La firme d'analytics applicative Appfigures a analysé les pics de téléchargement et de revenu des trois grosses apps IA grand public dans la foulée des récentes sorties de modèles d'image. La trouvaille manchette : les sorties de modèles d'image génèrent maintenant 6,5× plus de pics de téléchargement que les upgrades traditionnels de chatbot. Les chiffres sur fenêtre de 28 jours après chaque sortie sont frappants. Nano Banana de Gemini (modèle d'image Gemini 2.5 Flash, août 2025) a tiré 22M+ téléchargements contre environ 181 k$ en dépenses consommateur brutes estimées. Modèle d'image GPT-4o de ChatGPT (mars 2025) : 12M+ téléchargements, ~70M$ de revenus. Vibes de Meta AI (sept. 2025, fil vidéo IA) : 2,6M téléchargements, pas de revenus significatifs.
Le chiffre qui devrait faire sursauter les développeurs : ChatGPT convertit à environ 5,83$ par téléchargement dans la fenêtre post-lancement. Gemini convertit à environ 0,008$ par téléchargement. C'est une différence d'environ 700× en efficacité de monétisation. Caveat sur les données — Appfigures mesure les *revenus consommateur app-store*, ce qui exclut les abonnements Google One, la pub et les dépenses API, qui alimentent toutes le vrai portrait de revenu Gemini de Google. Les apps tirées par abonnement qui routent les revenus par leur propre checkout (ChatGPT) apparaissent proprement; les apps tirées par pub-et-cloud n'apparaissent pas. Donc le gap est en partie réel (la force d'abonnement de ChatGPT est la plus forte dans le grand public IA) et en partie méthodologique (la lentille Appfigures sous-compte les sources de revenu Gemini). Le multiplicateur 6,5× sur les pics de téléchargement est la trouvaille plus robuste méthodologiquement.
Pour les développeurs qui livrent des apps IA grand public, le take-away est le shift structurel dans l'acquisition. Les sorties de modèles d'image sont maintenant le principal driver de téléchargement pour les gros chatbots, devançant les upgrades de qualité de modèle pour le modèle de conversation sous-jacent. C'est un vrai changement dans l'attention utilisateur : les gens se pointent pour la nouvelle capacité image, pas pour les améliorations de raisonnement « GPT-4o → GPT-5 » ou « Gemini 2.0 → 2.5 ». Le cycle d'upgrade de modèle de raisonnement n'est plus le véhicule marketing; le cycle de sortie de modèle image-et-vidéo l'est. Quiconque bâtit une app IA grand public devrait planifier son histoire d'acquisition autour des moments génératifs-image, pas autour des gains de raisonnement incrémentaux.
Pour la monétisation, la leçon structurelle, c'est que la génération d'image est un super hameçon et un mauvais SKU. ChatGPT marche parce que la capacité image est une feature parmi d'autres dans un abonnement à 20$/mois que les utilisateurs achetaient déjà pour le bundle de modèles dans son ensemble. Le pic-image-sans-revenu de Gemini suggère que *sur la surface grand public*, la génération d'image gratuite n'est pas quelque chose pour quoi les gens paient en marginal — ils s'y attendent comme partie de ce sur quoi ils étaient déjà. Si tu livres la génération d'image comme ton hameçon de monétisation, tu vas avoir des téléchargements et pas de revenus. Emballe-la dans un stack de features pour lequel les gens paient le bundle, et la conversion suit.