Pendant deux décennies, l’automobile s’est vendue en Europe sur un chiffre unique, la consommation homologuée, mesurée sur un cycle de laboratoire identique pour tous. Il avait une vertu, la comparabilité, et un défaut, celui de ne jamais correspondre à la facture du plein. Les constructeurs ont fini par régler leurs moteurs sur le cycle : une unité de comparaison partagée devient un objectif de conception.
Les grands modèles de langage ont la leur, le prix du million de tokens. C’est sur cette ligne que xAI, absorbé par SpaceX, a engagé le combat : au moment même où les déclinaisons de GPT-5.6 arrivaient officiellement, la société a présenté Grok 4.5 comme son modèle le plus puissant à ce jour, facturé 2 dollars hors taxes le million de tokens en entrée et 6 dollars en sortie. En face, la gamme la plus avancée d’Anthropic grimpe jusqu’à 5 et 25 dollars, et les offres de tête d’OpenAI restent elles aussi plus chères selon le palier d’accès retenu.
Le public visé est celui des développeurs et des agents autonomes chargés de tâches longues, avec un réglage revendiqué pour l’écriture de logiciels, la fabrication d’applications, le travail de recherche et l’automatisation des processus métier. Dans cette course, la compétition ne porte plus seulement sur ce qu’un modèle sait faire, mais sur la dépense qu’il engage pour le faire. Reste à savoir ce que le tarif affiché recouvre vraiment, ce que mesure l’indice qui l’a rendu célèbre, et ce que la propriété de l’outil comme le regard du régulateur y ajoutent.
Le prix affiché et le prix réellement facturé
Elon Musk situe Grok 4.5 au niveau des modèles les plus avancés d’Anthropic, en revendiquant de surcroît vitesse et économie. Le point de comparaison mérite correction : les 5 et 25 dollars attribués à Anthropic sont ceux d’Opus 4.8, sorti le 28 mai 2026, alors que le modèle réellement placé en face dans les évaluations indépendantes est Fable 5, lancé le 9 juin à 10 et 50 dollars.
Les lignes absentes des comparatifs
La grille officielle de xAI est plus bavarde que le communiqué. Le tarif de 2 et 6 dollars ne vaut que sous 200 000 tokens de contexte ; au-delà, les prix doublent et le modèle passe à 4 et 12 dollars, alors que la boucle d’agent sur une base de code réelle est le régime où le contexte gonfle. S’y ajoutent 5 dollars par millier d’appels d’outils, 10 dollars par millier de pièces jointes, un doublement en traitement prioritaire et une variante rapide à 4 et 18 dollars dans Cursor.
Le modèle le plus cher du catalogue maison
Le paradoxe se lit dans la grille de xAI elle-même, où grok-4.3 et grok-4.20 sont facturés 1,25 dollar en entrée et 2,50 en sortie. Le tarif de Grok 4.5 est donc une hausse de 60 % en entrée et de 140 % en sortie sur le standard de la maison, tandis que la fenêtre de contexte suit le mouvement à l’envers, 500 000 tokens contre un million pour ses prédécesseurs.
L’indice qui a produit le chiffre le plus repris
Le chiffre qui a circulé vient d’Artificial Analysis, publié le 8 juillet, jour de la mise en ligne du modèle dans Grok Build et Cursor. Sur son indice des agents de codage, Grok 4.5 exécuté dans Grok Build obtient 76 et se classe troisième, à égalité avec GPT-5.5 dans Codex et légèrement derrière Fable 5 dans Claude Code. Le coût moyen par tâche s’établit à 2,49 dollars hors taxes, contre 5,07 et 11,80.
Un attelage, pas un moteur
L’instrument a moins de deux mois : annoncé le 11 mai 2026, il agrège 321 tâches issues de DeepSWE, Terminal-Bench v2 et SWE-Atlas-QnA, avec trois tentatives chacune et un pass@1 agrégé. Surtout, il mesure un couple modèle et harnais, puisqu’un développeur choisit les deux : Grok 4.5 court dans Grok Build, passé en bêta le 14 mai, Fable 5 dans Claude Code, et une part inconnue de l’écart tient aux relances et à l’usage du cache. Le score étant un pass@1, les 2,49 dollars deviennent 3,30 dollars par tâche réussie, contre 6,70 pour GPT-5.5.
Le facteur quatre et ce qu’il mesure
L’argument porte moins sur le score que sur la sobriété. Sur l’indice d’intelligence générale de la même maison, Grok 4.5 n’arrive que quatrième avec 54 points, derrière Fable 5, GPT-5.5 et Opus 4.8, pour 0,31 dollar par tâche. C’est sur les tâches d’agent de codage que l’écart frappe : 1,9 million de tokens consommés par tâche, contre 6,2 millions pour GPT-5.5 et 7,2 millions pour Fable 5. Sur SWE-bench Pro, xAI avance 15 954 tokens de sortie en moyenne quand Claude Opus 4.8 en dépasse 67 000, un facteur proche de quatre dont l’entreprise attend des économies pour qui déploie des agents à grande échelle, assurant boucler certaines tâches plus vite en écrivant moins.
L’épreuve et ses résultats
Publiée par Scale AI le 21 septembre 2025, l’épreuve rassemble 1 865 tâches issues de 41 dépôts activement maintenus : onze publics, douze tenus hors de portée et dix-huit commerciaux, prêtés par des startups partenaires. Sa résistance à la contamination tient à cette partition et, sur la part publique, à des licences copyleft fortes. Grok 4.5 y obtient 64,7 % de taux de résolution, pour 62,0 % sur DeepSWE 1.0 et 83,3 % sur Terminal-Bench 2.1 face aux 84,3 % de Fable, qui domine les quatre épreuves du lancement. Tout près du sommet sur plusieurs exercices de génie logiciel, le modèle décroche sur les plus retors.
Ce que la sobriété ne prouve pas
L’équation implicite, moins de tokens égale plus d’efficacité, est contestée par la recherche. OckBench, premier banc d’essai à mesurer conjointement précision et efficacité en tokens, montre qu’à précision comparable les modèles diffèrent jusqu’à un facteur cinq en longueur de sortie : un modèle plus sobre peut être plus efficace, ou simplement moins délibératif. S’y ajoute une coïncidence de calendrier : Artificial Analysis a ajouté les métriques de coût et de tokens par tâche le 15 juin 2026, trois semaines avant qu’un modèle taillé pour cette colonne ne vienne la remplir.
Le coût par résultat contre le coût par token
Les analystes ne contestent pas les chiffres, ils changent d’unité. « La tarification de Grok 4.5 est remarquable parce qu’elle réduit l’économie de l’exécution des charges de travail de codage agentique, mais les acheteurs d’entreprise devraient se concentrer sur le coût par résultat réussi plutôt que sur le coût par token », souligne Biswajeet Mahapatra, analyste principal chez Forrester. Un tarif bas se retourne dès qu’il faut relancer l’agent, et l’évaluation doit couvrir la chaîne entière, jusqu’aux heures passées à relire puis rectifier ce que la machine a produit.
Même lecture chez Omdia. « Nous vivons à une époque où la consommation de tokens est considérée comme la création de valeur ultime, mais la vraie valeur réside toujours dans l’achèvement réel du travail », estime Lian Jye Su, analyste en chef, qui tient le coût par tâche achevée pour le bon indicateur. Neil Shah, vice-président de la recherche chez Counterpoint Research, souligne que « la consommation massive de tokens requise par les agents autonomes et le codage provoque des chocs de facturation », d’où l’attrait grandissant, côté entreprises, des modèles moins gourmands.
Anand Joshi, directeur général du cabinet JP Data, appelle à la prudence : « Il est trop tôt pour dire si Grok 4.5 change la donne. Les benchmarks sont impressionnants, et la faible utilisation des tokens sera attrayante pour les entreprises. La communauté des développeurs rendra un verdict à temps si le résultat du codage est supérieur à la concurrence. » L’objection est formalisée depuis juillet 2024 par Kapoor, Stroebl, Siegel, Nadgir et Narayanan, qui évaluent les agents sur une frontière de Pareto coût-précision.
Le choc de facturation existe déjà
L’expression de Counterpoint a un cas d’école. Uber a déployé Claude Code auprès d’environ 5 000 ingénieurs en décembre 2025, l’adoption est passée de 32 % en février 2026 à 84 % en mars, et l’intégralité du budget d’intelligence artificielle de l’année était consommée dès avril. Fin mai, le directeur des opérations Andrew Macdonald reconnaissait que le lien avec la valeur livrée n’était pas établi ; le 3 juin, la dépense a été plafonnée à 1 500 dollars mensuels par salarié et par outil, soit 11 % du package médian d’un ingénieur maison.
Ce que la déflation du token ne compense pas
Le prix unitaire s’effondre pourtant tout seul : à performance constante, Epoch AI mesure une baisse du coût d’inférence de 9 à 900 fois par an, avec une médiane de 50 fois. Ce qui monte, c’est la longueur des tâches, dont METR situe le temps de doublement à 89 jours depuis 2024. Si elles s’allongent plus vite que le token ne baisse, le facteur quatre sera absorbé en un cycle ou deux.
Cursor, un capteur plus qu’un éditeur
L’autre singularité du modèle tient à sa fabrication. À mélange d’experts, Grok 4.5 a été co-entraîné avec Cursor, l’un des environnements de développement assisté par IA les plus répandus. L’éditeur indique que l’entraînement a porté sur des milliers de milliards de tokens de données Cursor, captant les interactions des utilisateurs avec leurs bases de code. SpaceX, entrée en Bourse le 12 juin 2026, a annoncé quatre jours plus tard le rachat de cet éditeur pour 60 milliards de dollars en actions.
La fin de la neutralité du routeur
Cursor valait par son agnosticisme, la faculté de router chaque tâche vers Claude, GPT ou Grok. Passé sous le contrôle d’un laboratoire concurrent, l’outil devient une couche captive, alors qu’il concentrait en mai 2026 un quart environ de la dépense des entreprises en codage assisté. Les développeurs dont les gestes ont nourri l’entraînement travaillaient, dans le même éditeur, avec les rivaux du modèle qu’ils formaient. Que devient une facture si l’outil standardisé cesse d’être neutre ?
Le fournisseur que Bruxelles instruit
Un acheteur européen rencontre une difficulté que les comparatifs tarifaires ignorent. Le 26 janvier 2026, la Commission européenne a ouvert une procédure formelle contre X au titre du règlement sur les services numériques, visant Grok et les systèmes de recommandation de la plateforme sur le fondement des articles 34, 35 et 42, avec des sanctions pouvant atteindre 6 % du chiffre d’affaires mondial. L’Arcom collecte les preuves côté français depuis le signalement du 2 janvier au parquet de Paris, et sept autres juridictions ont agi le même mois.
Ce que la conformité laisse ouvert
xAI est le seul grand fournisseur à n’avoir signé que le chapitre sûreté et sécurité du code de bonnes pratiques européen pour l’IA à usage général, là où Anthropic, OpenAI, Google ou Mistral AI figurent parmi les vingt et un signataires complets. Il lui faudra donc démontrer autrement sa conformité aux obligations de transparence et de droit d’auteur en vigueur depuis le 2 août 2025, dont le résumé public des données d’entraînement : pour un modèle nourri de code d’utilisateurs sous licences hétérogènes, l’exercice n’a rien de formel.
Aucune fiche système n’accompagnait la sortie du 8 juillet, alors que xAI en publie d’ordinaire une avec quelques semaines de décalage. Son contenu importe : le cadre de gestion des risques de la société est critiqué depuis septembre 2025 pour avoir retenu sur le banc d’essai MASK un seuil de malhonnêteté inférieur à 50 %, avant de publier Grok Code Fast 1 à 71,9 % sans le mentionner.
Les rendez-vous encore ouverts
L’argument tarifaire a une durée de vie que la journée du 9 juillet illustre : OpenAI a rendu généralement disponibles ce jour-là les trois déclinaisons de GPT-5.6, Sol à 5 et 30 dollars, Terra à 2,50 et 15 dollars, Luna à un dollar et 6 dollars, moins chère que Grok 4.5 en entrée et à parité en sortie, quand Mistral Large 3 en coûte le quart. Restent ouvertes la publication d’une fiche système, la clôture de l’acquisition de Cursor attendue au troisième trimestre sous réserve des autorisations, et la réponse d’Anthropic.
Le lancement se laisse donc lire de deux façons. Sur la ligne du prix affiché, xAI réduit l’écart avec ses deux concurrents et le fait savoir. Sur la grille complète, il est le plus cher de son propre catalogue, sa fenêtre de contexte a fondu de moitié, et les suppléments de contexte long, d’appels d’outils et de traitement prioritaire n’apparaissent nulle part.
Changer d’unité, comme y invitent les analystes, déplace le débat vers ce qu’aucun indice ne mesure : le temps qu’un développeur consacre à vérifier un code produit par une machine. À 2,49 dollars la tâche, une heure de développeur senior en achète une trentaine, et une seule tâche ratée coûtant trente minutes de débogage en efface dix.
Au-delà de la course tarifaire se dessine une recomposition plus lourde : un opérateur spatial coté en Bourse détient un laboratoire d’IA et s’apprête à absorber l’éditeur dont les gestes de programmation ont entraîné son modèle, pendant que le régulateur européen instruit l’usage grand public du même système. Le prix du token se lit vite, et pèse peu pour qui devra signer.
Aller plus loin
Le récit le plus informatif du lancement ne vient pas de xAI, et le billet Introducing Grok 4.5 publié par le co-entraîneur décrit l’architecture à mélange d’experts, le système d’agents distribués bâti pour produire les environnements d’apprentissage par renforcement, et cette variante rapide facturée 4 et 18 dollars que les comparatifs oublient.
Ce que le communiqué résume en deux nombres tient en réalité dans la documentation tarifaire officielle de xAI, où figurent le doublement des prix au-delà de 200 000 tokens de contexte, les 5 dollars par millier d’appels d’outils, le multiplicateur du traitement prioritaire, et le fait que Grok 4.5 coûte plus cher que grok-4.3, grok-4.20 et grok-build-0.1.
La source primaire des chiffres repris par la presse est l’évaluation Grok 4.5 brings SpaceXAI to the intelligence frontier, qui donne l’indice de 76 sur les agents de codage, le 54 de l’indice d’intelligence, et, sur ces mêmes tâches de codage, les 2,49 dollars et 1,9 million de tokens par tâche face aux 6,2 et 7,2 millions des concurrents.
Savoir ce que ce montant de 2,49 dollars recouvre suppose de parcourir la méthodologie de l’indice des agents de codage : 321 tâches réparties sur trois jeux d’épreuves, trois tentatives chacune, pass@1 agrégé, coût reconstitué sur les tarifs à l’usage, et surtout le rappel que l’objet mesuré est un couple modèle et harnais.
Le point de comparaison couramment retenu mérite correction, que fournit l’annonce Claude Fable 5 and Claude Mythos 5 : le modèle réellement placé face à Grok 4.5 dans les évaluations indépendantes est facturé 10 et 50 dollars, le double d’Opus 4.8, ce qui creuse l’écart de prix autant qu’il durcit la comparaison de performance.
Un score de 64,7 % ne se juge qu’en sachant sur quoi il porte, et le papier SWE-Bench Pro: Can AI Agents Solve Long-Horizon Software Engineering Tasks? détaille les 1 865 tâches réparties sur 41 dépôts, la séparation entre lot public, lot gardé secret et lot commercial issu de startups partenaires, et des problèmes assez longs pour occuper un ingénieur des heures, parfois des jours.
Le contrepoint scientifique à l’argument de la sobriété tient dans OckBench: Measuring the Efficiency of LLM Reasoning, qui mesure ensemble précision et longueur de sortie, constate jusqu’à cinq fois d’écart entre modèles de qualité comparable, et conclut que le nombre de tokens ne renseigne pas sur la valeur du raisonnement.
La variable qui commande réellement la facture est documentée par Time Horizon 1.1, où METR mesure la durée des tâches réussies une fois sur deux, fait passer sa suite de 170 à 228 épreuves et relève un temps de doublement de 89 jours depuis 2024 : les tâches s’allongent plus vite que le prix unitaire ne baisse.
L’arbitrage concret entre prix du token et coût du travail apparaît dans la note Uber caps usage of AI coding tools, qui rapporte le plafond de 1 500 dollars mensuels par salarié et par outil au package médian d’un ingénieur maison, soit environ 11 % de 330 000 dollars par an.
Le versant réglementaire se lit dans le communiqué Commission investigates Grok and X’s recommender systems under the Digital Services Act, qui expose les griefs au titre des articles 34, 35 et 42 et rappelle que le fournisseur du modèle vendu aux entreprises fait l’objet d’une procédure européenne ouverte.
Mis bout à bout, ces documents racontent moins un lancement qu’un déplacement de la mesure. Le prix affiché est une entrée de catalogue, l’indice le plus cité évalue un attelage plutôt qu’un moteur, et l’efficacité en tokens s’est imposée comme argument commercial au moment où le tableau de bord la rendait visible. Ce qui subsiste relève de l’organisation plus que du tarif : combien de tentatives une tâche réclame, combien de temps humain sa vérification consomme, et qui contrôle l’outil où l’agent s’exécute.