C'est précisément le paradoxe de Jevons en action dans sa forme la plus pure. Parce que le coût des jetons AI a diminué, nous pouvons maintenant nous permettre d'en utiliser beaucoup plus pour des tâches de plus en plus complexes. Le point clé, donc, n'est pas que "l'IA devient plus chère" ; au contraire, c'est qu'en devenant moins chère et plus capable, nous en utilisons davantage pour résoudre des problèmes de manière plus efficace. Pour presque chaque tâche équivalente, nous utilisons simplement beaucoup plus de jetons pour accomplir la tâche afin de fournir un bien meilleur résultat. Que ce soit pour écrire du code, répondre à une question de santé ou analyser un contrat, nous utilisons beaucoup plus d'IA aujourd'hui pour effectuer ce travail parce que nous avons besoin de points de performance supplémentaires. Obtenir une réponse correcte à 99 % lors du traitement d'un contrat légal est *très* différent d'une réponse correcte à 90 %, et cela vaut facilement l'augmentation de 10X à 100X en jetons. Maintenant, à *un* moment donné, nous commencerons à atteindre des plateaux pour certains types de tâches, et ensuite le coût par tâche diminuera. Par exemple, nous n'avons probablement pas besoin de 100X plus de jetons que nous utilisons aujourd'hui pour répondre à une simple question médicale ou résumer un document. Ainsi, finalement, sur une base équivalente, ces charges de travail deviendront moins chères à mesure que nous pourrons capturer les gains d'efficacité des modèles. *Mais*, le cycle général continuera essentiellement pour toujours, car nous continuerons simplement à élever le niveau de ce que nous faisons avec l'IA. À mesure que les jetons continuent de devenir moins chers grâce à des percées algorithmiques, à la concurrence sur les prix des GPU, aux gains d'efficacité générale en calcul et aux alternatives à poids ouvert, nous trouverons le prochain ensemble de façons de consommer les jetons. Nous déploierons beaucoup plus d'agents en parallèle pour accélérer les tâches, nous utiliserons des systèmes multi-agents pour comparer les réponses et parvenir à un consensus, nous résoudrons des problèmes de travail de connaissance plus complexes, et nous aurons des agents fonctionnant beaucoup plus longtemps en arrière-plan. L'IA sera à la fois toujours moins chère et plus chère.