Le 22 septembre 2026, trois annonces sont tombées dans la même journée. Qualcomm a dévoilé le Snapdragon 8 Elite Gen 6, gravé en 2 nanomètres, capable de faire tourner un modèle de 30 milliards de paramètres directement sur un smartphone, sans réseau. Anthropic a livré Claude Opus 5.5 à 4 $ par million de tokens en entrée et 20 $ en sortie, soit 40 % de moins qu’Opus 5 sur une charge typique. OpenAI a répondu dans les 90 minutes avec GPT-6 Sol à 2 $ / 10 $, et son petit frère GPT-6 Luna descend à 0,10 $ / 0,50 $. Trois signaux qui pointent dans la même direction : le vrai arbitrage IA de 2026 n’est plus « quel modèle utiliser » mais « où le faire tourner ».
Chiffres vérifiés fin septembre 2026 à partir des annonces publiques de Qualcomm, Anthropic, OpenAI et Apple.
Quatre étages d’inférence désormais disponibles
Depuis WWDC 26 en juin dernier, iOS 26 embarque le framework Foundation Models. Il donne à toute application iOS un accès direct au modèle Apple Intelligence de 3 milliards de paramètres. Pas de clé API, pas de facture au token, pas d’aller-retour réseau, aucune donnée qui quitte l’appareil. Trois lignes de Swift suffisent pour ouvrir une session. Côté Android, le Snapdragon 8 Elite Gen 6 dévoilé le 22 septembre promet de faire tourner jusqu’à 30 milliards de paramètres hors ligne sur les téléphones Honor, OnePlus, Xiaomi, OPPO et vivo attendus cet automne. Le NPU Hexagon Element gère une fenêtre de contexte de 32 000 tokens et améliore de 80 % la vitesse de préremplissage sur certains modèles.
En parallèle, l’edge continue de descendre en prix. Cloudflare Workers AI répartit désormais l’inférence sur plus de 275 points de présence, avec un temps de démarrage à froid sous la milliseconde. Le cloud dit « frontière », lui, taille aussi dans ses tarifs : sur un cache hit, Opus 5.5 tombe à 0,20 $ le million de tokens, soit 60 % de moins qu’auparavant. GPT-6 Luna, la version économique d’OpenAI, s’affiche à 0,10 $ / 0,50 $, l’un des tarifs les plus bas jamais proposés par le laboratoire.
Résultat : quatre étages coexistent, chacun avec sa logique économique et son cas d’usage.
- Sur l’appareil, gratuit. Foundation Models sur iOS pour un modèle 3B, NPU Snapdragon pour Android jusqu’à 30B. Zéro token facturé, zéro réseau requis, zéro donnée sortie.
- À l’edge, quelques centimes du million. Workers AI, providers spécialisés, contexte partagé avec vos bases métier proches géographiquement.
- Cloud milieu de gamme. GPT-6 Luna à 0,10 $ / 0,50 $, Sol à 2 $ / 10 $, la puissance suffisante pour des tâches ouvertes courantes.
- Cloud frontière. Opus 5.5, GPT-6 Astra, le raisonnement complexe à 4 à 50 $ le million.
Ce que ça change dans un produit
Il y a un an, on branchait GPT-4 pour tout, parce que c’était le seul modèle qui tenait la route sur les tâches ouvertes, et on absorbait la facture. En 2026, ce réflexe coûte cher pour rien. Une classification de ticket support, une extraction de champ dans un formulaire, la reformulation d’une phrase, la détection d’un sentiment : le modèle 3B embarqué d’Apple s’en sort très bien. On voit cette bascule dans les projets qu’on suit : les tâches contraintes descendent vers l’appareil ou l’edge, les tâches ouvertes remontent vers le cloud frontière quand elles en valent le prix.
Le raisonnement n’est plus « utiliser l’IA ou pas ». Il est devenu « quel étage pour quelle intention ». Un guide vocal dans un appareil connecté, sans réseau garanti ? On reste sur l’appareil. Un moteur de recommandation qui doit croiser plusieurs centaines de milliers d’articles ? Direction l’edge, avec du RAG. Un assistant qui doit expliquer une facturation complexe à un utilisateur pressé ? Un cloud frontière justifie sa facture.
Ce découpage a aussi une dimension réglementaire qu’il faut regarder tôt. L’inférence sur l’appareil ne fait pas sortir de donnée, donc pas de transit international à documenter dans le registre RGPD. Sur l’edge, on peut choisir la zone où la requête est traitée. Sur le cloud frontière, on hérite des conditions du fournisseur, y compris les zones de rétention et les politiques d’entraînement complémentaire. Ce n’est pas le même dossier de conformité, ni le même discours à tenir à vos utilisateurs.
Une méthode simple pour arbitrer
Sur Fillzz, notre comparateur de prix carburant, on gère 380 000 stations et 400 millions de prix traités avec un SLA à 99,9 %. On n’appelle pas un modèle frontière pour dire à un utilisateur que la station la plus proche est à 200 mètres : c’est un problème de tri, pas de raisonnement. Sur un projet client comme Car AI, en revanche, expliquer un code défaut OBD2 en langage clair à un conducteur qui panique, ça mérite un modèle sérieux. La règle qu’on applique tient en trois questions.
Une tâche contrainte, sans besoin de réseau, va sur l’appareil. Une tâche contrainte qui doit croiser une base métier va à l’edge. Une tâche ouverte de complexité moyenne va sur du milieu de gamme (Luna, Sol, Haiku). Une tâche ouverte à fort raisonnement va sur le frontière, en assumant le coût. La question à se poser n’est pas « quel modèle est le meilleur », mais « quel est le plus bas étage où cette tâche marche bien ».
Ce qu’on retient pour un dirigeant
Trois choses à garder en tête. D’abord, un budget IA en 2026 ne se raisonne plus à l’échelle du produit, mais à l’échelle de la fonctionnalité. Additionner « on a activé l’IA » sur toute une application fait exploser la facture sans raison. Mesurer le coût par intention utilisateur est devenu un exercice de base. Ensuite, l’inférence sur l’appareil est passée du statut de démonstration technique à celui d’option de production sérieuse. Sur iOS, c’est déjà là depuis WWDC. Sur Android, ça arrive dans les téléphones qui sortent au quatrième trimestre 2026. Une feuille de route produit qui ignore ce niveau se prive d’un levier gratuit. Enfin, la commoditisation du cloud frontière (Opus 5.5 à moins 40 %, GPT-6 Sol à moitié prix) ne rend pas obsolètes l’appareil ni l’edge : elle rend simplement le mauvais choix d’étage plus visible dans les comptes.
Le bon réflexe à prendre cette semaine : sortir la liste de vos appels IA en production, coller à côté le coût mensuel, et vous demander pour chacun s’il ne pourrait pas descendre d’un étage. La plupart peuvent. Et sur les nouveaux projets qu’on démarre, on part désormais du bas de la pile, pas du haut. Le cloud frontière reste indispensable, mais il n’est plus la porte d’entrée par défaut.
Si vous voulez confronter votre propre inventaire d’appels IA à cette grille, on prend une heure avec vous. C’est souvent là qu’on trouve les premières lignes de facture à ranger correctement.