Discussion :

[Stéphane le calme]

L'âge d'or du forfait IA illimité tire à sa fin : publicités ciblées, limitations d'usage, fonctionnalités verrouillées, prix en hausse.
L'IA agentique contraint les fournisseurs à modifier leurs modèles économiques

L'ère du forfait illimité est terminée. Derrière la guerre des modèles que se livrent les grands laboratoires d'IA se joue une bataille moins visible mais tout aussi décisive : celle de la monétisation. Le token, cette unité atomique de traitement du texte, est en train de redéfinir en profondeur les rapports entre fournisseurs, entreprises clientes et développeurs. Et les stratégies divergentes d'Anthropic et d'OpenAI révèlent deux visions radicalement différentes de ce que devrait être l'économie de l'intelligence artificielle.

Pour comprendre les enjeux économiques de l'IA en 2026, il faut d'abord saisir ce qu'est un token. Les tokens sont l'unité de base de l'usage de l'IA : les mots et caractères qui composent à la fois les requêtes envoyées par les utilisateurs et les réponses générées par les modèles. Une conversation ordinaire avec un assistant IA consomme quelques centaines de tokens par paragraphe. L'IA agentique (ces systèmes qui écrivent du code, naviguent sur le web et exécutent des flux de travail en plusieurs étapes), elle, en brûle des milliers supplémentaires par session.

C'est précisément cette explosion de la consommation agentique qui a fait voler en éclats les modèles tarifaires hérités des débuts de l'industrie. Le modèle à prix fixe a dominé les premières années de l'adoption de l'IA, avec des abonnements mensuels forfaitaires donnant accès à une utilisation généreuse ou illimitée. Ce modèle fonctionnait quand on se contentait de dialoguer avec une IA. Mais l'usage agentique a transformé ce qui coûtait des milliers de tokens par session en millions, brisant les équilibres économiques.

Le cas le plus emblématique de cette rupture est celui du plan Max d'Anthropic à 200 dollars par mois. Des données internes ont révélé que certains utilisateurs du plan Max à 200 dollars mensuels coûtaient à Anthropic plus de 50 000 dollars par mois en calcul informatique. Des développeurs avaient en effet trouvé le filon : ils routaient leur abonnement consommateur à travers des outils tiers comme OpenClaw, faisant tourner des agents autonomes en continu sur un forfait conçu pour la conversation. Une instance OpenClaw fonctionnant de manière autonome pendant une journée entière (naviguant sur le web, gérant des calendriers, exécutant du code, répondant à des messages) peut consommer l'équivalent de 1 000 à 5 000 dollars en coûts d'API. Sous un abonnement Max à 200 dollars par mois, ce transfert de coûts de l'utilisateur vers Anthropic était insoutenable.

La grande bifurcation tarifaire

Face à cette réalité, les deux leaders du marché ont adopté des postures opposées et leur divergence est lourde de sens pour l'avenir du secteur.

Anthropic a choisi la rigueur comptable. La réponse d'Anthropic a été de s'éloigner de la tarification forfaitaire pour les entreprises et d'adopter la facturation à la consommation de tokens, de sorte que les revenus collectés reflètent l'usage réel. La société a également coupé l'accès à certains outils tiers qui étaient de gros consommateurs de tokens. Les anciens contrats d'entreprise qui prévoyaient des sièges à tarif fixe avec une allocation d'usage intégrée appartiennent désormais au passé : ces formules sont désormais qualifiées de « types de sièges hérités qui ne sont plus disponibles pour les nouveaux contrats d'entreprise », selon la page d'assistance de l'entreprise. Les nouveaux plans d'entreprise facturent par siège, avec une consommation de tokens facturée aux tarifs API en supplément.

OpenAI, de son côté, a longtemps privilégié la croissance de la consommation à tout prix. Pendant qu'Anthropic opérait ce virage, OpenAI rendait l'IA moins chère et plus facile à consommer à grande échelle. Mais les signaux d'alarme se multiplient. Nick Turley, responsable de ChatGPT chez OpenAI, a reconnu publiquement lors d'un podcast que « il est possible que dans l'ère actuelle, avoir un plan illimité revienne à avoir un plan d'électricité illimité. Ça n'a tout simplement pas de sens. »

La grille tarifaire actuelle d'Anthropic illustre cette hiérarchisation de l'usage : Claude Opus 4.6, le modèle phare, est facturé à 5 dollars en entrée et 25 dollars en sortie par million de tokens ; Claude Sonnet 4.6, recommandé pour la majorité des charges de production, revient à 3 dollars en entrée et 15 dollars en sortie ; Claude Haiku 4.5, le modèle économique, est proposé à 1 dollar en entrée et 5 dollars en sortie par million de tokens.

Des pertes colossales malgré des revenus record

Derrière ces grilles tarifaires se cache une réalité financière vertigineuse : aucun des deux géants ne gagne encore de l'argent sur l'inférence. En 2025, OpenAI a généré environ 3,7 milliards de dollars de revenus et essuyé des pertes estimées à 5 milliards. L'entreprise derrière ChatGPT dépense 1,35 dollar pour chaque dollar gagné et ces pertes ne sont pas dues à la R&D ou aux effectifs, mais au coût de traitement de milliards de requêtes d'inférence par jour.

Les projections à horizon 2028 donnent le vertige. Le Wall Street Journal a publié des documents financiers confidentiels des deux entreprises en amont de leurs IPO. OpenAI projette de dépenser 121 milliards de dollars en calcul informatique en 2028 uniquement. Cette même année, même après une forte croissance des revenus, l'entreprise projette des pertes de 85 milliards de dollars. Elle n'anticipe pas d'atteindre l'équilibre avant 2030. Les coûts de formation des modèles d'Anthropic culminent quant à eux autour de 30 milliards sur la même période, environ quatre fois moins.

Le paradoxe est brutal : le coût unitaire du token ne cesse de baisser sous l'effet de la concurrence et des progrès techniques, mais les factures totales des entreprises explosent. Les coûts d'inférence représentent désormais 85 % du budget IA des entreprises, selon le rapport 2026 d'AnalyticsWeek sur l'économie de l'inférence. Le budget IA moyen des entreprises est passé de 1,2 million de dollars par an en 2024 à 7 millions en 2026. Certains groupes du Fortune 500 rapportent des factures d'inférence mensuelles se chiffrant en dizaines de millions de dollars.

La course aux revenus : Anthropic dépasse OpenAI

C'est dans ce contexte que s'est produit un événement que même les analystes les plus optimistes ne projetaient pas avant mi-2026 : Anthropic a confirmé un chiffre d'affaires annualisé de 30 milliards de dollars, contre 9 milliards à fin 2025. OpenAI de son côté a confirmé 2 milliards de dollars de revenus mensuels.

La trajectoire d'Anthropic est particulièrement saisissante : 87 millions de dollars de revenus annualisés en janvier 2024, 1 milliard en décembre 2024, 9 milliards à fin 2025, 14 milliards en février 2026, 19 milliards en mars, 30 milliards en avril. Cette dernière séquence (de 14 à 30 milliards en environ huit semaines) échappe aux catégories habituelles de la croissance logicielle.

La clé de cette ascension réside dans un choix stratégique fondamental : Anthropic a misé sur l'entreprise dès le début, évitant de subventionner massivement une base grand public. Anthropic n'a jamais vraiment eu de phase grand public. Les contrats d'API d'entreprise et les accords avec les fournisseurs de cloud (principalement Google Cloud et AWS) ont constitué la base. Huit des dix premières entreprises du Fortune 10 sont désormais clientes de Claude. Plus de 500 entreprises dépensent plus d'un million de dollars par an.

La concurrence se resserre autour des clients qui comptent le plus : les entreprises. Alors qu'OpenAI reste le chatbot grand public le plus populaire, il perd de l'argent sur cette clientèle en subventionnant le coût de leur consommation de tokens.

Le token comme révélateur d'une demande peut-être surestimée

Au-delà de la compétition entre les deux firmes, la question du token soulève un problème structurel plus profond : la demande en IA est-elle réelle, ou en partie artificielle ?

Les entreprises d'IA citent l'explosion de la consommation de tokens pour justifier les centaines de milliards dépensés en infrastructure. Mais le token est en train de devenir une métrique distordue. Meta et Shopify ont créé des classements internes mesurant le nombre de tokens consommés par leurs employés. Jensen Huang, PDG de Nvidia, a déclaré qu'il serait « profondément alarmé » si un ingénieur gagnant 500 000 dollars par an n'utilisait pas au moins 250 000 dollars de calcul, mesurant ainsi ce qu'un ingénieur dépense en IA plutôt que ce qu'il en produit.

Cette logique préoccupe les observateurs les plus avisés. Eric Glyman, PDG de Ramp (une plateforme de gestion financière qui a lancé un outil de suivi des dépenses en tokens), pointe une contradiction fondamentale : si votre modèle économique dépend de l'extraction d'un maximum de dépenses en tokens, avez-vous réellement intérêt à aider vos clients à utiliser l'IA plus efficacement ?

Salesforce a commencé à chercher une réponse à cette question en introduisant une nouvelle métrique qu'elle appelle les « unités de travail agentiques », qui mesure le travail accompli par l'IA plutôt que les tokens brûlés. Une approche qui pourrait préfigurer une recomposition plus large de la façon dont la valeur de l'IA est mesurée et facturée.

« Si votre seul objectif est de gaspiller de l'argent, il existe des moyens faciles d'y parvenir », a déclaré Ali Ghodsi, PDG de Databricks, qui traite les charges de travail d'IA pour des milliers d'entreprises. « Soumettez la requête à dix endroits différents. Mettez en place une boucle qui répète l'opération indéfiniment. Cela vous coûtera très cher sans aucun résultat. »

Jen Stave, directrice générale de l'Institut d'IA de la Harvard Business School, constate le même phénomène chez les dirigeants d'entreprise. « J'ai discuté avec une douzaine de directeurs techniques ou informatiques qui me disent tous : "J'ai beaucoup de mal à trouver un cadre d'analyse du retour sur investissement pour ce type de projet" », a-t-elle expliqué.

Vers des IPO sous haute surveillance

Les deux entreprises se préparent à entrer en Bourse dans les prochains mois, et les marchés ne manqueront pas de scruter ces dynamiques. Anthropic, en adoptant la facturation au token, disposera de données plus nettes sur ce que ses clients valorisent réellement. OpenAI aura des chiffres plus importants, mais aura davantage de mal à prouver quelle part en est réelle.

L'enjeu dépasse la simple comptabilité. Il s'agit de savoir quel modèle économique est viable à long terme pour une industrie qui subventionne massivement la consommation de ses propres produits. La fin du forfait illimité n'est pas seulement un ajustement tarifaire : c'est le moment où l'intelligence artificielle doit commencer à prouver qu'elle vaut réellement ce qu'elle coûte.

Sources : Wall Street Journal, Revenue Memo, Oplexa

Et vous ?

La tarification au token est-elle finalement plus juste pour les entreprises, ou risque-t-elle de décourager l'expérimentation et l'innovation à grande échelle ?

La course à la consommation maximale de tokens est-elle un signe de vitalité de l'IA agentique, ou révèle-t-elle une bulle économique prête à se dégonfler ?

Les entreprises françaises et européennes sont-elles suffisamment préparées à gérer des budgets IA devenus aussi imprévisibles que des factures d'électricité ?

Anthropic peut-elle maintenir son avantage sur OpenAI en se concentrant sur l'entreprise, ou la domination grand public d'OpenAI finira-t-elle par peser dans la balance ?

Voir aussi :

Anthropic bloque l'utilisation par des clients tiers des abonnements à Claude Code : la fin de l'interopérabilité et de l'ouverture des outils de dev ou simple épisode dans la bataille des assistants IA ?

Après qu'Anthropic ait bloqué brutalement Openclaw techniquement et légalement, Sam Altman l'opportuniste en profite pour récupérer le bébé dans le giron d'OpenAI

OpenAI a clôturé son dernier tour de table avec 122 milliards $ de capitaux engagés, pour une valorisation post-financement de 852 milliards $

Qui paie réellement pour votre utilisation quotidienne gratuite de ChatGPT ? OpenAI brûle plusieurs millions de dollars par jour, une facture astronomique que les offres payantes ne suffisent pas à couvrir

[jnspunk]

Alors en fait c'est l'inverse, on est en plein dans l'age d'or de l'IA gratuite.
On peut faire tourner des modèles très performants en local. (supérieur à ce qu'était ChatGPT 4o)
Gemma 4 et Qwen 3.6, pour ne citer que les plus accessibles.

[weed]

En effet on entends souvent parler que l'IA n'est pas encore rentable pour les différents acteurs comme Microsoft, Méta, Google, .. Ils proposeraient leurs services à perte, du coup, je ne serai pas surpris que les prix augmentent.

Mais en attendant beaucoup de crainte pour nos jobs de manière général. Aux US, pas mal d'entreprise de l'IT ont viré plusieurs centaines de leurs employés. En France, nous avons été un peu épargné pour le moment mais je pense que nous sommes craintifs sur l'avenir. Entre collègue, on parle des dégats que pourrait causer l'IA.

D'un coté, je vais être un peu méchant, je trouve cela pas plus mal que ce soit moins open bar les IA, que l'IA va devenir moins attractif afin de ne pas l'utiliser à toutes les sauces.

[urumaru]

En ce qui concerne l'emploi : si les modèles mathématiques se perfectionnent, tout métier intellectuel basé sur des règles sera impacté : comptabilité, juridique, création artistique musicale, pilotage à distance, développements informatiques, recherche scientifique, identification, modèles prédictifs, etc.

les impacts seront certains en terme d'emploi et sur la chaine de valeur : un client va-t-il accepter de payer autant qu'avant pour un travail effectué 3 à 10 fois plus vite ?

si c'est le cas, alors le cout de la MO va exploser, dans le cas contraire, il va falloir aller chercher plus de clients.

le cout social augmentera pour les Etats, les rendements de l'immobilier professionnel va s'effondrer : fini les Open Space de 1000 personnes quand 500 seront sufffisants, voir encore plus petits avec le TT.

L'emploi et les ressources financières des Etats seront infiné impactés lourdement, mais je crois que le politique s'en fout un peu, il continuera ses gesticulations et de beugler des solutions inadaptées.

En revanche, quand les gens auront faim... ils devront faire attention aux manifestations : c'est peu être ça la conclusion de l'IA : le soulèvement des populations affamées

Sans compter sur les guerres : la population des pays dits "avancés" s'effondre, ces pays devenant des proies pour d'autres pays, le tout piloté par des intérêts privés. exemple : le japon ne sera bientôt plus en mesure de se défendre face à la Chine (déjà qu'il pèse bien peu militairement) et les US déversent leurs arsenaux sur l'Iran... En cas d'agression, sur qui le Japon pourrait-il compter ? bah pas grand monde

je suis conscient que tout ce que j'ai dit est exagéré, mais est-ce vraiment inconcevable ?

[OuftiBoy]

à toutes et tous,

Si je comprend bien l'article, les fournisseurs d'IA perdent de l'argent, et vont rediriger ces pertes vers le client, ce qui somme toute normal. Mais le coût de l'IA va exploser pour les clients, et se posera alors la question de savoir si à ce prix, les IA seront-elles employées autant ? Car tant que c'est presque gratuit, cela leur permet de faire des économies, mais s'il faut payer pleins pot, elles vont certainement rationaliser l'usage qu'elles font de l'IA, non ?

L'IA permet d'aller plus vite, mais cette accélération est-elle nécessaire dans tout les cas d'utilisation ? Donne-t-elle un avantage par rapport à une autre structure allant moins vite, mais gardant des compétences humaines en interne ? Une autre question, c'est la pérennité des IA. Tout est en changement permanent, et comment une entreprise peut-elle s'assurer que son business le restera dans l'avenir ? Quelle sera le rendement d'une IA, comment le calculer ?

Ce transfert du coût réel vers le client est dû au fait que les fournisseurs perdent de l'argent, mais comment un client héritant de ce coût réel pourra-t-il lui, non pas simplement ne pas perdre de l'argent, mais en gagner ?

Je n'ai aucune idée des réponses à ces questions... Qu'elle-un plus au fait de ces chosespeut-il m'éclairer ?

BàV et Peace & Love.

[Anthony]

L'IA peut désormais coûter plus cher que la main-d'œuvre humaine, car les dépenses IA des entreprises montent en flèche, certaines d'entre elles payant davantage pour la puissance de calcul que pour le travail humain

L'intelligence artificielle (IA), longtemps présentée comme un outil censé améliorer la productivité tout en maîtrisant les coûts, devient un fardeau financier pour certaines organisations. Les dépenses des entreprises en matière d'IA montent en effet en flèche, certaines d'entre elles payant désormais davantage pour la puissance de calcul que pour la main-d'œuvre humaine. Alors que les coûts augmentent et que les retours sur investissement restent incertains, les dirigeants commencent à se demander si l'essor de l'IA est durable et si cette technologie est vraiment moins coûteuse que la main-d'œuvre humaine.

Ce développement s'inscrit dans un contexte de transformation des modèles économiques de l'IA, marquée par la fin progressive de l'âge d'or du forfait IA illimité. Face à l’essor de l’IA agentique et à l’intensification de la concurrence entre les principaux acteurs du secteur, les fournisseurs réorientent leur stratégie de monétisation autour du token, qui devient l’unité de facturation centrale. Cette évolution s'accompagne de limitations d'usage, de fonctionnalités segmentées et d'une hausse des prix, redéfinissant ainsi les relations entre fournisseurs, entreprises et développeurs.

Pendant des années, l'IA a été présentée comme une révolution en matière de productivité, censée améliorer les performances des travailleurs humains tout en maîtrisant les coûts. Mais une nouvelle réalité se dessine. Pour certaines entreprises, le coût d'exploitation des systèmes d'IA commence à dépasser celui de leurs propres employés. Cette évolution oblige les dirigeants à se poser une question délicate : l'IA est-elle vraiment moins coûteuse que la main-d'œuvre humaine ?

Cette tension se fait déjà sentir au sein de certaines des plus grandes entreprises technologiques. Chez Oracle, une vaste restructuration donne un aperçu de la manière dont les investissements dans l'IA redéfinissent profondément les priorités des entreprises. Au cœur de cette initiative se trouve un accord colossal dans le domaine du cloud computing conclu avec OpenAI, dont la valeur s'élèverait à environ 300 milliards de dollars, visant à construire et à développer des centres de données capables de prendre en charge des charges de travail avancées en matière d'IA, notamment des systèmes similaires à ChatGPT.

Pour y parvenir, Oracle a accéléré l'expansion de son infrastructure à travers les États-Unis. L'ampleur et la rapidité de ce développement ont eu un coût. L'entreprise s'est lourdement endettée, le montant total de ses emprunts ayant, selon les estimations, dépassé les 100 milliards de dollars, tandis que d'importantes dépenses d'investissement ont fait basculer son flux de trésorerie disponible en territoire négatif.

Dans ce contexte, les récents licenciements apparaissent moins comme une mesure isolée que comme un réajustement. Les analystes estiment que ces réductions d'effectifs pourraient permettre d'économiser entre 8 et 10 milliards de dollars, des fonds qui pourraient être réaffectés à ces projets d'IA à forte intensité capitalistique. C'est un exemple révélateur de l'évolution des priorités en matière de dépenses, même si cela implique de réduire les effectifs pour financer les machines.

Quand les machines coûtent plus cher que les humains

L'ampleur des dépenses prend même les professionnels du secteur au dépourvu. Bryan Catanzaro, vice-président chargé de l'apprentissage profond appliqué chez Nvidia, a récemment fait remarquer que les coûts informatiques de son équipe dépassaient désormais largement les dépenses de personnel. Il s'agit là d'un renversement frappant de l'idée reçue selon laquelle l'automatisation permettrait de réduire les coûts d'exploitation, rapporte Axios.

Le problème réside dans les mécanismes de l'IA moderne. L'entraînement et l'exécution de modèles avancés nécessitent une infrastructure informatique colossale, souvent alimentée par des puces et des services cloud coûteux. À cela s'ajoutent les coûts « par jeton », c'est-à-dire les frais liés au traitement des requêtes sur les grands modèles de langage, qui peuvent rapidement monter en flèche à mesure que l'utilisation s'intensifie.

Chez Uber, la pression se fait déjà sentir. Son directeur technique aurait épuisé tout le budget 2026 de l’entreprise consacré à l’IA avant la date prévue, principalement en raison de ces dépenses liées aux jetons. Par ailleurs, Amos Bar-Joseph, PDG de Swan AI, a attiré l’attention après avoir souligné la facture croissante que lui adressait Anthropic, présentant cela comme faisant partie de la mise en place d’une « entreprise autonome ».

Le pari à mille milliards de dollars sur l'IA

Le contexte général met en évidence l'ampleur prise par cette tendance. Le cabinet d'études Gartner estime que les dépenses mondiales en technologies de l'information atteindront 6 310 milliards de dollars en 2026, soit une hausse de 13,5 % par rapport à l'année précédente. Cette croissance est en grande partie alimentée par des investissements soutenus dans les infrastructures d'IA, les logiciels et les services basés sur le cloud.

De la création de modèles à l'abonnement à ceux-ci, les entreprises investissent massivement à tous les niveaux de la pile IA. Pourtant, cet enthousiasme commence à se heurter à une certaine résistance. Les actionnaires exigent de plus en plus la preuve que ces investissements génèrent des retours concrets, que ce soit sous la forme de gains de productivité mesurables ou de réductions de coûts évidentes.

Brad Owens, responsable de la stratégie en matière de main-d'œuvre numérique chez Asymbl, affirme que le débat est déjà en train d'évoluer. Les entreprises se posent désormais une question plus fondamentale concernant la valeur : qu'apporte réellement un travailleur, qu'il soit humain ou numérique ?

Même au sein du secteur de l'IA, la rentabilité devient un enjeu concurrentiel majeur. Un investisseur d'OpenAI a laissé entendre que des outils tels que Codex pourraient se démarquer en utilisant moins de jetons que leurs concurrents, comme Claude d'Anthropic, ce qui permettrait de réduire les coûts globaux. De son côté, Anthropic a revu sa tarification pour faire face à la forte hausse de la demande.

Mais très vite, une préoccupation plus profonde commence à se faire jour. La hausse des coûts n’est pas seulement un problème budgétaire ; elle laisse entrevoir les limites structurelles de la technologie elle-même. Malgré toutes les sommes investies, les gains ne suivent pas toujours le rythme. Les modèles actuels sont certes bien plus puissants que leurs prédécesseurs d’il y a quelques années à peine, mais leurs capacités ne sont pas proportionnellement supérieures. Dans de nombreux cas, ils sont loin d’être dix fois plus « intelligents », alors qu’ils nécessitent des ressources exponentiellement plus importantes.

Ce déséquilibre commence à mettre en évidence les failles du discours sur les progrès sans fin de l'IA. Si le simple fait d'ajouter davantage de données et de puissance de calcul ne permet plus d'obtenir des améliorations spectaculaires, la logique économique qui sous-tend cet essor commence à s'effriter. Ce qui semblait autrefois être un simple jeu d'échelle se transforme en un problème de rendements décroissants.

Il en résulte un changement de perception subtil mais significatif. Les dépenses en IA, autrefois considérées comme un gage d'innovation et de puissance, risquent de devenir un handicap si les coûts continuent d'augmenter sans que la valeur ajoutée ne suive.

Par ailleurs, à mesure que les entreprises intensifient leurs dépenses en IA, un constat plus nuancé émerge quant aux bénéfices réels de cette technologie pour les entreprises. Selon une enquête menée auprès de milliers de PDG, l'IA n'aurait aucun impact sur l'emploi ou la productivité. Si certains bénéfices existent à l'échelle de tâches spécifiques, ils peinent à se traduire en gains globaux pour les entreprises ou l'économie. Cette situation rappelle le paradoxe formulé par l'économiste Robert Solow dans les années 1980 : une technologie peut être omniprésente, mais invisible dans les statistiques de productivité.

Dans ce contexte, les prévisions financières des principaux acteurs du secteur illustrent les tensions économiques entourant l'essor de l'IA. Selon des documents internes consultés par The Information, OpenAI prévoit une perte de 14 milliards de dollars en 2026, avec des déficits cumulés estimés à 44 milliards de dollars jusqu'en 2029. Malgré une croissance rapide de ses revenus et le succès de ses produits, l’entreprise est ainsi confrontée à un modèle économique fortement déficitaire. « OpenAI est en train de s'effondrer. Aucune start-up dans l'histoire n'a jamais fonctionné avec de telles pertes », a déclaré l'investisseur chevronné George Noble.

Sources : Nvidia, Uber, Axios

Et vous ?

Quelle lecture faites-vous de cette situation ?
Selon vous, l'augmentation des dépenses liées à l'IA au-delà des coûts de la main-d'œuvre humaine est-elle cohérente ou pertinente ?

Voir aussi :

IA en entreprise : des milliards investis, mais où sont passés les gains de productivité promis aux dirigeants ? Une enquête indique que la majorité des PDG déclarent ne pas en tirer de bénéfices financiers

L'IA en entreprise court à la catastrophe : code défaillant, hallucinations facturées au prix fort. Comment les entreprises mesurent tout sauf ce qui compte vraiment

Les dépenses en infrastructure IA ont atteint un niveau record de 86 milliards $ au troisième trimestre 2025, les coûts liés aux serveurs représentant près de 98 %, une croissance supérieure à 30 % par an

[RenarddeFeu]

Un LLM et des agents restent cependant beaucoup plus "manageable" que des salariés. Même si ça coûte plus cher en définitive, l'entreprise reste gagnante.

[Anselme45]

Un LLM et des agents restent cependant beaucoup plus "manageable" que des salariés. Même si ça coûte plus cher en définitive, l'entreprise reste gagnante.

N'importe quoi! Et vous "manager" comment les hallucinations de l'IA?

[Anthony]

Une entreprise a dépensé accidentellement 500 millions $ en un mois pour l'IA Claude après avoir omis les limites d'utilisation, soulignant la nécessité d'un contrôle des dépenses dans l'adoption de l'IA

Une entreprise aurait dépensé 500 millions de dollars en un seul mois pour l'intelligence artificielle Claude d'Anthropic, après avoir omis de mettre en place des limites d'utilisation ou des contrôles des dépenses, d'après un rapport d'Axios. Cet incident, révélé par un consultant en IA, met en lumière la manière dont un accès illimité aux assistants de codage IA et aux flux de travail basés sur des agents peut rapidement faire grimper les coûts, exposant ainsi les entreprises qui adoptent l'IA à des défis croissants en matière de gouvernance, de surveillance et de maîtrise des coûts.

Cette affaire s'inscrit dans un contexte où les coûts de l'IA augmentent et remettent en question les promesses d'économies associées à cette technologie. Ces derniers mois, plusieurs entreprises ont vu leurs dépenses liées à l'IA exploser, au point que certaines payent désormais davantage pour la puissance de calcul que pour la main-d'œuvre humaine. Alors que les coûts augmentent et que les retours sur investissement restent incertains, les dirigeants se demandent si l'essor de l'IA est durable et si cette technologie est vraiment moins coûteuse que la main-d'œuvre humaine.

Dans ce contexte, la pression exercée sur les grandes entreprises technologiques pour qu'elles démontrent l'adoption de l'IA a également suscité des interrogations quant à la manière dont certaines d'entre elles évaluent son utilisation. Selon des informations rapportées par le Financial Times, des employés d'Amazon auraient été incités à gonfler les chiffres relatifs à l'utilisation de l'IA. Trois employés ont déclaré que les indicateurs internes d'utilisation de l'IA étaient probablement gonflés, certains collaborateurs utilisant notamment la plateforme d'IA interne MeshClaw pour effectuer des tâches non essentielles et faire bonne impression auprès de leurs responsables.

Une grande entreprise aurait appris à ses dépens que l'IA ne se contente pas d'écrire du code et de répondre à des requêtes. Elle peut faire exploser un budget à un rythme que la plupart des directeurs financiers n'ont jamais vu auparavant.

Selon un rapport d'Axios, un consultant en IA a révélé qu'une de ses entreprises clientes avait accidentellement accumulé une facture astronomique de 500 millions de dollars en un seul mois sur le service Claude d'Anthropic, après avoir omis de mettre en place des plafonds de dépenses ou des contrôles d'utilisation pour ses employés. Oui, un demi-milliard de dollars. En 30 jours. Pour l'utilisation de l'IA.

À première vue, cette histoire semble presque absurde. Mais quand on examine de plus près ce qui se passe actuellement au sein des grandes entreprises, cela ressemble moins à un accident isolé qu'à un signe avant-coureur de l'essor de l'IA en entreprise.

« Les budgets consacrés à l’IA dans les entreprises sont désormais à l’origine d’une véritable crise. Le client d’un consultant a dépensé 500 millions de dollars en un seul mois après avoir omis de mettre en place des contrôles d’utilisation pour les licences IA de ses employés. L’annulation par Microsoft de la plupart des licences internes de Claude Code en est l’exemple le plus marquant, mais ce phénomène s’observe de manière généralisée dans toutes les entreprises », selon le rapport.

Cette explosion des dépenses serait due à une utilisation sans restriction de Claude par l'ensemble des équipes. Les développeurs qui effectuent de longues sessions de codage, les agents IA qui exécutent des flux de travail enchaînés et les employés qui génèrent sans cesse des prompts à large contexte peuvent consommer d'énormes quantités de jetons en un temps étonnamment court.

Polymarket a également confirmé cette information dans un message publié sur X : « DERNIÈRE NOUVELLE : un consultant en IA révèle qu'un client a dépensé accidentellement 500 000 000,00 $ en un seul mois après avoir omis de fixer des limites d'utilisation de Claude pour ses employés. »

NEW: AI consultant reveals a client accidentally spent $500,000,000.00 in a single month after failing to set employee limits on Claude usage.

— Polymarket (@Polymarket) May 28, 2026

Comment l'utilisation incontrôlée de l'IA Claude a entraîné une facture astronomique de 500 millions de dollars en seulement 30 jours

Ce qui semblait gérable à petite échelle a pris une toute autre dimension lorsque des milliers d'employés ont commencé à utiliser simultanément des outils d'IA avancés.

Un seul ingénieur qui expérimente des flux de travail de codage agentique peut accumuler des centaines, voire des milliers de dollars de frais d'utilisation en un mois. Si l'on multiplie ce chiffre à l'échelle d'une entreprise où l'accès est illimité, les coûts deviennent difficiles à maîtriser.

Le moment choisi a également son importance. Les entreprises américaines ont passé une grande partie des années 2024 et 2025 à se précipiter pour déployer l'IA générative dans tous leurs services. Les dirigeants craignaient de se faire distancer par leurs concurrents. Les fournisseurs ont encouragé une adoption à l'échelle de l'entreprise. Les équipes ont été incitées à intégrer l'IA dans leur travail quotidien le plus rapidement possible.

Les entreprises pensaient qu'en matière d'IA, « plus il y en avait, mieux c'était » ; elles dépensaient sans compter dans des abonnements à des services d'IA pour prouver à Wall Street qu'elles ne se laisseraient pas distancer. Cette culture d'entreprise a donné naissance à une tendance appelée « tokenmaxxing », qui consiste pour les employés à consommer délibérément autant de puissance de calcul que possible, dans le seul but de donner l'impression d'être à la pointe de la technologie.

Comme les premiers modèles de tarification de l’IA étaient largement subventionnés, les entreprises ne se rendaient pas compte de l’impact financier. Cependant, maintenant que les principaux développeurs d'IA sont passés à une tarification à l'utilisation, les entreprises paient chaque « jeton » consommé par leurs employés.

Dans de nombreux cas, la gouvernance n'est venue qu'après.

Claude Code a suscité un vif intérêt au sein des équipes d'ingénieurs grâce à ses excellentes performances dans le domaine des tâches logicielles. Cet outil est capable d'analyser de vastes bases de code, de déboguer, de générer des fonctions et d'automatiser les tâches de développement répétitives. Les gains de productivité ont impressionné les entreprises. Les factures aussi.

Le problème sous-jacent est que de nombreuses entreprises ont abordé les outils d'IA comme elles le feraient pour des abonnements SaaS classiques. Un tarif mensuel forfaitaire par utilisateur semblait prévisible. Puis, l'utilisation avancée de l'IA a introduit la facturation par jetons, les agents autonomes, les fenêtres de mémoire à large contexte et les flux de travail en arrière-plan fonctionnant en continu, qui consommaient des ressources à toute heure.

Cela a rapidement bouleversé la donne économique.

L'IA agentique n'a fait qu'aggraver le problème. Les systèmes autonomes peuvent exécuter des tâches en boucle, réessayer les opérations qui ont échoué, générer plusieurs résultats, analyser de vastes ensembles de données et fonctionner pendant des heures avec une intervention humaine minimale. Dans la pratique, cela peut transformer un simple assistant de programmation en une machine à calculer qui tourne sans arrêt.

Le résultat est une prise de conscience de plus en plus forte pour les entreprises qui se sont lancées à corps perdu dans l'IA d'entreprise sans avoir défini de limites financières claires.

Ce que Microsoft, Uber, Meta et d'autres entreprises technologiques ont déclaré

Ce récent incident fait suite à des informations selon lesquelles Microsoft aurait fortement réduit le nombre de licences internes de Claude Code après que les coûts d'utilisation ont commencé à grimper. Selon Axios, certains ingénieurs auraient généré entre 500 et 2 000 dollars de coûts liés à l'IA par mois et par personne. Depuis, Microsoft a orienté davantage d'équipes vers GitHub Copilot et vers des outils internes permettant un meilleur contrôle des coûts.

Des entreprises telles qu'Uber, Instagram, Meta (la société mère de Facebook et WhatsApp), Salesforce et d'autres ont également appelé à une utilisation modérée. Google a révélé que son volume de traitement de jetons avait explosé pour atteindre 3,2 millions de milliards de jetons par mois, soit sept fois plus que l'année dernière.

Uber se serait heurté à un obstacle similaire. Selon Axios, l'entreprise aurait épuisé dès le mois d'avril 2026 l'intégralité de son budget 2026 consacré à l'IA, suite à une adoption massive de produits de codage basés sur l'IA. Le directeur des opérations de l'entreprise aurait admis que ces coûts devenaient de plus en plus difficiles à justifier.

Factory, une entreprise spécialisée dans l'automatisation technologique, a révélé que les employés d'une grande institution financière dépensaient des centaines de milliers de dollars par mois en abonnements IA extrêmement coûteux, simplement pour faire la conversation ou répondre à des questions élémentaires.

Andrew Bosworth, directeur technique de Meta, a adressé un avertissement sans détour aux employés dans une récente note interne : « Personne ne devrait utiliser des outils d'IA juste pour le plaisir de les utiliser. Toute action n'est pas synonyme de progrès, et une utilisation symbolique ne constitue en soi aucune mesure d'impact », a écrit Bosworth.

En toute discrétion, de nombreuses entreprises font désormais de même en coulisses. Les services financiers contrôlent l'utilisation des jetons. L'accès à l'IA est limité en fonction des rôles. On demande aux équipes de réutiliser les résultats obtenus plutôt que de générer sans cesse de nouvelles requêtes. Certaines entreprises fixent pour la première fois des limites strictes aux dépenses mensuelles consacrées à l'IA.

Salesforce a par exemple mis en place un système de suivi interne pour s'assurer que chaque jeton d'IA utilisé par un employé contribue directement à un résultat commercial rentable. Amazon aurait quant à lui supprimé le classement interne qui suivait l'utilisation de l'IA par ses employés.

Selon certaines informations, plusieurs entreprises auraient considérablement réduit leurs coûts dès la mise en place de ces contrôles.

Les dirigeants se posent désormais des questions plus pointues. Quels outils d'IA améliorent réellement la productivité au point de justifier leur coût ? Quelles équipes ont véritablement besoin de modèles haut de gamme ? Jusqu'où les entreprises doivent-elles tolérer l'expérimentation avant que celle-ci ne devienne un gaspillage ?

Les réponses apportées commencent à redéfinir l'adoption de l'IA dans les entreprises.

Les entreprises qui obtiennent les meilleurs résultats semblent être celles qui considèrent l'IA comme une infrastructure cloud plutôt que comme un simple gadget. Les tableaux de bord d'utilisation, les alertes, les limites budgétaires, les processus de validation des flux de travail et les politiques de sélection des modèles deviennent la norme au sein des grandes organisations.

Cette évolution pourrait bien définir la prochaine étape de l'IA d'entreprise.

La phase d'adoption précoce a été alimentée par l'enthousiasme et la peur de passer à côté d'une opportunité. La prochaine étape semble beaucoup plus axée sur les aspects économiques. Pour une entreprise, cette leçon se serait traduite par une facture de 500 millions de dollars.

Alors que cette affaire met en lumière les risques financiers d'une adoption mal encadrée de l'IA, plusieurs études récentes remettent en question le retour sur investissement de ces technologies. Une récente enquête menée auprès de milliers de PDG révèle en effet que l'IA n'a aucun impact sur l'emploi ou la productivité. Si des bénéfices sont observés dans des tâches ou fonctions spécifiques, ils ne se traduisent pas encore par des gains mesurables à l'échelle de l'entreprise ou de l'économie. Ce constat rappelle le paradoxe formulé par l'économiste Robert Solow dans les années 1980 : une technologie peut être omniprésente sans apparaître dans les statistiques de productivité.

Les difficultés rencontrées par certaines entreprises illustrent également le décalage entre les dépenses engagées et les résultats attendus. Uber a ainsi épuisé en seulement quatre mois l'intégralité de son budget 2026 consacré à l'IA. Selon sa direction, il est difficile de mesurer les gains de productivité et les améliorations concrètes pour les utilisateurs. Cette situation souligne un décalage inquiétant entre des dépenses technologiques vertigineuses et la création de valeur effective pour l'entreprise. Pour certains observateurs, dont l'analyste Ed Zitron, cet exemple illustre l'idée que « l'IA coûte trop cher et n'est rentable pour personne ».

Source : Rapport d'Axios

Et vous ?

Quel est votre avis sur le sujet ?
Trouvez-vous les conclusions de ce rapport d'Axios crédibles ou pertinentes ?

Voir aussi :

L'IA coûte trop cher et n'est rentable pour personne : seuls Nvidia, les fabricants de matériel et le BTP en tirent profit, portés par la frénésie des centres de données, selon l'analyste Ed Zitron

L'IA en entreprise court à la catastrophe : code défaillant, hallucinations facturées au prix fort. Comment les entreprises mesurent tout sauf ce qui compte vraiment

IA en entreprise : des milliards investis, mais où sont passés les gains de productivité promis aux dirigeants ? Une enquête indique que la majorité des PDG déclarent ne pas en tirer de bénéfices financiers

[Anselme45]

Une entreprise a dépensé accidentellement 500 millions $ en un mois pour l'IA Claude après avoir omis les limites d'utilisation

La connerie est une réalité avec ou sans IA

[Leruas]

C'est Microsoft surement, vu les autres news qu'on a eu dernièrement concernant l'usage de Claude Code chez Microsoft...

[kain_tn]

Quel est votre avis sur le sujet ?

Okay, donc ils ont craché 500 millions de dollars.

La question maintenant, c'est qu'est-ce qu'ils ont produit pour ce prix, et est-ce que ça en valait la peine?

[Alex]

Gartner prévoit que les coûts liés au codage par IA dépasseront le salaire moyen d’un développeur d’ici 2028, suite au passage à des modèles de licence basés sur la consommation de tokens

Gartner, Inc., une société spécialisée dans les analyses commerciales et technologiques, a déclaraé que d’ici 2028, les coûts liés au codage IA dépasseront le salaire moyen d’un développeur en raison de l’augmentation de la consommation de jetons des grands modèles de langage (LLM) et du passage à des modèles de licence basés sur la consommation. Les jetons IA (tokens) sont les unités de données traitées par les modèles d’IA générative. La consommation de jetons a un impact direct sur le coût des outils de codage IA, en particulier dans le cadre de structures tarifaires basées sur la consommation.

L'intelligence artificielle (IA), longtemps présentée comme un outil censé améliorer la productivité tout en maîtrisant les coûts, devient un fardeau financier pour certaines organisations. Les dépenses des entreprises en matière d'IA montent en effet en flèche, certaines d'entre elles payant désormais davantage pour la puissance de calcul que pour la main-d'œuvre humaine. Alors que les coûts augmentent et que les retours sur investissement restent incertains, les dirigeants commencent à se demander si l'essor de l'IA est durable et si cette technologie est vraiment moins coûteuse que la main-d'œuvre humaine.

Récemment, Gartner, Inc., une société spécialisée dans les analyses commerciales et technologiques, a déclaraé que d’ici 2028, les coûts liés au codage IA dépasseront le salaire moyen d’un développeur en raison de l’augmentation de la consommation de jetons des grands modèles de langage (LLM) et du passage à des modèles de licence basés sur la consommation. Les jetons IA (tokens) sont les unités de données traitées par les modèles d’IA générative. La consommation de jetons a un impact direct sur le coût des outils de codage IA, en particulier dans le cadre de structures tarifaires basées sur la consommation.

« Les entreprises passent rapidement de la phase d’expérimentation au déploiement à grande échelle d’agents de codage IA, mais beaucoup sous-estiment l’impact financier de l’augmentation de la consommation de jetons », a déclaré Nitish Tyagi, analyste principal senior chez Gartner. « La maîtrise de la consommation de jetons ne résultera pas uniquement des choix des développeurs, car ceux-ci ont tendance à privilégier la rapidité et la commodité au détriment de la rentabilité. Sans un modèle opérationnel d’ingénierie bien encadré, les coûts peuvent grimper plus vite que les gains de productivité que ces outils sont censés apporter. »

La tarification à la consommation pose des défis en matière de prévisibilité des coûts

Le passage d’un modèle de licence par poste à une tarification à la consommation chez les fournisseurs d’agents de codage IA introduit des structures de coûts très variables pour les charges de travail d’ingénierie logicielle. De nombreux fournisseurs manquent de transparence quant au mode de calcul et de facturation de la consommation de jetons, ce qui limite la capacité des entreprises à prévoir et à contrôler leurs coûts avec précision. Sans une visibilité claire sur l’utilisation des jetons dans les tâches de développement, les entreprises risquent de dépasser leur budget et de voir leur capacité à suivre le rapport coût-valeur réduite.

« La plupart des organisations ne disposent toujours pas de la maturité ni des cadres nécessaires pour mesurer efficacement le rapport entre les coûts et l’impact commercial », a déclaré Tyagi. « Les responsables de l’ingénierie logicielle sont de plus en plus préoccupés, car les dépenses liées à l’IA basées sur les jetons deviennent plus difficiles à justifier, les budgets étant souvent épuisés plus tôt que prévu. »

Les modèles d’utilisation et les lacunes en matière de gouvernance accentuent la pression sur les coûts

Au-delà des défis liés à la tarification et à la visibilité, la manière dont les agents de codage IA sont utilisés au sein des organisations accentue encore la pression sur les coûts. Les dépassements de budget liés aux jetons sont souvent liés à la manière dont les responsables de l’ingénierie logicielle régissent l’utilisation ; parmi les causes courantes d’échec figurent l’autonomie non contrôlée dans les flux de travail pilotés par des agents, des fenêtres de contexte surchargées et l’absence de mécanismes de retour d’information structurés pour optimiser l’utilisation. De plus, les fournisseurs d’outils de codage IA n’ont pas encore intégré de fonctionnalités matures d’optimisation des coûts dans leurs agents de codage IA, ce qui contribue encore davantage à la flambée des coûts.

« Les coûts liés au codage IA continueront d’augmenter à mesure que les investissements en infrastructure et les défis de rentabilité feront grimper les tarifs des modèles », a déclaré Tyagi. « Parallèlement, à mesure que de plus en plus de développeurs adoptent les outils d’IA, les utilisateurs occasionnels devraient rapidement devenir des utilisateurs réguliers à mesure que leur familiarité et leur dépendance à l’égard de ces outils s’accroissent, ce qui entraînera une nouvelle hausse de la consommation de jetons et des dépenses globales. »

Pour gérer la hausse des coûts et éviter les dépassements de budget, Gartner recommande aux responsables de l’ingénierie logicielle de mettre en œuvre un modèle opérationnel rigoureux pour l’utilisation de l’IA :

- Mettre en place un cadre décisionnel axé sur les cas d’utilisation : les organisations doivent définir clairement quand les agents de codage IA doivent être utilisés et déterminer les niveaux d’autonomie appropriés pour chaque tâche. Cela implique de classer les tâches de développement selon trois modèles d’exécution : dirigé par le développeur, développeur avec agent, et entièrement dirigé par l’agent.

- Adapter le choix du modèle à la complexité de la tâche : les agents de codage IA sont les plus rentables lorsque le travail est décomposé en petites tâches pouvant être traitées par des modèles plus légers, le recours à des modèles plus puissants n’intervenant que lorsque la complexité l’exige. Les équipes d’ingénierie et de plateforme doivent mettre en œuvre des stratégies intelligentes de routage des modèles qui orientent les tâches plus simples et à haute fréquence vers des modèles plus légers, tout en réservant les modèles de pointe aux travaux de développement complexes et à forte valeur ajoutée.

- Rendre obligatoires les pratiques d’ingénierie du contexte : les développeurs doivent être formés à optimiser le contexte d’entrée fourni aux systèmes d’IA en n’incluant que les informations pertinentes, en résumant le contenu lorsque cela est possible et en éliminant les données superflues afin de réduire la consommation de jetons sans compromettre la qualité des résultats.

- Mettre en place une gouvernance et des contrôles des coûts : les organisations doivent introduire des mécanismes tels que des seuils de jetons, des politiques d’escalade et une surveillance automatisée pour gérer l’utilisation. L’intégration de ces contrôles dans les workflows d’ingénierie garantit la cohérence et empêche une augmentation incontrôlée des coûts.

- Intégrer des revues de l’utilisation des jetons dans les cycles de développement : les dirigeants doivent imposer des revues régulières des workflows à forte consommation de jetons dans le cadre des rétrospectives de sprint afin d’identifier les inefficacités, d’affiner les pratiques et de favoriser le partage des connaissances entre les équipes d’ingénierie.

L'IA coûte trop cher et n'est rentable pour personne

En mai 2026, l'analyste Edward Zitron étrille à nouveau le modèle économique de l'IA. Dans une analyse critique, il affirme que le secteur traverse actuellement une bulle financière insoutenable en raison de coûts d'infrastructure et d'exploitation démesurés. Les acteurs investissent des milliers de milliards de dollars sans générer de revenus réels capables de justifier de telles dépenses. Anthropic et OpenAI sont critiqués pour leurs pertes massives et l'absence de modèle économique rentable à long terme. L'éclatement de la bulle serait un carnage.

Edward Zitron soutient que « l'IA n'est actuellement viable sur le plan économique pour aucun acteur », à l'exception des constructeurs de centres de données et des fabricants de matériel comme Nvidia. Selon les rapports financiers, les startups du secteur perdent des sommes colossales chaque année, tandis que les géants de la technologie investissent des centaines de milliards de dollars sans aucune perspective de rentabilité à long terme. En fin de compte, des analyses suggèrent que Google pourrait être le seul gagnant, grâce à son importante réserve de liquidités.

C'est cette situation économique qui a conduit la fin de l'ère du forfait illimité. Derrière la guerre des modèles que se livrent les grands laboratoires d'IA se joue une bataille moins visible mais tout aussi décisive : celle de la monétisation. Le token, cette unité atomique de traitement du texte, est en train de redéfinir en profondeur les rapports entre fournisseurs, entreprises clientes et développeurs. Et les stratégies divergentes d'Anthropic et d'OpenAI révèlent deux visions radicalement différentes de ce que devrait être l'économie de l'intelligence artificielle.

Anthropic a choisi la rigueur comptable. La réponse d'Anthropic a été de s'éloigner de la tarification forfaitaire pour les entreprises et d'adopter la facturation à la consommation de tokens, de sorte que les revenus collectés reflètent l'usage réel. La société a également coupé l'accès à certains outils tiers qui étaient de gros consommateurs de tokens. OpenAI, de son côté, a longtemps privilégié la croissance de la consommation à tout prix. Pendant qu'Anthropic opérait ce virage, OpenAI rendait l'IA moins chère et plus facile à consommer à grande échelle. Cependant, même OpenAI a reconnu publiquement lors d'un podcast que « il est possible que dans l'ère actuelle, avoir un plan illimité revienne à avoir un plan d'électricité illimité. Ça n'a tout simplement pas de sens. »

Source : Gartner

Et vous ?

Pensez-vous que cette analyse est crédible ou pertinente ?
Quel est votre avis sur le sujet ?

Voir aussi :

Une entreprise a dépensé accidentellement 500 millions $ en un mois pour l'IA Claude après avoir omis les limites d'utilisation, soulignant la nécessité d'un contrôle des dépenses dans l'adoption de l'IA

Combien coûte l'IA ? Les utilisateurs de GitHub Copilot réagissent au nouveau système de tarification basé sur l'utilisation. Certains affirment avoir épuisé leur quota mensuel de crédits IA en une journée

Un abonnement ChatGPT à 200 $ coûterait 14 000 $ à OpenAI si vous l'utilisiez réellement à son plein potentiel, les systèmes agents nécessiteraient jusqu'à 1 000 fois plus de jetons qu'une simple instruction

[RenarddeFeu]

Oui ! Et alors ?

Si on revient 40 ans en arrière, je suis à peu près sûr que garder les secrétaires, dactylos, archivistes, coursiers et autres, aurait coûté moins cher que de remplacer tout ce beau monde par l'informatique.

L'IA va remplacer les développeurs parce que les décideurs veulent de l'IA et plus de développeurs, peu importe qu'elle soit plus chère et moins efficace.

[PomFritz]

Bon, en même temps, je me rappelle l'époque où on disait qu'il n'y aurait jamais assez de bande passante pour le streaming à grande échelle par internet... on verra.

[veilletechnoit]

Et cela ne va pas s'arranger. De plus la censure du gouvernement US sur les dernières générations de LLM n'arrange pas les choses. Regardez Claude FAble 5 ou GPT 5.6
Il faut montrer patte blanche, être un américain 'validé' pour pouvoir prétendre utiliser ces moteurs.
on peut espère que l'Europe va réagir et qu'un Mistral (ou autre) pourra percer. N'oublions pas la Chine.
Après, vos data vous les voulez en Chine ou aux USA ?
bref.. aucune réglemntation pour l'heure... cela fait peur

[Patrick Ruiz]

Les entreprises recherchent des solutions d'IA moins coûteuses alors que le « tokenmaxxing » perd de son attrait en tant que tendance éphémère
L’IA est trop chère et n’est rentable pour personne

Le tokenmaxxing a été institué dans le développement de logiciels comme mesure superficielle de la productivité et signal d'adoption de l'intelligence artificielle, encouragé par des classements internes et l'idée que plus de consommation d'IA équivaut à plus de performance. La tendance qui a pris son envol à l’entame de l’année 2026 n’est plus soutenable par les entreprises sur le long terme. En effet, les rapports se succèdent et font état de ce que « l’intelligence artificielle coûte trop cher et n’est rentable pour personne. »

Plusieurs grands groupes technologiques ont officialisé des restrictions budgétaires face à cette explosion des coûts

Uber Technologies a équipé 5 000 de ses ingénieurs d'assistants de codage dopés à l'IA, entraînant une surconsommation massive de jetons. L’entreprise a ensuite du faire face à une crise financière imprévue après avoir épuisé la totalité de son budget annuel alloué à l'IA en seulement quatre mois. Cela a poussé la direction à à qualifier les coûts de « difficiles à justifier » et à imposer un plafond strict de 1 500 $ par mois et par outil pour chaque employé.

En juin, un tableau de bord interne de Meta Platforms, baptisé « Claudeonomics », a révélé que 85 000 employés ont brûlé plus de 60 000 milliards de jetons en un mois, entraînant une intervention de la direction pour restreindre ces usages non régulés.

Au cours de ce mois qui tire à son terme, des responsables technologiques, à l'instar d'Amazon (via son CTO Werner Vogels), ont confirmé publiquement une transition accélérée des grandes organisations vers des modèles open source ou des alternatives locales moins onéreuses pour échapper à la facturation unitaire agressive des modèles propriétaires.

Workplaces look for cheaper AI as ‘tokenmaxxing’ fades as a corporate fad https://t.co/zRbtXYZP62

— The San Diego Union-Tribune (@sdut) July 28, 2026

Gartner prévoit que les coûts liés au codage par IA dépasseront le salaire moyen d'un développeur d'ici 2028

L'intelligence artificielle (IA), longtemps présentée comme un outil censé améliorer la productivité tout en maîtrisant les coûts, devient un fardeau financier pour certaines organisations. Les dépenses des entreprises en matière d'IA montent en effet en flèche, certaines d'entre elles payant désormais davantage pour la puissance de calcul que pour la main-d'œuvre humaine. Alors que les coûts augmentent et que les retours sur investissement restent incertains, les dirigeants commencent à se demander si l'essor de l'IA est durable et si cette technologie est vraiment moins coûteuse que la main-d'œuvre humaine.

Récemment, Gartner, Inc., une société spécialisée dans les analyses commerciales et technologiques, a déclaraé que d’ici 2028, les coûts liés au codage IA dépasseront le salaire moyen d’un développeur en raison de l’augmentation de la consommation de jetons des grands modèles de langage (LLM) et du passage à des modèles de licence basés sur la consommation. Les jetons IA (tokens) sont les unités de données traitées par les modèles d’IA générative. La consommation de jetons a un impact direct sur le coût des outils de codage IA, en particulier dans le cadre de structures tarifaires basées sur la consommation.

« Les entreprises passent rapidement de la phase d’expérimentation au déploiement à grande échelle d’agents de codage IA, mais beaucoup sous-estiment l’impact financier de l’augmentation de la consommation de jetons », a déclaré Nitish Tyagi, analyste principal senior chez Gartner. « La maîtrise de la consommation de jetons ne résultera pas uniquement des choix des développeurs, car ceux-ci ont tendance à privilégier la rapidité et la commodité au détriment de la rentabilité. Sans un modèle opérationnel d’ingénierie bien encadré, les coûts peuvent grimper plus vite que les gains de productivité que ces outils sont censés apporter. »

En gros, l'IA coûte trop cher et n'est rentable pour personne

En mai 2026, l'analyste Edward Zitron étrille à nouveau le modèle économique de l'IA. Dans une analyse critique, il affirme que le secteur traverse actuellement une bulle financière insoutenable en raison de coûts d'infrastructure et d'exploitation démesurés. Les acteurs investissent des milliers de milliards de dollars sans générer de revenus réels capables de justifier de telles dépenses. Anthropic et OpenAI sont critiqués pour leurs pertes massives et l'absence de modèle économique rentable à long terme. L'éclatement de la bulle serait un carnage.

Edward Zitron soutient que « l'IA n'est actuellement viable sur le plan économique pour aucun acteur », à l'exception des constructeurs de centres de données et des fabricants de matériel comme Nvidia. Selon les rapports financiers, les startups du secteur perdent des sommes colossales chaque année, tandis que les géants de la technologie investissent des centaines de milliards de dollars sans aucune perspective de rentabilité à long terme. En fin de compte, des analyses suggèrent que Google pourrait être le seul gagnant, grâce à son importante réserve de liquidités.

C'est cette situation économique qui a conduit la fin de l'ère du forfait illimité. Derrière la guerre des modèles que se livrent les grands laboratoires d'IA se joue une bataille moins visible mais tout aussi décisive : celle de la monétisation. Le token, cette unité atomique de traitement du texte, est en train de redéfinir en profondeur les rapports entre fournisseurs, entreprises clientes et développeurs. Et les stratégies divergentes d'Anthropic et d'OpenAI révèlent deux visions radicalement différentes de ce que devrait être l'économie de l'intelligence artificielle.

Anthropic a choisi la rigueur comptable. La réponse d'Anthropic a été de s'éloigner de la tarification forfaitaire pour les entreprises et d'adopter la facturation à la consommation de tokens, de sorte que les revenus collectés reflètent l'usage réel. La société a également coupé l'accès à certains outils tiers qui étaient de gros consommateurs de tokens. OpenAI, de son côté, a longtemps privilégié la croissance de la consommation à tout prix. Pendant qu'Anthropic opérait ce virage, OpenAI rendait l'IA moins chère et plus facile à consommer à grande échelle. Cependant, même OpenAI a reconnu publiquement lors d'un podcast que « il est possible que dans l'ère actuelle, avoir un plan illimité revienne à avoir un plan d'électricité illimité. Ça n'a tout simplement pas de sens. »

The hidden cost of AI isn't the subscription.

"One malformed request could cost you a thousand bucks."

Dustin Burns on why token consumption is the line item nobody's watching. pic.twitter.com/YCA0BoZhqc

— Bricks & Bytes (@bricksbytespod) July 27, 2026

La solution viendra-t-elle de la Chine qui met gratuitement à disposition ses meilleurs modèles d’IA ?

Les grands modèles de langage (LLM) développés par la Chine, comme Kimi K3 de Moonshot, GLM-5.2 de Z.ai ou encore les systèmes de DeepSeek, connaissent une adoption massive et rapide aux États-Unis. Ces technologies chinoises séduisent de plus en plus les développeurs américains et les organisations, qui y voient des solutions particulièrement abordables et efficaces face aux offres locales souvent beaucoup plus chères et moins flexibles.

La performance des modèles d'IA chinois égale désormais celle des systèmes développés par les géants de la Silicon Valley, mais pour une fraction du coût, ce qui a permis à Kimi K3 de générer plus de 930 000 téléchargements dans la semaine suivant son lancement. La demande pour le modèle a explosé peu après son annonce, poussant Moonshot AI à suspendre temporairement les nouveaux abonnements, car ses capacités étaient insuffisantes.

Raffi Krikorian, directeur technique de Mozilla, a d'ailleurs adopté Kimi K3 pour ses tâches quotidiennes. « Il semble tout simplement plus réactif », déclara-t-il en comparant Kimi K3 au modèle Claude Fable d'Anthropic. Cet attrait économique devient d'autant plus stratégique avec l'usage croissant des agents IA autonomes effectuant des tâches complexes en plusieurs étapes. Pour de nombreux développeurs, il s'agit d'une solution plus abordable.

Curt Meinhold, un cadre technologique américain, résume cet avantage compétitif comme suit : « si je peux payer quelques centimes pour un million de tokens de sortie au lieu de 30, 40 ou 50 dollars, alors c'est largement suffisant ». Les performances de Kimi K3 auraient à elles seules suffi à intensifier la rivalité entre les États-Unis et la Chine. À Washington, la montée en puissance chinoise dans l'IA suscite un malaise, ainsi que des inquiétudes.

Même si dans la pratique, il reste à voir si les modèles d'IA de pointe à poids ouverts sont réellement moins coûteux à exploiter, ils ont historiquement constitué une alternative moins onéreuse aux systèmes propriétaires d'OpenAI, de Google et d'Anthrpic. Ils offrent également davantage de liberté aux développeurs, à l’heure où les laboratoires américains restreignent l’accès à leurs derniers modèles d'IA et imposent des contraintes plus strictes.

Et vous ?

La facturation à l'usage est-elle intrinsèquement plus juste que l'abonnement illimité ou favorise-t-elle simplement les grandes entreprises disposant de budgets IT prévisibles au détriment des développeurs indépendants ?

La montée en puissance des modèles open source locaux (DeepSeek, Llama, Mistral) constitue-t-elle une alternative crédible à l'inférence cloud pour les workflows de développement quotidiens en 2026 ?

Cette tendance à la fin des subventions d'inférence marque-t-elle le début d'une consolidation du marché des assistants IA pour développeurs, avec un nombre réduit de gagnants capables de maintenir des prix compétitifs à long terme ?

Voir aussi :

L'âge d'or du forfait IA illimité tire à sa fin : pubs ciblées, limitations d'usage, fonctionnalités verrouillées, prix en hausse. L'IA agentique contraint les fournisseurs à changer leurs modèles économiques

Anthropic bloque l'utilisation par des clients tiers des abonnements à Claude Code : la fin de l'interopérabilité et de l'ouverture des outils de dev ou simple épisode dans la bataille des assistants IA ?

Après qu'Anthropic ait bloqué brutalement Openclaw techniquement et légalement, Sam Altman l'opportuniste en profite pour récupérer le bébé dans le giron d'OpenAI