Les revenus d’entreprise d’OpenAI dépassent pour la première fois la moitié de son chiffre d’affaires : 5 signes clés que ChatGPT devient une infrastructure d’entreprise

Note de l’auteur : Brockman confirme que plus de la moitié des revenus d’OpenAI proviennent désormais des entreprises. Cet article retrace cette évolution et analyse ses conséquences concrètes pour les achats des entreprises et les développeurs.

Le 4 novembre 2026, Greg Brockman, cofondateur et président d’OpenAI, a révélé lors de la conférence technologique du Wall Street Journal que plus de la moitié des revenus d’OpenAI proviennent désormais des entreprises. Il a rappelé que la répartition était auparavant d’environ 30 % pour les entreprises et 70 % pour les consommateurs. Les entreprises sont maintenant devenues la principale source de revenus.

Cela ne signifie pas qu’OpenAI abandonne le grand public. Brockman a tenu à préciser que les revenus issus des consommateurs n’ont pas diminué : ils continuent de croître, mais moins vite que ceux des entreprises. Reuters, TechCrunch et le WSJ ont tous rapporté ses propos le 5 novembre.

À retenir : cet article retrace le renversement de la structure des revenus d’OpenAI, distingue plusieurs méthodes de mesure qu’il est facile de confondre et analyse pourquoi l’IA d’entreprise devient le principal moteur de revenus des entreprises qui développent des modèles.

Plus de la moitié des revenus d’OpenAI viennent des entreprises : l’essentiel

Voici les principaux éléments de cette annonce. À noter que Brockman a seulement indiqué « plus de la moitié », sans préciser le pourcentage exact.

Deux précisions méritent d’être soulignées. Premièrement, les 70 % correspondent à la croissance trimestrielle du rythme de revenus annualisé (annualized revenue run rate), et non à une hausse de 70 % du chiffre d’affaires trimestriel audité. Deuxièmement, « I think so » signifie seulement que Brockman estime que l’entreprise pourrait être prête à entrer en Bourse en 2027. Cela ne veut pas dire qu’une date a été fixée ou qu’un dossier a été déposé.

Chronologie de l’évolution des revenus d’OpenAI

Le fait que les revenus provenant des entreprises dépassent désormais la moitié du total ne s’est pas produit du jour au lendemain. D’après les annonces officielles d’OpenAI et les articles de presse, cette évolution s’est faite progressivement sur environ un an.

En mars, OpenAI prévoyait que les revenus provenant des entreprises et du grand public seraient équivalents « à la fin de l’année ». La part des entreprises a finalement dépassé la moitié dès le début novembre. La croissance enregistrée auprès des entreprises au troisième trimestre a donc surpassé les prévisions établies par la société en début d’année.

Avant le rebond des revenus d’OpenAI auprès des entreprises : la pression concurrentielle au premier semestre

Pour comprendre ce retournement dans la structure des revenus, il faut aussi regarder ce qu’OpenAI a traversé au premier semestre. Brockman reconnaît que l’entreprise a connu des difficultés sur le marché professionnel aux premier et deuxième trimestres 2026. Le titre de l’article du WSJ utilisait d’ailleurs le mot « Rough », soit « difficile ».

Le problème se situait principalement du côté de la programmation agentique. Selon Brockman, OpenAI disposait déjà de Codex, mais manquait de visibilité sur ce marché et n’attirait pas assez l’attention. Or, la programmation est l’un des domaines où se concentrent le plus les dépenses des entreprises en IA. Menlo Ventures estime que le marché des applications d’IA pour la programmation représentait environ 34 milliards de dollars en 2026.

Trois facteurs derrière le rebond du troisième trimestre

Brockman attribue le changement observé au troisième trimestre à plusieurs facteurs clés. Il souligne qu’il résulte d’investissements continus, et non d’une transformation survenue du jour au lendemain :

• Amélioration du modèle : la sortie de GPT-5.6 Sol l’a rendu plus utile dans les usages professionnels.
• Lancement de ChatGPT Work : l’« assistant de questions-réponses » est devenu un agent capable d’exécuter des tâches en plusieurs étapes et de livrer des documents et des rapports complets.
• Développement des ventes aux entreprises : Codex Labs, des partenariats avec sept intégrateurs de systèmes internationaux et le lancement de l’OpenAI Partner Network en juin.

La croissance de Codex va aussi dans ce sens. Selon les données officielles, son nombre d’utilisateurs actifs hebdomadaires est passé de 2 millions fin mars à plus de 5 millions début juin. Les travailleurs du savoir en entreprise en représentaient environ un cinquième, et leur nombre augmentait plus de trois fois plus vite que celui des développeurs. À noter que les 5 millions correspondent aux données publiques de juin, et non à un chiffre actualisé en novembre.

Revenus d’OpenAI auprès des entreprises et concurrence avec Anthropic : attention aux périmètres

Quand on parle des revenus d’OpenAI auprès des entreprises, l’erreur la plus fréquente consiste à comparer des chiffres qui ne couvrent pas le même périmètre. Parmi les informations publiques disponibles, on trouve au moins quatre types de données, aux significations très différentes.

En rapprochant ces chiffres, on obtient une vue plus complète de la concurrence. Pour les dépenses des entreprises en API, Menlo estime qu’Anthropic reste en tête : sa part est passée de 40 % l’année précédente à 55 %, tandis que celle d’OpenAI est passée de 27 % à 31 %. Mais selon le WSJ, parmi les entreprises qui achètent les produits des deux fournisseurs, Anthropic captait environ les trois quarts des dépenses en début d’année. En septembre, les deux étaient à peu près à égalité : la position concurrentielle d’OpenAI s’était nettement améliorée.

Ces deux ensembles de données ne se contredisent pas. Le premier est une estimation annuelle pour l’ensemble du marché ; le second montre l’évolution d’un groupe de clients précis. Il reflète justement la vitesse à laquelle OpenAI a rattrapé son retard au second semestre.

Revenus annualisés : deux chiffres, 50 et 70 milliards de dollars

L’estimation des revenus annualisés d’OpenAI prête elle aussi facilement à confusion. Fin septembre, Reuters indiquait que le rythme de revenus annualisé d’OpenAI approchait les 70 milliards de dollars. En octobre, l’agence rapportait que le chiffre de septembre était proche de 50 milliards de dollars. Cela ne signifie pas que les revenus ont « diminué » de 20 milliards de dollars.

La différence vient du traitement comptable des revenus issus des partenaires cloud. Pour certaines ventes réalisées par leur intermédiaire, OpenAI ne comptabilise que la part qui lui revient. Anthropic pourrait, de son côté, comptabiliser en revenus la totalité du montant payé par le client, puis enregistrer la part de la plateforme cloud comme une charge. Le chiffre de 70 milliards présenté plus tôt aux investisseurs reposait sur une comptabilisation similaire en « montant brut », afin de faciliter la comparaison avec Anthropic. Par ailleurs, le rythme de revenus annualisé est une projection annuelle fondée sur les revenus d’une période donnée : il ne correspond pas au chiffre d’affaires effectivement réalisé sur une année complète.

Impact sur les revenus d’OpenAI auprès des entreprises : pourquoi elles ne choisissent pas un fournisseur unique

JPMorgan Chase offre un bon exemple pour comprendre comment les entreprises achètent de l’IA. Lors de la conférence, Brockman a annoncé un partenariat entre OpenAI et JPMorgan Chase autour de Codex et des modèles de cybersécurité d’OpenAI, pour accompagner la transformation de l’entreprise, le travail intellectuel et la protection de ses systèmes internes. D’autres articles indiquent que JPMorgan Chase collabore également avec Anthropic dans le domaine de la cybersécurité.

Pour les grandes entreprises, l’achat de solutions d’IA n’est donc pas un jeu à somme nulle où il faudrait choisir un seul fournisseur. Elles achètent des produits auprès de différents acteurs selon le type de tâche, les capacités des modèles et leurs exigences de sécurité. Pour une entreprise qui développe des modèles, gagner une grande entreprise comme cliente ne signifie pas capter tout son budget. Pour les entreprises clientes, faire appel à plusieurs fournisseurs est une pratique courante pour réduire les risques et optimiser les coûts.

Ce que ça change pour les développeurs

• La coexistence de plusieurs modèles devient la norme : dans un même projet d’entreprise, la programmation, la sécurité et les questions-réponses sur une base de connaissances peuvent chacune faire appel à un modèle différent. Les développeurs doivent pouvoir passer rapidement de l’un à l’autre et les comparer.
• La gestion des coûts gagne en importance : selon Menlo, les dépenses réelles des entreprises en IA ont atteint en moyenne 4,7 fois celles de l’année précédente, alors qu’elles ne prévoyaient qu’une multiplication par 1,9. L’exécution parallèle d’agents et leur fonctionnement continu en arrière-plan sont parmi les principales causes de dépassement du budget.
• La supervision de la qualité reste indispensable : selon Axios, gérer plusieurs flux de travail d’agents à la fois augmente la charge de supervision. Les données et le code produits par les agents doivent toujours être examinés par des spécialistes.

Pour les équipes qui utilisent plusieurs modèles, une interface unifiée peut considérablement réduire les coûts de transition. Voici un exemple minimal d’invocation d’un modèle via une interface compatible avec OpenAI :

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unifiée APIYI, compatible avec OpenAI
)

response = client.chat.completions.create(
    model="gpt-6.1-sol",  # Consulter la liste des modèles de la plateforme pour connaître leur ID
    messages=[{"role": "user", "content": "总结本周销售会议的三个待办事项"}]
)
print(response.choices[0].message.content)

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Une seule clé pour appeler les modèles de plusieurs fournisseurs
)

# Consulter la liste des modèles de la plateforme pour connaître leur ID ; possibilité d'utiliser Claude, Gemini, etc.
MODELS = ["gpt-6.1-sol", "gpt-6.1-terra", "claude-sonnet", "gemini-pro"]

def compare_models(prompt: str):
    """Appeler plusieurs modèles pour une même tâche et relever la durée et l'utilisation des tokens afin d'évaluer les coûts"""
    results = []
    for model in MODELS:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": prompt}],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency": round(time.time() - start, 2),
                "input_tokens": resp.usage.prompt_tokens,
                "output_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content[:120]
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

for r in compare_models("审查这段权限校验逻辑是否存在越权风险：..."):
    print(r)

🚀 Pour commencer : si votre équipe cherche à déterminer quel modèle utiliser pour chaque type de tâche, vous pouvez demander un crédit d’essai gratuit sur APIYI apiyi.com. Utilisez ensuite le même code pour comparer les résultats d’OpenAI, Claude et Gemini sur des données métier réelles, ainsi que leurs coûts en tokens, avant de choisir vos fournisseurs.

La logique de croissance des revenus d’entreprise d’OpenAI : des sièges aux flux de travail

Pourquoi les revenus d’entreprise peuvent-ils croître plus vite que ceux des particuliers ? Parce qu’ils proviennent de plusieurs sources. Les documents de référence distinguent trois niveaux : l’achat direct, le développement et l’invocation du modèle, puis le déploiement dans les flux de travail.

Le plafond des abonnements grand public est relativement clair : un utilisateur paie entre $8 et $200 par mois. Les revenus d’entreprise dépendent, eux, de deux multiplicateurs : le nombre de clients et l’intensité d’utilisation de chaque client. Une entreprise peut commencer par acheter quelques centaines de sièges, puis faire utiliser Codex à ses équipes de développement, invoquer des modèles via l’API depuis ses systèmes internes et, enfin, confier des tâches continues à des Agents en arrière-plan.

L’arrivée des Agents change encore la façon dont les Tokens sont consommés. Menlo cite des données d’OpenRouter selon lesquelles les Agents représentent déjà environ 80 % de la consommation de Tokens sur cette plateforme. Depuis qu’il a dépassé le trafic piloté par des humains en février 2026, leur trafic a été multiplié par environ 37, contre environ 5 pour le trafic humain sur la même période. Ces données concernent uniquement OpenRouter, une plateforme plutôt destinée aux développeurs : on ne peut donc pas les généraliser directement à tout le secteur. Mais la tendance mérite attention : la consommation de Tokens dépend de moins en moins du « nombre d’utilisateurs » et de plus en plus du « volume de tâches ».

Pourquoi les entreprises accordent autant d’importance à la gouvernance

ChatGPT Enterprise ne se résume pas à l’achat en masse de comptes Plus individuels. L’offre comprend des contrôles d’administration comme SCIM, EKM et RBAC, la résidence des données dans dix régions, des SLA, des clauses juridiques personnalisées et l’engagement de ne pas utiliser les données d’entreprise pour entraîner les modèles par défaut. Dans le cas de JPMorgan Chase, Brockman a d’ailleurs souligné les exigences élevées des institutions financières en matière de confiance, de sécurité et de fiabilité.

Les cas clients peuvent aussi donner des points de repère. Selon une étude de cas Credit Saison publiée par OpenAI, un projet pilote ChatGPT Enterprise réunissant 315 personnes a généré un ROI déclaré de 954 %, avec environ 14 heures économisées par personne et par mois. Ces chiffres ont toutefois été déclarés par l’entreprise et publiés par OpenAI : ils ne proviennent pas d’un audit indépendant et ne représentent pas la moyenne du secteur.

Le tableau suivant présente une sélection de tarifs publics du mode standard de l’API officielle d’OpenAI, pour aider les entreprises à estimer leurs coûts d’invocation :

Les modes Fast et Flex/Batch, les contextes longs et l’écriture en cache influencent le coût réel. Les frais d’API et les abonnements ChatGPT relèvent par ailleurs de systèmes de facturation distincts.

Questions fréquentes (FAQ)

Revenus d’OpenAI en entreprise : l’essentiel

• Inversion de la répartition des revenus : la part de l’activité entreprise est passée d’environ 30 % à plus de la moitié, tandis que les revenus grand public continuent de croître.
• Un premier semestre sous pression : peu présent dans le codage agentique, OpenAI a rebondi au troisième trimestre grâce à Work et Codex.
• Attention aux indicateurs : la part des revenus propres, la part du marché des API et les dépenses des clients communs sont trois choses différentes.
• Le multivendeur devient la norme : JPMorgan Chase travaille à la fois avec OpenAI et Anthropic ; les achats ne sont pas un jeu à somme nulle.
• La croissance passe par une utilisation plus poussée : licences, API, agents et workflows se cumulent ; la profondeur d’utilisation détermine les revenus en entreprise.
• Pour commencer : utilisez d’abord le crédit gratuit d’APIYI sur apiyi.com pour tester à petite échelle, puis décidez de votre combinaison de fournisseurs.

En résumé

Pour la première fois, les revenus d’OpenAI issus des entreprises dépassent la moitié de son chiffre d’affaires. C’est le signe que ChatGPT dépasse son statut de produit grand public pour devenir une infrastructure dont les entreprises dépendent au quotidien. Cette évolution repose sur trois points :

1. Les revenus en entreprise ont un effet multiplicateur : au-delà du nombre de clients, la profondeur d’utilisation et l’étendue des processus couverts chez chacun sont déterminantes.
2. Les agents changent la logique de facturation : la consommation de tokens dépend de plus en plus du volume de tâches, et non plus seulement du nombre d’utilisateurs.
3. La concurrence reste intense : Anthropic conserve une avance sur les dépenses des entreprises en API, mais OpenAI la rattrape rapidement. Les entreprises, elles, n’hésitent pas à utiliser plusieurs fournisseurs.

Pour les développeurs et les équipes techniques, mieux vaut savoir choisir un modèle selon la tâche et évaluer les coûts à partir des données que de miser sur un seul fournisseur. APIYI, sur apiyi.com, permet de tester rapidement différents modèles dans vos cas d’usage. La plateforme propose une interface compatible avec OpenAI et un crédit gratuit pour les nouveaux utilisateurs.

📚 Références

1. Reuters – Déclarations de Brockman sur les revenus des entreprises et l’introduction en bourse : article du 05-11-2026
2. Lien : reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05

3. À retenir : article original sur la part majoritaire des revenus provenant des entreprises et les déclarations concernant la préparation à une introduction en bourse

4. WSJ – L’activité de programmation d’OpenAI décolle après un premier semestre difficile : article de novembre 2026

5. Lien : wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5

6. À retenir : pression concurrentielle au premier semestre et évolution des dépenses des clients communs

7. Reuters – Les revenus annualisés d’OpenAI avoisinent les 50 milliards de dollars en septembre : article du 08-10-2026

8. Lien : reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08

9. À retenir : explication de l’écart entre les estimations de 50 et 70 milliards de dollars

10. OpenAI – The next phase of enterprise AI : blogue officiel

11. Lien : openai.com/index/next-phase-of-enterprise-ai

12. À retenir : part des revenus provenant des entreprises supérieure à 40 % et informations sur l’élargissement de la clientèle

13. Menlo Ventures – 2026 The State of Enterprise AI : rapport sectoriel

14. Lien : menlovc.com/perspective/2026-the-state-of-enterprise-ai

15. À retenir : estimations des dépenses des entreprises en IA et des parts de marché des API

16. OpenAI – Étude de cas client Credit Saison : publiée le 29-10-2026

17. Lien : openai.com/index/credit-saison
18. À retenir : exemple de retour sur investissement d’un projet pilote en entreprise (données déclarées par l’entreprise)

Auteur : équipe technique APIYI
Échanges techniques : rendez-vous sur la page d’accueil d’APIYI, apiyi.com, pour nous contacter. Retrouvez d’autres ressources d’intégration dans le centre de documentation docs.apiyi.com.