Bedrock vs OpenAI: Choisir une plateforme IA gérée pour les agents en production

Points clés

• OpenAI a réduit le prix de l'API et des crédits GPT-5.6 Sol de plus de 20% pendant trois mois le 21 août 2026 — la deuxième réduction de prix majeure de modèle frontière en une semaine, suivant la baisse de 50% d'OpenRouter, créant une fenêtre de comparaison TCO sensible au temps pour toute décision de plateforme prise avant décembre (OpenAI Community).
• Les revenus entreprise d'OpenAI ont dépassé les revenus grand public à un taux annualisé de 40 milliards de dollars avec une croissance de 32% des clients entreprise en juillet — le croisement entreprise-grand public est arrivé plus tôt que prévu, confirmant que l'IA B2B est le moteur commercial central et fournissant des données concrètes de runway pour les décisions de sélection de plateforme (CNBC).
• Les données Ramp montrent un écart de dépenses de 619× — le top 1% des entreprises américaines dépense 7 400 $ par employé en IA contre 11,95 $ pour la médiane — la sensibilité aux prix existe même parmi les plus gros dépensiers ; Fable 5, au double du prix de GPT-5.6 Sol, n'a capturé que 6% des tokens Anthropic contre 25% des tokens OpenAI pour Sol (PYMNTS ; TechCrunch).
• OpenAI Private Safety Processing offre un monitoring à zéro rétention de données tandis que Fable 5 d'Anthropic nécessite une rétention de 30 jours — l'architecture de confidentialité vs sécurité est désormais une dimension de sélection de plateforme, pas une note de bas de page de conformité, et le choix détermine quelles données clients quittent votre environnement.
• Etched a atteint une valorisation de 21 milliards de dollars sur des contrats au niveau rack tandis que Relay fermait la même semaine où Groq levait 350 millions de dollars — la continuité des fournisseurs neocloud et matériel est désormais un risque de continuité d'inférence qu'aucun SLA de plateforme ne couvre pleinement.

La décision de plateforme pour les agents IA en production était autrefois simple : choisir le meilleur modèle, appeler l'API, déployer. En août 2026, cette décision a sept dimensions, et le benchmark du modèle est celle que l'on peut sans risque déprioriser. OpenAI a réduit GPT-5.6 Sol de plus de 20% pendant trois mois. Fable 5 d'Anthropic a déçu au double du prix. Les revenus entreprise d'OpenAI ont dépassé le grand public à un taux de 40 milliards de dollars. Les données de Ramp sur plus de 70 000 entreprises montrent un écart de dépenses de 619× et une sensibilité aux prix même parmi les plus gros dépensiers. La question n'est plus quel modèle obtient le score le plus élevé — c'est quelle plateforme survit à un audit de coût, de confidentialité et de stabilité de fournisseur sur 12 mois.

Les sept dimensions qui décident désormais de la plateforme, avec les points de données clés pour chacune :

Cet article cartographie la décision across trois plateformes gérées — AWS Bedrock, OpenAI API et Anthropic Claude (direct et via Bedrock) — contre les sept dimensions qui déterminent désormais si votre agent de production reste abordable, conforme et en ligne. La matrice de décision ci-dessous fait le gros du travail. Les sections qui suivent expliquent chaque dimension avec les données de source primaire qu'une décision de sélection de plateforme requiert.

La matrice de décision

Dimension	AWS Bedrock	OpenAI API (direct)	Anthropic Claude (direct / via Bedrock)
Sélection de modèle	Multi-modèles : Claude, Llama, Mistral, Titan, DeepSeek via une seule API	OpenAI uniquement : GPT-5.6 Sol, o-series, Codex	Anthropic uniquement : Claude Mythos 5, Fable 5, Opus 5
Structure de coûts (août 2026)	Par token, paliers de volume, Provisioned Throughput pour dépense engagée	Par token, réduction GPT-5.6 Sol 20%+ pendant 3 mois, crédits pour Codex/Work	Par token, Fable 5 à ~10$/M (2× GPT-5.6 Sol), overhead de rétention 30 jours
Résidence des données	Isolation par région AWS, posture de conformité existante	Endpoints US, ZDR via Private Safety Processing	Rétention 30 jours requise pour Fable 5, ZDR disponible sur certains paliers
Architecture de confidentialité	Hérite de la gouvernance de données AWS ; pas d'entraînement sur vos données	Private Safety Processing : monitoring inter-sessions compatible ZDR	Rétention 30 jours pour Fable 5 a provoqué un retour utilisateur négatif
Exécution pré-inférence	Service Guardrails (configurable), pas de kill switch d'agent intégré	Inference Hooks (veto pré-inférence), monitoring de trajectoire	Claude Enterprise Inference Hooks (veto pré-inférence, 3 couches d'exécution)
Stabilité du fournisseur	Soutenu par AWS ; capex hyperscaler 195–205 milliards $ en 2026	Taux 40 milliards $, IPO retardée à 2027, turnover exécutif (CRO, COO)	Taux 65 milliards $, Q2 rentable (559 millions $), cible IPO 2 000 milliards $ oct 2026, actions à vote surmultiplié
Risque neocloud / matériel	Protégé — AWS absorbe le churn des fournisseurs matériel	Exposé aux choix d'infrastructure OpenAI (financement Nvidia 105 milliards $ Ohio)	Exposé aux partenariats de calcul Anthropic (Google, AWS)
Profil de lock-in	Niveau API ; multi-modèles réduit le lock-in de modèle mais augmente le lock-in AWS	Élevé : modèles OpenAI uniquement, crédits Codex, écosystème ChatGPT Work	Moyen : modèles Claude uniquement, mais disponible via Bedrock comme repli
Signal d'approvisionnement entreprise	Partenariat IBM-OpenAI intègre OpenAI dans IBM Consulting — non natif Bedrock	Ramp : 40% de part de marché, croissance plus rapide en Q3	Ramp : 44% de part de marché, Fable 5 sous-performé en prix + rétention

Structure de coûts : la fenêtre de trois mois

La dimension de coût a changé matériellement en août 2026. OpenAI a annoncé une réduction de prix de 20%+ pour GPT-5.6 Sol couvrant les prix d'API, les crédits Codex et les plans ChatGPT Work pendant trois mois. Cela a suivi la réduction de 50% d'OpenRouter sur GPT-5.6 Sol le 18 août et le lancement de Grok 4.6 à 2$/6$ par million de tokens (60% en dessous des prix comparables). La guerre des prix d'inférence est désormais une dynamique de marché multi-vectorielle : concurrence de passerelles, réductions directes des labs frontières et sous-évaluation des nouveaux entrants.

Les données de Ramp quantifient ce que cela signifie pour la sélection de plateforme. Fable 5 d'Anthropic, prix à environ 10$ par million de tokens (le double de GPT-5.6 Sol), n'a représenté que 6% des tokens achetés par les entreprises auprès d'Anthropic et 11,4% des dollars totaux au cours de son premier mois. GPT-5.6 Sol, à moitié prix, a capturé 25% des tokens d'OpenAI et 23% des dépenses. La conclusion de l'économiste de Ramp Ara Kharazian : « nous avons trouvé une nouvelle limite supérieure de ce que les entreprises sont prêtes à dépenser en IA. »

Pour une décision de plateforme, le signal est clair : la prime de prix du modèle premium ne tient pas. Une comparaison TCO de trois mois basée sur les prix d'août montrera que GPT-5.6 Sol est significativement moins cher que Fable 5 pour la même classe de charge de travail. Les prix par token de Bedrock pour les modèles Claude suivent les prix directs d'Anthropic, donc la dimension de coût ne favorise pas Bedrock pour les charges de travail Claude — mais l'option Provisioned Throughput de Bedrock permet de s'engager sur une dépense fixe, ce qui compte si votre agent fonctionne en permanence. L'article parent, Inference Economics: Why Always-On Production Agents Are Now Affordable, couvre l'effondrement du coût par token de 1 000× qui a rendu les agents permanents viables. Le companion, Beyond Per-Token: Six Cost Vectors Reshaping Inference Procurement, couvre les six vecteurs d'optimisation des coûts au-delà du prix des modèles. Cet article se concentre sur la décision au niveau plateforme que ces vecteurs de coût alimentent.

Architecture de confidentialité : ZDR vs rétention 30 jours

La dimension de confidentialité est devenue un critère de sélection de plateforme en août 2026. OpenAI a livré Private Safety Processing — un monitoring de sécurité inter-sessions compatible zéro rétention de données qui ne stocke pas les prompts ni les complétions des clients. Fable 5 d'Anthropic, en revanche, nécessite une rétention de données de 30 jours, une exigence imposée par les régulateurs et source de retour négatif des utilisateurs. TechCrunch a rapporté que les données de Ramp montraient que Fable 5 « a déçu à la fois en adoption et en application réelle compte tenu des exigences de prix + rétention de données. »

Pour une équipe B2B exécutant des agents en production qui traitent des données clients, du contenu RFQ ou des documents d'approvisionnement, la politique de rétention n'est pas une note de bas de page de conformité — elle détermine quelles données quittent votre environnement et pendant combien de temps. AWS Bedrock hérite de la posture de gouvernance de données d'AWS, qui pour de nombreuses entreprises est déjà mappée à des frameworks de conformité existants. Le Private Safety Processing d'OpenAI offre un monitoring ZDR pour les équipes qui ne peuvent pas permettre la rétention. La rétention de 30 jours d'Anthropic est une contrainte dure pour les charges de travail régulées.

L'analyse plus approfondie se trouve dans Privacy vs Safety Architecture: The New Agent Governance Choice, qui couvre l'architecture de kill-switch à quatre couches (réseau, identité, application, plateforme) et le compromis ZDR-vs-rétention en détail. Pour la décision de plateforme, le résumé est : si votre agent traite des données soumises au RGPD, HIPAA ou ITAR, la politique de rétention peut éliminer une plateforme de la considération avant même que la comparaison de coûts ne commence.

Stabilité du fournisseur : capex, IPO et turnover exécutif

Une décision de plateforme est un engagement de 12 à 36 mois. La dimension de stabilité du fournisseur évalue si le fournisseur de la plateforme existera, restera indépendant et maintiendra sa posture de prix sur cet horizon.

Trois points de données définissent le paysage actuel. La CFO d'OpenAI a déclaré aux investisseurs que les revenus entreprise ont dépassé le grand public à un taux annualisé de 40 milliards de dollars, avec une croissance de 32% des clients entreprise en juillet — un fort élan commercial. Mais OpenAI a également vu son CRO partir après huit mois, son COO partir après huit ans, et son IPO retardée à 2027. Anthropic a atteint un taux de 65 milliards de dollars avec 559 millions de dollars de profit opérationnel en Q2 et une cible d'IPO de 2 000 milliards de dollars pour octobre 2026, mais a introduit des actions à vote surmultiplié pour les fondateurs, concentrant la gouvernance. AWS est soutenu par un capex à l'échelle d'Alphabet — le Q2 d'Alphabet a montré une combustion de trésorerie de 5,9 milliards de dollars (son premier flux de trésorerie libre négatif en une décennie) et a relevé ses prévisions de capex 2026 à 195–205 milliards de dollars.

La couche neocloud ajoute un second risque de stabilité. Etched a atteint une valorisation de 21 milliards de dollars sur des contrats au niveau rack. Groq a levé 350 millions de dollars pour un pivot neocloud. Relay a fermé la même semaine. Si votre agent dépend d'un fournisseur d'inférence neocloud et que ce fournisseur sort, l'agent échoue — non pas parce que le modèle était mauvais, mais parce que l'endpoint a disparu. AWS Bedrock vous isole du churn neocloud car AWS absorbe le risque de fournisseur matériel en interne. OpenAI et Anthropic vous exposent à leurs choix d'infrastructure, qui incluent désormais un centre de données financé par Nvidia à 105 milliards de dollars en Ohio.

Signal d'approvisionnement entreprise : ce que fait le marché

Le partenariat stratégique IBM-OpenAI annoncé le 13 août est le signal d'approvisionnement entreprise le plus clair : IBM intègre les modèles d'OpenAI dans IBM Consulting Advantage avec des milliers de consultants certifiés, ciblant les services financiers, le gouvernement, les télécommunications et la vente au détail. Pour la sélection de plateforme, cela signifie qu'OpenAI construit la couche de services entreprise qui réduit le risque de déploiement pour les équipes B2B — mais cela signifie aussi qu'OpenAI devient le défaut, avec le lock-in que cela implique.

Les données de Ramp montrent que le marché ne s'est pas stabilisé. Anthropic mène avec 44% contre 40% pour OpenAI à juillet, mais OpenAI croît plus vite en Q3. Le Salesforce Agentic Enterprise Index montre que les agents par organisation ont presque triplé de 5 à 13. L'écart de dépenses de 619× entre les plus gros dépensiers et la médiane signifie que le marché se bifurque : un petit groupe parie gros pendant que tout le monde achète prudemment. La CFO d'OpenAI a nommé le changement : « Les clients entreprise sont passés du tokenmaxxing à se concentrer sur le coût par unité d'intelligence. »

Pour la sélection de plateforme, le signal d'approvisionnement est : le marché est volatil, sensible aux prix et non verrouillé. Une décision de plateforme prise aujourd'hui devrait tenir compte de la possibilité que le leader de coût change dans 6 mois. L'accès multi-modèles d'AWS Bedrock est la couverture contre cette volatilité — vous pouvez passer de Claude à Llama à DeepSeek dans le même contrat API. OpenAI et Anthropic vous verrouillent aux modèles d'un seul lab.

Exécution pré-inférence : la dimension de gouvernance

Les agents en production ont besoin de kill switches. La dimension de gouvernance a mûri d'un nice-to-have à un critère de sélection de plateforme. OpenAI a livré Inference Hooks — veto pré-inférence, monitoring de trajectoire et la capacité de mettre en pause une session longue durée pour révision humaine. Anthropic a livré Claude Enterprise Inference Hooks avec exécution à trois couches. AWS Bedrock offre Guardrails comme un service configurable mais n'inclut pas de kill switch d'agent intégré — vous le construisez vous-même.

L'architecture de kill-switch à quatre couches — réseau (Portnox), identité (Okta XAA), application (Straiker), plateforme (ServiceNow) — est détaillée dans Kill Switch by Design: Agent Governance Architecture. Pour la décision de plateforme, le résumé est : OpenAI et Anthropic livrent l'exécution pré-inférence comme des fonctionnalités de plateforme. AWS Bedrock vous donne les blocs de construction mais pas l'exécution. Si votre agent gère des transactions financières, des approbations d'approvisionnement ou des modifications de données clients, le manque d'exécution pré-inférence est un manque de préparation à la production.

Mise à jour — 2026-09-30 : le Fairwind Program de Gemini 4 Argon — le modèle de release contrôlée des plateformes managées se consolide

La sortie de Gemini 4 Argon par Google (30 septembre 2026) ajoute au raisonnement de consolidation un point de donnée plateforme managée pris dans l'autre sens : le modèle est d'abord déployé auprès de cyberdéfenseurs de confiance via le Fairwind Program de Google — un canal contrôlé et soumis à accreditation — avant de s'étendre par phases aux clients API payants et aux consommateurs, en cohérence avec le processus volontaire du gouvernement américain d'accès pré-release aux modèles. Le schéma reflète ce que ce document suit côté AWS (l'accès pré-release contrôlé d'Astra lui-même), désormais confirmé chez trois labs : la capacité frontière est de plus en plus distribuée par des programmes d'accès contrôlés plutôt qu'en disponibilité générale dès le premier jour, et les engagements de plateforme (Bedrock, Vertex AI) se tiennent à l'intérieur de ces portes. Pour une décision de plateforme prise aujourd'hui, la question d'évaluation s'étend au-delà de la parité des modèles et des prix vers la gouvernance du canal de release : quel programme d'accès de quel fournisseur couvre votre posture de conformité, et que fait votre charge de travail pendant la fenêtre avant que votre canal approuvé ne transporte le modèle. La cyberdéfense est aussi la première capacité nommée du canal contrôlé — Argon égale la première place sur CWE-bench v1 à 68 %, et Wiz a déjà découvert avec lui une vulnérabilité critique d'un logiciel de santé passée inaperçue des modèles frontière précédents via Scan for Good — faisant de l'éligibilité des charges de sécurité une question d'approvisionnement bien vivante pour les équipes défensives sur les deux plateformes.

Mise à jour — 2026-10-07 : GLM-5.3-Flash — le datapoint d'efficacité de serving atterrit sur l'axe des puces chinoises

GLM-5.3-Flash (7 octobre 2026) — le datapoint d'efficacité de serving atterrit sur l'axe des puces chinoises. Le nouveau MoE nativement multimodal 320B / 18B actifs de Z.ai à 0,15/0,50 $ par million de tokens (un dixième des 1,40/4,40 $ du fleuron 744B) est servi à l'échelle sur des puces IA chinoises avec un moteur d'inférence dédié sur SGLang, pour une amélioration revendiquée de 3× du serving de bout en bout — efficacité matérielle et coût par token comparables aux GPU NVIDIA grand public (Z.AI blog). Pour la décision de plateforme que cadre cet article, le datapoint aiguise la moitié serving de l'axe de souveraineté : la comparaison des plateformes gérées (Bedrock vs OpenAI) fixe l'inférence adossée à NVIDIA à l'intérieur des frontières juridictionnelles américaines, tandis que la route à poids ouverts possède désormais une capacité agentique quasi-frontière — Terminal Bench 84.3, AutomationBench 48.8 surpassant Claude Opus 4.8 — dont l'infrastructure de serving ne dépend d'aucune chaîne d'approvisionnement occidentale. Une évaluation de plateforme qui pèse déjà coût, confidentialité, stabilité du fournisseur et accès souverain aux capacités pèse désormais aussi où réside le silicium de serving — et la route poids-ouverts+auto-hébergée a une réponse crédible sur les cinq axes pour les 80 % de la table de routage optimisés en coût.

Lectures connexes

• Inference Economics: Why Always-On Production Agents Are Now Affordable — l'article parent documentant l'effondrement du coût par token de 1 000× qui a rendu les agents permanents viables
• Beyond Per-Token: Six Cost Vectors Reshaping Inference Procurement — le companion couvrant les contrats au niveau rack, le risque neocloud et l'infrastructure de routage au-delà du prix des modèles
• Privacy vs Safety Architecture: The New Agent Governance Choice — le compromis ZDR-vs-rétention et l'architecture de kill-switch à quatre couches en détail

Mise à jour — 2026-10-05 : la semaine souveraine des poids ouverts — Mistral Large 4, Reflection Beam, Kolibri-1

Mistral Large 4 (ML4) — aperçu public (6 octobre 2026). Mistral a publié l'aperçu public de ML4 ("le Chonk"), un MoE nativement multimodal de 1T de paramètres / 49B actifs entraîné sur 3 800 GPU NVIDIA Grace Blackwell dans les datacenters européens propres à Mistral, porté par une série D de 3 Md€ — la plus grande levée de fonds en fonds propres de l'histoire d'une entreprise technologique européenne. Meilleur des poids ouverts en cybersécurité (82 % sur reproduce-and-patch — le score le plus élevé de tous les modèles mesurés ; Claude Opus 5.5 et GPT-6 Astra marquent quasi zéro parce qu'ils refusent la tâche), en finance et en droit. La thèse qui l'accompagne est l'argument de souveraineté cyber : les refus au niveau du fournisseur peuvent bloquer la recherche de vulnérabilités légitime et la réponse aux incidents — perdre l'accès à une capacité en plein incident peut devenir en soi un risque de sécurité critique. La course aux poids ouverts est désormais à trois régions — États-Unis (Reflection Beam, MoE épars 501B / 23B actifs, 3–4× plus efficace en calcul que la classe GLM-5.2, soutenu par Nvidia, poids Apache 2.0 ce mois), Europe (Mistral ML4 ; Kolibri-1 d'Aleph Alpha, MoE 78,1B / 3,46B actifs construit et entraîné en Allemagne et en Finlande, bilingue allemand/anglais, Apache 2.0), Chine (DeepSeek, Qwen, GLM). Pour la décision de plateforme que cet article encadre, la question d'évaluation gagne un quatrième axe à côté du coût, de la vie privée et de la stabilité du fournisseur : l'accès souverain aux capacités — votre charge de travail peut-elle exécuter la classe de capacité cyber (reproduce-and-patch à 82 %) par une route de déploiement dont la disponibilité de capacité ne dépend pas d'une couche de refus ? Chaque stack d'entreprise a désormais trois réponses régionales à cette question.

Pour l'arithmétique côté acheteur : le point de données de souveraineté ne change pas la structure de la comparaison de plateformes (l'intégration et la gouvernance achètent toujours disponibilité et conformité), mais la ligne capacité/souveraineté incorpore désormais où vivent les poids et qui peut refuser votre charge de travail de réponse aux incidents — une dimension d'évaluation que la mise à jour du 2 octobre sur l'accès au calcul a introduite en termes de financement et que l'actualité du paysage des modèles de cette semaine rend en termes de capacités.

---

Un distributeur de taille intermédiaire utilisant NetSuite et BigCommerce doit décider quelle plateforme

Mise à jour — 2026-10-02 : l'accès au calcul sans fournisseur cloud — le chemin de leasing Broadcom

Le tableau d'accès au calcul que cet article cartographie (bedrock contre API direct) a gagné une troisième structure le 1er octobre 2026 : Broadcom a convenu de prêter jusqu'à 42 milliards de dollars à Anthropic pour leasing de puces Broadcom — un chemin de financement fournisseur qui place la capacité de lab frontal hors du cadre à deux fournisseurs cloud que la comparaison de cet article suppose. Pour une entreprise évaluant des plateformes managées, le point de donnée est structurel : la capacité d'Anthropic n'est plus exclusivement médiée par des structures d'engagement AWS/GCP ; elle inclut désormais une relation directe de leasing de silicium financée par le propre bilan du fournisseur de puces. La conséquence pratique pour la sélection de plateforme est inchangée en direction — les plateformes managées achètent toujours l'intégration et la gouvernance, pas seulement la capacité — mais la question du risque de capacité (« et si l'allocation du fournisseur s'avère insuffisante ? ») possède désormais une nouvelle réponse côté Anthropic, et la guidance de routage multi-fournisseurs de cet article porte une raison supplémentaire : les structures de capacité divergent selon le modèle de financement du fournisseur, pas seulement selon la région cloud.

gérée soutient son agent de devis. L'agent traite 200 RFQ par semaine, lit les catalogues fournisseurs, écrit les devis dans l'ERP et gère les paliers de prix spécifiques aux clients. La décision de plateforme ne concerne pas quel modèle obtient le score le plus élevé sur un benchmark — elle concerne si la plateforme maintient l'agent en ligne lorsqu'un fournisseur neocloud ferme, si les données RFQ des clients restent dans la bonne juridiction et si le coût par token au 9e mois ressemble au coût par token du 1er mois.

La fenêtre de prix de GPT-5.6 Sol de trois mois se ferme en décembre. La décision de plateforme devrait être prise avant — mais elle devrait être prise sur la base du coût, de la confidentialité, de la stabilité du fournisseur et de l'exécution pré-inférence, pas sur un benchmark sur lequel les trois plateformes ont convergé.

Demandez une construction cadrée. Découverte d'une semaine. Vous obtenez un inventaire système, une cartographie des flux de travail et un périmètre fixe — que vous construisiez avec nous ou non.