L’agent IA à 1 dollar de l’heure
La start-up chinoise d’intelligence artificielle MiniMax a provoqué une onde de choc qui menace de bouleverser l’économie du déploiement de l’IA en entreprise. La société basée à Shanghai a lancé M2.5, un modèle de langage dont les performances rivalisent avec celles des systèmes occidentaux les plus coûteux, pour un prix environ dix à vingt fois inférieur à celui de concurrents comme Claude Opus 4.6 et GPT-5.2.
Sommaire
Publié sur Hugging Face sous licence MIT modifiée, le modèle arrive au terme d’une semaine effrénée d’annonces dans le domaine de l’IA chinoise, qui ont secoué les marchés mondiaux et redessiné les frontières de la concurrence. L’action MiniMax, cotée sous le symbole MINIMAX-WP (00100.HK) à la Bourse de Hong Kong, a bondi de 11 à 16 % après l’annonce, pour clôturer à 680 HK$, selon le South China Morning Post.
MiniMax présente M2.5 non pas comme un simple chatbot, mais comme un employé numérique de niveau professionnel, capable de coder, de mener des recherches et de créer des documents de façon autonome. L’entreprise affirme qu’il s’agit du premier modèle de pointe pour lequel les préoccupations liées au coût s’effacent pratiquement, avec un fonctionnement continu à 100 tokens par seconde pour seulement 1 dollar de l’heure. À vitesse réduite, le coût tombe à 0,30 dollar de l’heure. Cette tarification permet de faire fonctionner quatre agents IA en continu pendant un an entier pour environ 10 000 dollars, une somme qui couvrirait à peine un mois d’utilisation de modèles occidentaux comparables.
Des benchmarks qui rivalisent avec les modèles de pointe
Les évaluations indépendantes et les propres tests de MiniMax placent M2.5 parmi les meilleurs modèles de programmation, à faible distance de Claude Opus 4.6 d’Anthropic malgré un écart de prix considérable. Sur SWE-Bench Verified, la référence du secteur pour évaluer les capacités d’ingénierie logicielle en conditions réelles, M2.5 obtient 80,2 %, soit seulement 0,6 point de moins qu’Opus 4.6 et devant GPT-5.2 d’OpenAI (80 %) et Gemini 3 Pro de Google (78 %).
Le modèle se distingue particulièrement dans les scénarios de programmation multilingues, avec un score de 51,3 % sur Multi-SWE-Bench, qui évalue des tâches de programmation entre dépôts nécessitant de comprendre simultanément plusieurs bases de code. Il devance ainsi Opus 4.6, à 50,3 %, et largement Gemini 3 Pro, à 42,7 %. Sur VIBE-Pro, un benchmark interne consacré aux tâches complexes de développement full stack, M2.5 obtient des résultats comparables à ceux d’Opus 4.5.
Au-delà de ses performances en programmation, M2.5 affiche des capacités agentiques remarquables. Il obtient 76,3 % sur BrowseComp, qui mesure les compétences en navigation web complexe et en recherche d’informations, et 76,8 % sur le Berkeley Function Calling Leaderboard (BFCL), consacré à l’utilisation d’outils sur plusieurs échanges, soit plus de 13 points de mieux qu’Opus 4.6. Le cabinet d’analyse indépendant Artificial Analysis lui attribue un score de 42 sur son Intelligence Index, bien au-dessus de la moyenne de 25 des modèles comparables, tout en relevant que le modèle fonctionne à 80 tokens par seconde, contre une moyenne de 55.
Toutefois, une vérification indépendante sur le classement SWE-rebench de janvier 2026, qui évalue 48 nouvelles pull requests GitHub selon une méthodologie différente, donne à M2.5 un score de 39,6 %, contre 52,9 % pour Claude Code. Ces résultats suggèrent que les performances en conditions réelles peuvent varier selon le protocole d’évaluation et la récence des tâches.
L’architecture de l’efficacité
La viabilité économique de M2.5 repose sur son architecture à mélange d’experts (MoE), qui privilégie la consultation de spécialistes plutôt que le recours à un généraliste. Le modèle compte 230 milliards de paramètres au total, mais n’en active que 10 milliards pour chaque tâche. Cette activation sélective permet au système de conserver la profondeur de raisonnement des modèles massifs tout en bénéficiant de la vitesse et du coût de systèmes beaucoup plus petits.
Pour entraîner cette architecture complexe, MiniMax a développé Forge, un cadre propriétaire d’apprentissage par renforcement conçu spécialement pour l’IA agentique. Contrairement aux méthodes classiques, qui cherchent à optimiser les réponses pour les rendre agréables, Forge déploie les modèles dans des centaines de milliers d’environnements simulés en conditions réelles, notamment des dépôts de code, des navigateurs web et des applications bureautiques. Il récompense l’accomplissement effectif des tâches plutôt que la conformité stylistique. Grâce à une planification asynchrone optimisée et à des stratégies de fusion arborescente des échantillons d’entraînement, le système atteint une vitesse d’entraînement environ 40 fois supérieure à celle des méthodes classiques d’apprentissage par renforcement.
L’ingénieure de MiniMax Olive Song a expliqué dans le podcast ThursdAI que cet entraînement avait nécessité deux mois de travail intensif sur des scénarios variés inspirés du monde réel. Pour garantir la stabilité du processus, l’équipe a mis en œuvre CISPO (Clipping Importance Sampling Policy Optimization), une méthode mathématique qui empêche le modèle de corriger excessivement ses réponses au fil des cycles d’entraînement.
« Nous avons compris qu’un petit modèle comme celui-ci avait beaucoup de potentiel si nous l’entraînions par apprentissage par renforcement dans un grand nombre d’environnements et avec de nombreux agents. Mais ce n’est pas chose facile », a déclaré Song, ajoutant que l’équipe avait consacré beaucoup de temps à perfectionner le processus.
Cette méthode a donné naissance à ce que MiniMax appelle un « état d’esprit d’architecte ». Au lieu de générer immédiatement du code, M2.5 commence par planifier la structure du projet, ses fonctionnalités et la conception de l’interface, puis décompose les tâches complexes en éléments plus faciles à gérer avant de les exécuter. Le modèle a été entraîné dans plus de 200 000 environnements et sur plus de dix langages de programmation, notamment Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart et Ruby.
Du chatbot à l’employé numérique
Le passage de l’IA comme interface conversationnelle à l’IA comme travailleur autonome constitue le principe central de la conception de M2.5. MiniMax a collaboré avec des professionnels chevronnés de la finance, du droit et des sciences sociales pour intégrer au modèle des connaissances tacites propres à ces secteurs. L’objectif : lui permettre de produire des livrables plutôt que de simples blocs de texte.
Cette orientation se traduit par des fonctions concrètes d’automatisation bureautique souvent négligées par les modèles de pointe. M2.5 peut créer et modifier des documents Microsoft Word, élaborer des présentations PowerPoint avec des mises en page et des graphiques adaptés, et effectuer des tâches complexes de modélisation financière dans Excel. Sur le benchmark MEWC, fondé sur de véritables épreuves du championnat du monde Microsoft Excel, le modèle obtient 74,4 %. Dans le cadre d’évaluation interne GDPval-MM, qui mesure la qualité des livrables et le parcours professionnel au moyen de comparaisons deux à deux, M2.5 affiche un taux de victoire moyen de 59 % face aux principaux modèles concurrents.
MiniMax a déjà déployé M2.5 en interne pour tester son adoption en entreprise. Selon l’entreprise, le modèle réalise désormais de façon autonome 30 % de l’ensemble des tâches dans des services comme la recherche et le développement, la gestion de produits, les ventes, les ressources humaines et la finance. Dans les environnements de programmation, M2.5 génère 80 % du nouveau code intégré au dépôt de MiniMax.
L’entreprise a rassemblé ces capacités dans MiniMax Agent, une plateforme sur laquelle les utilisateurs ont créé plus de 10 000 experts spécialisés, combinant des compétences bureautiques et des connaissances propres à leur secteur. Ces configurations permettent à l’agent de suivre des procédures opérationnelles standardisées pour les études sectorielles ou d’appliquer des règles précises de contrôle des risques pour la modélisation financière, au lieu de simplement produire des blocs de texte.
Le modèle prend en charge le développement full stack sur le Web, Android, iOS et Windows. Il gère les API côté serveur, la logique métier et les bases de données, plutôt que de se limiter à des démonstrations front-end. Cette capacité couvre l’ensemble du cycle de vie logiciel, de la conception initiale du système aux tests et à la revue complète du code, en passant par l’évolution des fonctionnalités.
Le coût d’un fonctionnement continu
MiniMax propose deux variantes de son API, identiques en capacités mais différentes par leur débit. M2.5-Lightning fonctionne à 100 tokens par seconde, pour 0,30 dollar par million de tokens en entrée et 2,40 dollars par million de tokens en sortie. M2.5 standard atteint la moitié de cette vitesse, soit 50 tokens par seconde, pour moitié moins cher : 0,15 dollar par million de tokens en entrée et 1,20 dollar par million de tokens en sortie.
Pour mettre ces chiffres en perspective, faire fonctionner en continu quatre instances de l’agent M2.5 pendant un an coûte environ 10 000 dollars. En comparaison, Claude Opus 4.6 facture environ 75 dollars par million de tokens en sortie, ce qui rend une utilisation continue équivalente économiquement prohibitive pour la plupart des organisations. Sur la seule base du tarif des tokens en sortie, M2.5 coûte dix à vingt fois moins cher qu’Opus, Gemini 3 Pro et GPT-5.
L’écart de coût est encore plus frappant lorsqu’on examine le prix de tâches précises. Alex Volkov, animateur du podcast ThursdAI, souligne que M2.5 réalise les tâches de SWE-Bench pour environ 0,15 dollar de tokens, contre environ 3 dollars pour Claude Opus 4.6 à travail équivalent. Cette réduction de coût de 95 % supprime la pression habituelle qui pousse à optimiser les requêtes et à limiter l’utilisation des tokens. Les développeurs peuvent ainsi déployer, pour des tâches courantes jusque-là confiées à des systèmes moins chers mais moins performants, des modèles dotés d’un grand contexte et de capacités de raisonnement élevées.
Les deux variantes de l’API prennent en charge la mise en cache, ce qui réduit encore les coûts pour les opérations répétitives. La licence MIT modifiée exige des utilisateurs commerciaux qu’ils affichent clairement « MiniMax M2.5 » dans leurs interfaces. Une condition mineure au regard des avantages économiques. À 100 tokens par seconde, la génération continue produit 360 000 tokens en sortie par heure, pour un coût d’environ 0,86 dollar en tokens de sortie, auquel s’ajoutent les coûts d’entrée.
Les gains de vitesse amplifient les économies. M2.5 réalise les tâches de bout en bout 37 % plus vite que son prédécesseur M2.1 : le temps d’exécution sur SWE-Bench Verified passe de 31,3 à 22,8 minutes. Il égale ainsi Claude Opus 4.6, qui nécessite 22,9 minutes, tout en coûtant seulement 10 % du prix par tâche.
Contexte du marché et pression concurrentielle
Le lancement de M2.5 ponctue une semaine mouvementée pour l’intelligence artificielle chinoise, marquée par la présentation de plusieurs modèles nationaux compétitifs. Zhipu AI a lancé GLM-5, qui a dépassé Gemini 3 Pro de Google sur l’Intelligence Index d’Artificial Analysis. Alibaba a présenté RynnBrain, destiné à la robotique, ByteDance a lancé Seedance 2.0 pour la génération vidéo et Kuaishou a dévoilé Kling 3.0. Les actions de MiniMax et de Zhipu AI ont toutes deux progressé de plus de 10 %, la seconde gagnant 30 % à Hong Kong.
Ces annonces en rafale remettent en question les évaluations récentes de l’écart entre l’IA chinoise et américaine. Demis Hassabis, directeur de Google DeepMind, avait estimé que les modèles chinois accusaient seulement quelques mois de retard sur les modèles occidentaux. La quasi-parité de MiniMax avec Claude Opus 4.6, lancé une semaine plus tôt, suggère que ce retard est désormais de l’ordre de quelques jours. Les résultats de janvier 2026 sur SWE-rebench donnent à Claude Opus 4.6 un score de 51,7 % et à GPT-5.2 de 51,0 % sur de nouvelles pull requests, contre 39,6 % pour MiniMax M2.5. Les modèles occidentaux gardent donc l’avantage sur le code le plus récent, même si l’écart continue de se réduire.
Les conséquences sur la concurrence dépassent le cadre des benchmarks. La stratégie tarifaire de MiniMax exerce une pression systématique sur les laboratoires d’IA occidentaux, dont les modèles économiques reposent sur des tarifs élevés pour les API. Lorsque l’intelligence devient, comme l’affirme MiniMax, « trop bon marché pour être mesurée », le secteur passe d’une économie de la rareté à une économie du volume, ce qui pourrait bouleverser les modèles de revenus des acteurs établis.
Pour les responsables techniques, M2.5 présente des avantages opérationnels immédiats. Le gain de vitesse de 37 % par rapport à son prédécesseur rend possibles des chaînes agentiques en temps réel, où les modèles interagissent entre eux sans goulot d’étranglement lié à la latence. Les organisations peuvent désormais réaliser des audits automatisés du code à une échelle inédite, tout en protégeant leurs données grâce à un déploiement auto-hébergé à poids ouverts.
L’essentiel
- MiniMax M2.5 obtient 80,2 % sur SWE-Bench Verified, égalant les performances de Claude Opus 4.6 pour un coût dix à vingt fois inférieur
- Deux variantes de l’API sont disponibles : la version standard à 0,15/1,20 dollar par million de tokens (50 TPS) et Lightning à 0,30/2,40 dollars (100 TPS)
- Son architecture MoE de 230 milliards de paramètres n’en active que 10 milliards par tâche, ce qui réduit la charge de calcul
- Le modèle a été entraîné avec le cadre propriétaire Forge d’apprentissage par renforcement, dans plus de 200 000 environnements réels, avec l’algorithme CISPO pour en assurer la stabilité
- Il peut assurer de façon autonome le développement full stack, créer des documents bureautiques (Word, Excel, PowerPoint) et réaliser des modélisations financières complexes
- Déployé en interne chez MiniMax, il y réalise 30 % des tâches de l’entreprise et génère 80 % du nouveau code
- Le modèle à poids ouverts est disponible sur Hugging Face sous licence MIT modifiée, qui impose aux utilisateurs commerciaux d’en mentionner le nom
- Après l’annonce, l’action de MiniMax (MINIMAX-WP, 00100.HK) a progressé de 11 à 16 % à la Bourse de Hong Kong
