WWDC à 1 h du matin : factures cloud en hausse, IA on-device gratuite

Il est 1 h du matin, heure du Pacifique : Craig Federighi parle de « Privacy-First Intelligence » sur scène. Cette même semaine, ta facture Claude Code a probablement augmenté de 35 % en silence à cause d'un nouveau tokenizer, et le prix de l'API GPT-5.5 a tout simplement doublé. Ce n'est pas une coïncidence — en juin 2026, la vraie question pour les développeurs n'est plus « faut-il intégrer l'IA ? » mais « quelle courbe de facturation accepte-t-on ? »

WWDC 2026 a mis le framework Foundation Models sous les projecteurs : inférence on-device sans coût de token, pas d'API Key, données qui ne quittent pas l'appareil ; Xcode 27 pousse même la complétion multiligne de code sur Apple Silicon local. Dans le même temps, les acteurs cloud ont enchaîné les hausses entre avril et juin : API flagship OpenAI doublée, Anthropic gonfle la consommation réelle via un nouveau tokenizer, GitHub Copilot bascule vers une facturation à la consommation le 1er juin.

D'un côté, une inférence on-device gratuite ; de l'autre, des prix cloud qui s'envolent — où se positionner ? La réponse n'est pas binaire. La vraie question, c'est sur quelle couche chaque feature doit tourner, et si ta structure de coûts suit le rythme de ton produit.

1 · À gauche : la « vague de hausses cachées » du cloud IA

En ne regardant que les pages tarifaires, on pourrait se dire « ce n'est pas si grave ». Mais ce printemps 2026, les augmentations se cachent à trois endroits.

1.1 Le prix de liste double directement : GPT-5.5

Le 23 avril, OpenAI lance GPT-5.5. Le tarif API passe de GPT-5.4 à $2,50 / $15 (par million de tokens input / output) à $5 / $30 — doublement dans les deux sens. Pour les équipes qui font déjà tourner des boucles d'agents en production, ce n'est pas « un modèle plus puissant » : c'est le même volume de travail qui coûte deux fois plus cher.

1.2 Même tarif, facture plus lourde : le tokenizer d'Opus 4.7

Anthropic publie Claude Opus 4.7 le 16 avril avec des tarifs officiellement inchangés ($5 / $25 par million de tokens). Mais le nouveau tokenizer génère jusqu'à 35 % de tokens supplémentaires sur le même texte ; les tests indépendants en contexte de code constatent une consommation réelle de 1,32× à 1,47×. Le tarif n'a pas bougé — le compteur tourne plus vite.

1.3 Les outils de dev rejoignent la facture token : GitHub Copilot

Au 1er juin, GitHub Copilot bascule vers un modèle de facturation à la consommation de tokens. Le modèle mental « $10/mois en illimité, autant de complétions qu'on veut » disparaît — chaque suggestion inline, chaque échange de chat est désormais lié à la consommation d'inférence réelle.

La logique du côté gauche est limpide : les grands modèles cloud sont des actifs lourds — calcul, électricité, datacenters ont un coût. Quand un Agent transforme « une requête » en « dix tours de boucle », les plateformes doivent resserrer le compteur.

2 · À droite : le « repas gratuit » offert par WWDC 2026

La keynote était moins spectaculaire que Liquid Glass — mais pour qui écrit en Swift, Foundation Models est peut-être l'annonce avec le meilleur ROI de l'année.

2.1 Foundation Models : trois lignes de Swift, zéro token facturé

Apple déploie un modèle de langage d'environ 3 milliards de paramètres directement sur l'appareil, exposé aux développeurs via le framework FoundationModels :

import FoundationModels

                let session = LanguageModelSession()
                let response = try await session.respond(to: "Résume ce compte-rendu en trois points d'action")

• Pas d'API Key requise
• Pas de réseau nécessaire (chemin 100 % on-device)
• Coût d'inférence par appel ≈ $0
• Les données utilisateur ne quittent pas l'appareil

WWDC 2026 a également ouvert : Private Cloud Compute, intégration de modèles tiers / open source, compréhension visuelle, le CLI fm, un SDK Python, et l'open-source du framework lui-même.

2.2 Xcode 27 : les complétions passent en local

Xcode 27 introduit des complétions prédictives multilignes basées sur Apple Intelligence, tournant entièrement en local sur Apple Silicon — sans round-trip cloud. C'est la réponse la plus directe au discours Cursor / Copilot — mais la réponse est « on déplace l'inférence sur ton Mac », pas « on baisse les prix ».

2.3 Les limites du côté droit (Apple est honnête là-dessus)

Les contraintes matérielles sont réelles : iPhone 15 Pro minimum, iPad ou Mac à puce M, et l'utilisateur doit avoir activé Apple Intelligence. Le graceful fallback n'est pas optionnel — c'est une protection contre les mauvaises notes et les rejets en révision.

3 · L'enjeu réel : pas Apple vs. OpenAI, mais deux modèles économiques

Juin 2026 est un moment charnière parce que les deux courbes se retournent en même temps face aux développeurs : à gauche, les outils cloud qu'on utilise déjà coûtent plus cher ; à droite, Apple a déployé gratuitement sur les appareils une couche d'intelligence suffisante, avec un framework officiel en prime.

4 · Framework de décision : quatre couches, pas deux camps

4.1 Couche tâche : d'abord classifier, ensuite choisir le modèle

La règle est simple : ce qui peut se résoudre en L0/L1 ne devrait pas aller par défaut en L3. Une feature qui appelle un LLM cloud à chaque frappe de clavier détruira les marges à 100 000 DAU ; la même feature on-device n'ajoute presque rien à la facture après le lancement.

4.2 Couche appareil : chemin principal + fallback

Requête utilisateur → Apple Intelligence disponible ? → FM on-device (L0/L1) ; sinon → la tâche nécessite une inférence forte ? → API cloud ou PCC ; sinon → dégrader vers un moteur de règles ou afficher « Cette fonctionnalité nécessite un appareil plus récent ». Le fallback n'est pas optionnel — c'est une protection contre les mauvaises notes et les rejets en review.

4.3 Couche outillage : Xcode en local + Agent dans le cloud — deux budgets séparés

• Écriture de code : privilégier les complétions locales Xcode 27 ; Cursor / Claude Code réservés au refactoring multi-fichiers et au debug complexe.
• Tests / builds : les features IA on-device nécessitent validation sur vrai appareil et en CI. Un Cloud Mac en environnement stable avec Xcode 27 / iOS 26 SDK figé évite le problème classique « ça tourne en local, mais la version du simulateur CI ne correspond pas ». Voir aussi : La CI est morte — GitHub ne l'a pas encore réalisé.

4.4 Couche facturation : deux tableaux

Tableau A · Cloud : développement Agent via API Claude, abonnements Copilot/Cursor, API de production — croissance linéaire avec l'usage. Tableau B · On-device : coût fixe des machines de dev/test + inférence FM après lancement ≈ $0 de coût marginal. Quand la pente du tableau A dépasse celle des revenus, tout feature pouvant descendre dans le tableau B mérite un PoC immédiat après WWDC.

5 · Trois profils de développeurs — leur bilan honnête

5.1 Développeur iOS indépendant : priorité à droite

Choisir une seule feature L0 (résumé de notes, tri de boîte de réception) à implémenter avec Foundation Models. Mettre clairement dans la description App Store : « Tourne sur ton appareil, aucune donnée envoyée. » Fallback sur règles simples pour les anciens appareils. Les APIs cloud restent pour son propre workflow de développement.

5.2 Petite équipe / B2B : hybride, avec tendance PCC

Foundation Models on-device règle les contraintes de data residency ; les analyses complexes passent par Private Cloud Compute ; seuls les agents open-domain multi-plateformes utilisent OpenAI / Anthropic par défaut. Leçon des hausses de tokenizer : les contrats doivent inclure un plafond mensuel sur un corpus de prompts de référence — pas seulement un prix par million de tokens.

5.3 Gros utilisateur d'agents : difficile de réduire à gauche, on-device comme soupape

Sous-tâches simples (messages de commit, résumés de logs) en local ou on-device ; plafonner les boucles d'agents avec max retry / max token ; builds macOS sur un Cloud Mac stable — évite que l'agent brûle des tokens cloud en attendant un runner surchargé.

6 · FAQ

Conclusion : quel camp choisir ?

Choisir les couches, pas les camps.

• À gauche (cloud) : cher, mais puissant ; adapté aux agents, à l'open-domain, au multi-plateforme — maîtriser la consommation, ne pas en faire l'option par défaut.
• À droite (on-device) : coût marginal nul, confidentialité claire, faible latence ; adapté aux tâches embarquées, haute fréquence, périmètre étroit — accepter les limites de capacité et de couverture matérielle.

La chose la plus utile à faire dans les 30 prochains jours : lister tous les points d'appel LLM dans ton produit et attribuer à chacun un niveau L0–L3. Tout ce qui peut descendre d'un niveau, le faire descendre — ce niveau, c'est peut-être la différence de marge du second semestre 2026.