Le coût réel de l'usage de l'IA

Sur le papier, l'IA n'a jamais été aussi bon marché. a16z documente la « LLMflation » : à performance égale, le coût d'inférence est divisé par dix chaque année. Forbes résume la trajectoire longue : de 60 dollars le million de tokens en 2021 à environ 6 centimes aujourd'hui. Et sur les factures réelles, l'analyse d'Optimum Partners portant sur 2,4 milliards de requêtes API mesure une baisse de 67 % du coût moyen en un an.

Dans les entreprises, pourtant, c'est l'inverse qui se vit. Le rapport State of FinOps 2026 chiffre le malaise : 73 % des organisations dépassent leurs projections de coûts IA. Gartner, qui prévoyait 2,5 trillions de dollars de dépenses IA mondiales en janvier, a révisé sa prévision à la hausse en cours d'année. Et le recap de la conférence FinOps X acte le changement d'altitude : le coût des tokens est devenu la ligne qui croît le plus vite des budgets tech, et le sujet est monté au niveau des directions générales.

C'est un effet Jevons classique : plus une ressource devient efficace et bon marché, plus on en consomme, et la dépense totale monte alors même que le prix unitaire chute. La conclusion pratique, qui structure tout ce dossier : le problème n'est pas le prix de l'IA, c'est la gouvernance de son usage.

La meilleure grille d'analyse du corpus vient de Maxim Saplin : le coût d'une boucle d'agent, c'est le produit de six facteurs. Le nombre de tâches (l'agent décompose le problème), les tentatives (erreurs et relances), les tours (le dialogue interne et les sous-agents), la taille du contexte (fichiers, logs, traces qui s'empilent), le prix du modèle, et le parallélisme. Une baisse de moitié du prix du modèle est effacée par un doublement de n'importe quel autre facteur.

La télémétrie des agents de coding le confirme : le nombre moyen d'appels d'outils par session est passé de 114 à 145 en deux mois (+ 30 %), et le ratio entre tokens d'entrée et de sortie a dérivé de 4,5 à plus de 11. Autrement dit, plus de 90 % des tokens consommés sont du contexte que l'agent relit, pas de la production. Côté prix, une requête agentique moyenne va de 0,18 $ sur un modèle maison à 1,57 $ sur un modèle frontier haut de gamme. Le CTO de Cursor, Mike Saeks, a la formule qui résume l'époque, rapportée par Forbes : utiliser un modèle frontier pour une tâche banale, « c'est prendre une Lamborghini pour aller chercher du lait ».

Dernier point, contre-intuitif et décisif pour le pilotage : les dérapages ne vivent pas dans la moyenne mais dans les extrêmes. Quelques runs « sortis de route » (boucles qui insistent, contextes qui enflent, branches exploratoires) suffisent à faire déborder un budget. D'où les règles qui s'imposent chez les praticiens : mesurer le coût par résultat accepté plutôt que par requête, suivre les distributions par workflow (médiane, p90, p99), et traiter les agents de fond comme des événements budgétaires à part entière.

Le 1er juin, GitHub a fait basculer les 4,7 millions d'abonnés payants de Copilot vers des crédits d'IA comptés au token réel. Les prix d'appel ne bougent pas, les complétions de code restent illimitées, mais le chat, le mode agent et la revue de code consomment désormais une enveloppe alignée sur le prix du plan, puis facturent au tarif API. L'effet a été immédiat : Visual Studio Magazine a documenté le « billing shock » dès le 4 juin, avec des développeurs qui brûlent la moitié de leur quota mensuel en une journée, et des factures individuelles passées de 29 à 750 dollars par mois.

Cursor a suivi avec la refonte de ses plans Teams : deux pools de consommation par siège (modèles maison et modèles tiers), un siège Standard inchangé à 32 dollars par mois, et un nouveau siège Premium à 96 dollars offrant cinq fois l'usage pour trois fois le prix. La segmentation est assumée : les utilisateurs intensifs d'agents ont désormais leur tarif, et la subvention croisée disparaît. Comme le résume The AI Engineer, « la tarification forfaitaire est morte » : chaque run d'agent long porte un coût marginal visible, et la budgétisation passe du siège à la tâche.

L'épisode le plus révélateur vient d'Anthropic. La scission des pools d'usage Claude (les usages programmatiques facturés à part, au tarif API) était annoncée pour le 15 juin. Elle a été mise en pause le jour même de son entrée en vigueur, face aux retours des utilisateurs. Le calcul publié à cette occasion vaut la peine d'être retenu : un abonnement Pro à 20 dollars pouvait donner accès à 300 à 600 dollars de calcul équivalent API, une subvention de 15 à 30 fois. La pause est un ajustement de calendrier, pas un renoncement : les usages de production bâtis sur des abonnements subventionnés vivent en sursis.

Pendant que les fournisseurs ajustaient leurs grilles, les clients découvraient l'ampleur des dégâts. L'enquête de TechCrunch du 5 juin aligne les cas : Uber a épuisé l'intégralité de son budget coding IA 2026 dès avril, Microsoft a révoqué des licences Claude Code quelques mois après les avoir activées, Priceline a vu son renouvellement Cursor renchérir de 4 à 5 fois, une entreprise non nommée a accumulé une facture Claude de 500 millions de dollars faute de limites, et un ingénieur a consommé 40 000 dollars de tokens en un mois. La statistique de fond est plus frappante que les anecdotes : la consommation par développeur a été multipliée par 18,6 en neuf mois, et les plus gros consommateurs affichent une productivité 2 fois supérieure pour une consommation 10 fois supérieure. Le rendement marginal du token décroît vite.

La réponse est venue sous forme de plafonds, documentés par BERI : Uber a posé un plafond de 1 500 dollars par mois et par outil, doublé d'un tableau de bord temps réel (Fortune raconte que la dérive avait été nourrie par des classements internes d'équipes selon leur usage des outils, une gamification qui récompensait la consommation plutôt que le résultat). Tesla plafonne à 200 dollars par semaine depuis le 6 juillet. Meta freine, Amazon a supprimé un classement interne que les employés avaient appris à manipuler, Walmart plafonne son assistant maison, AT&T restreint Copilot. L'index Ramp donne l'échelle de dispersion : de 11,38 dollars par employé et par mois pour l'entreprise médiane à 7 449 dollars pour le top 1 %, un écart de 654 contre 1. Toute la difficulté budgétaire est là : la moyenne ne dit rien, tout se joue dans la queue de distribution.

Face à un problème systémique, une discipline s'est structurée en quelques semaines. Le 3 juin, la Linux Foundation a annoncé la Tokenomics Foundation, opérée avec la FinOps Foundation, pour établir des standards ouverts de mesure, de pricing et de bonnes pratiques sur l'économie des tokens. L'annonce a été mise en scène à la conférence FinOps X à San Diego, le 9 juin selon CIO Dive, autour d'une question fondatrice posée par J.R. Storment, directeur exécutif de la FinOps Foundation : comment mesure-t-on tout cela, et comment standardise-t-on des prix qui changent sans cesse ?

Les chiffres de la FinOps Foundation mesurent la brutalité du basculement : 98 % des équipes FinOps gèrent désormais le spend IA, contre 31 % il y a deux ans, et la gestion des coûts IA est devenue la compétence la plus recherchée de ces équipes. L'outillage a suivi dans la foulée : AWS a lancé en preview un agent FinOps qui investigue les anomalies de coûts jusqu'à la cause racine et répond en langage naturel, et Flexera a annoncé une plateforme de gestion des coûts IA couvrant agents, modèles, données et compute.

Sur le fond, la boucle de gouvernance qui se dégage des pratiques documentées tient en quatre temps : mesurer le coût par résultat plutôt que par licence, plafonner par agent et par équipe avec des garde-fous explicites, router chaque tâche vers le bon modèle, et relier la dépense à la valeur produite, workflow par workflow. Les équipes qui l'appliquent rapportent 30 à 40 % d'économies sans toucher à la qualité. On notera la parenté directe avec le loop engineering : les conditions d'arrêt et les plafonds d'itérations d'une boucle bien conçue sont aussi des outils de maîtrise des coûts.

Le levier le plus puissant n'est pas de moins utiliser l'IA, c'est de mieux l'aiguiller. Les données d'Optimum Partners sont sans ambiguïté : les organisations qui envoient tout vers des modèles frontier restent à 18 à 20 dollars le million de tokens, celles qui étagent leurs modèles (les tâches courantes vers du léger, le raisonnement critique vers le frontier) descendent à 2,31 dollars en médiane. Près de 8 fois moins, à qualité perçue égale sur l'essentiel des tâches.

Ce routage est devenu crédible parce que les modèles open weights ont rattrapé le peloton. Le panorama d'OpenRouter documente des modèles atteignant 80,6 % sur SWE-bench Verified pour environ 3 centimes le million de tokens d'entrée avec cache, soit une fraction du prix des modèles fermés équivalents. Deux vigilances avant de basculer : les conditions de rétention des données (certains fournisseurs réutilisent les données pour l'entraînement, les versions hébergées en Occident sans rétention sont plus chères) et la qualité sur les tâches réellement critiques. Le cas extrême rapporté par Forbes donne l'ordre de grandeur de l'enjeu : un opérateur est passé de 100 000 dollars par jour à 100 dollars par jour et par agent en changeant de modèle.

Reste la question qui fâche, celle du retour sur investissement. Forbes a posé le débat le 2 juillet : dans certains cas, l'IA coûte plus cher que les personnes qu'elle a remplacées. 56 % des organisations ne constatent aucun bénéfice financier mesurable de leur spend IA, et Gartner prédit que le coût du coding IA dépassera le salaire moyen d'un développeur d'ici 2028. Notre lecture : ces chiffres ne condamnent pas l'IA, ils condamnent l'usage non gouverné. Les tokens visibles pèsent moins de 40 % du coût total de possession ; le reste (orchestration, reprises, surveillance, maintenance) se pilote, et c'est précisément le travail du Token FinOps.