LG U+ lance en 2027 une activité de tokens pour les entreprises

Selon ZDNet Korea, l'opérateur télécoms sud-coréen LG U+ (LG Uplus) entrera en 2027 sur le marché des entreprises avec une activité de « tokens » : un service de relais qui donne à ses clients accès à des modèles d'IA, en combinant modèles et infrastructures adaptés à chaque tâche. Le groupe a présenté sa stratégie lors d'une rencontre avec la presse le 12 novembre 2026 à Séoul, et la presse sud-coréenne l'a relayée le 15 novembre.

Un token est l'unité de texte que l'IA traite en entrée comme en sortie, et la base sur laquelle son usage est facturé. Selon ZDNet Korea, plus un agent d'IA enchaîne recherches, analyses et vérifications pour accomplir un travail, plus il consomme de tokens. LG U+ défend donc un autre indicateur que le prix du token : le coût total pour mener une tâche à son terme, qu'il appelle « Task Cost ».

Que veut vendre LG U+ aux entreprises ?

Selon ZDNet Korea et Pointe Economy, l'opérateur combinera à partir de 2027 deux voies : des partenariats avec des sociétés tierces et une infrastructure construite en propre. ZDNet Korea rapporte que le directeur technique Lee Sang-yeop a expliqué que Kakao se chargerait du front-end et LG U+ du « model serving », c'est-à-dire de l'exécution des modèles qui produit les réponses. L'article ne détaille pas le périmètre exact de ce partage des rôles.

Selon ZDNet Korea, LG U+ met en avant trois terrains d'expérience : son application d'appel assistée par IA ixi-O, son centre de contact IA (AICC) et sa transformation interne par l'IA. Toujours selon ce média, ixi-O a d'abord combiné un modèle embarqué de LG AI Research et Google Gemini, puis la part du modèle maison et d'EXAONE, la famille de modèles de LG AI Research, a été ajustée pour gagner en efficacité de coût. Les données d'exploitation de « Modu AI », le service d'IA public destiné aux citoyens que LG U+ commercialise avec Kakao à la fin de l'année, doivent aussi alimenter l'activité.

Quels gains chiffrés l'opérateur annonce-t-il ?

Les chiffres suivants sont des résultats de tests internes annoncés par LG U+ et rapportés par ZDNet Korea et DigitalToday. Dans les articles lus, aucun n'a été vérifié par un tiers.

• Selon ZDNet Korea et DigitalToday, l'usage du modèle propre de LG U+ pour le code réduit le coût d'exploitation d'environ 90 % par rapport à un modèle courant ; ZDNet Korea ajoute un rendement environ quatre fois supérieur sur la même infrastructure.
• Le routage de modèles consiste à envoyer chaque requête vers le modèle adapté à sa difficulté. Selon ZDNet Korea, les tests internes montrent une baisse de coût d'au moins 25 % pour les questions générales et d'au moins 30 % pour les agents de code ; DigitalToday précise que la qualité des réponses reste proche de 95 %.
• Selon DigitalToday, l'« ingénierie de harnais », qui limite les outils et le périmètre d'un agent et réutilise les procédures réussies, réduit la consommation de tokens de 38 % sur les tâches générales et de 84 % sur le code.
• Selon DigitalToday, réduire un modèle de 35 à 10 milliards de paramètres conserve 91 % de la qualité et accélère la génération de 40 %.
• Selon ZDNet Korea, le modèle embarqué passe de 2,4–3 Go à environ 800 Mo et conserve plus de 95 % des performances d'un modèle cloud de comparaison.
• Le décodage spéculatif fait écrire un brouillon par un petit modèle que vérifie un grand. Selon DigitalToday, un modèle EXAONE passe ainsi de 80 à 160 tokens par seconde ; ZDNet Korea ajoute que deux articles de recherche liés ont été acceptés à la conférence NeurIPS.

Ces gains ne s'additionnent pas forcément. ZDNet Korea précise que le chiffre de 90 % sur le code relève d'une vérification distincte de celle du routage. Pointe Economy cite par ailleurs un responsable de LG U+ évoquant une efficacité de tokens de 85 à 90 % pour les tâches d'agents dans les télécoms, sans détailler la base de calcul. Mieux vaut donc lire ces chiffres comme des ordres de grandeur annoncés par l'entreprise.

Comment fonctionne la « chip mix » ?

Selon DigitalToday, une inférence comporte deux temps : le « prefill », qui analyse la question et dépend surtout de la puissance de calcul, et le « decoding », qui rédige la réponse et dépend surtout de la mémoire. D'après Pointe Economy, LG U+ confie le prefill à des GPU Nvidia, le decoding à des GPU AMD mieux dotés en mémoire, et les modèles légers spécialisés à des NPU nationaux, des puces dédiées à l'IA. Selon ZDNet Korea, l'opérateur teste depuis plus de deux ans les NPU de la start-up sud-coréenne FuriosaAI.

Pointe Economy rapporte que, selon Lee Hye-jin, responsable de la stratégie technologique, plus de 80 % du coût total est consommé pendant la phase où l'IA « réfléchit » avant de répondre. Le média évoque le paradoxe de Jevons : quand le prix unitaire baisse, l'usage augmente et la facture globale peut quand même grimper.

Pourquoi un opérateur télécoms se lance-t-il dans les tokens ?

Selon Pointe Economy, le directeur technique Lee Sang-yeop affirme que le concurrent de LG U+ n'est pas le gros modèle d'un géant du numérique, mais la capacité d'ingénierie à combiner au meilleur coût modèles légers maison et modèles externes pour un objectif métier précis. Le média ajoute que l'expérience des télécoms en optimisation de fréquences et de trafic est présentée comme transposable à l'IA.

Le mouvement n'est pas isolé. ZDNet Korea liste parmi ses articles liés un titre du 27 octobre 2026 sur l'entrée de KT dans la production et la distribution de tokens, et un titre du 9 novembre où un dirigeant de SK Telecom parle d'un mélange GPU et NPU pour produire des tokens au meilleur prix. Ces deux articles n'ont pas été lus ici : seuls leurs titres sont cités.

Ce que ça change pour une entreprise française

À ce stade, les articles lus ne donnent ni tarifs, ni clients, ni calendrier précis, ni objectif de chiffre d'affaires. Le service n'existe pas encore commercialement, et rien n'indique qu'il sera proposé hors de Corée du Sud.

Pour une entreprise française qui déploie des agents d'IA, la leçon est surtout de méthode : demander à son fournisseur le coût complet d'une tâche achevée (appels au modèle, recherches, vérifications) plutôt que le prix du million de tokens, tester le routage entre petit et grand modèle sur ses propres cas d'usage, et vérifier que les gains annoncés tiennent sur ses données. Pour cadrer le déploiement d'agents, voir le système agentique.