, signalant un pivot vers une approche plus commerciale et orientée B2B. L'abandon du paiement intégré dans ChatGPT suggère que la monétisation directe auprès des consommateurs s'est révélée moins porteuse qu'anticipé, tandis que les grandes organisations restent la cible prioritaire. Cette rationalisation traduit une maturité forcée pour OpenAI : après des années d'innovation débridée financée par des levées de fonds colossales, l'heure est au pragmatisme économique. Le marché surveillera de près si cette discipline retrouvée suffira à justifier la valorisation attendue lors de l'introduction en Bourse.

5 stratégies pour maîtriser les coûts liés à l'IA en entreprise

Le PDG de Snowflake, Sridhar Ramaswamy, a reconnu publiquement lundi, lors de la conférence annuelle de son entreprise à San Francisco, que les dépenses en intelligence artificielle représentent une source d'inquiétude croissante, même pour les plus grands acteurs du secteur. Snowflake, cliente d'Anthropic, d'OpenAI et d'autres fournisseurs, fait partie des entreprises qui ont développé des stratégies concrètes pour maîtriser ces coûts. Parmi les méthodes les plus répandues, les routeurs de modèles permettent d'orienter automatiquement chaque tâche vers le modèle le moins cher adapté à la situation : Snowflake et Palo Alto Networks ont conçu leurs propres routeurs, et une startup du BTP a utilisé Claude d'Anthropic pour construire le sien, sans que l'outil ne favorise les modèles Anthropic pour autant. L'éditeur de logiciels UiPath a quant à lui réduit de plus de 90 % les coûts de certaines tâches grâce au prompt engineering, en limitant simplement la phase de "réflexion" du modèle avant exécution, selon son directeur de la sécurité Scott Roberts. D'autres entreprises fixent des plafonds de tokens par employé ou réservent les modèles avancés aux profils techniques : chez Zscaler, les ingénieurs logiciels accèdent à OpenAI Codex, mais pas les équipes commerciales ou juridiques. Ces arbitrages traduisent une prise de conscience généralisée : l'accès illimité aux modèles les plus puissants peut générer des factures incontrôlables sans garantir un retour sur investissement proportionnel. Le vice-président de Zscaler Dhawal Sharma résume la philosophie émergente : "utiliser un très grand modèle pour résoudre un problème simple est un mauvais usage des ressources." Chez Novo Nordisk, l'analyse de données issues d'essais cliniques via Claude d'Anthropic a conduit les équipes à réaliser que la version standard du modèle suffisait dans de nombreux cas, ouvrant la voie à des économies substantielles. Plus largement, certaines entreprises choisissent de revenir à des logiciels traditionnels, plus adaptés aux tâches structurées et répétitives, plutôt que de systématiser le recours à l'IA. Cette rationalisation intervient alors que les fournisseurs de modèles continuent d'augmenter leurs tarifs, alimentant un débat intense sur la rentabilité réelle de l'IA en entreprise. Les directions informatiques se retrouvent à arbitrer entre la demande des équipes métiers, désireuses d'accéder aux outils les plus performants, et la nécessité de contenir les budgets. Des solutions tierces comme OpenRouter, qui proposent du routage à la demande, commencent à structurer un marché naissant de l'optimisation des coûts IA. À mesure que la concurrence s'intensifie entre fournisseurs, une baisse mécanique des prix est attendue, mais d'ici là, les entreprises qui maîtrisent l'ingénierie des coûts IA pourraient transformer cette contrainte en avantage compétitif durable.