Pourquoi la facture de l'IA monte-t-elle alors que son prix baisse ?

Oui, et vite. À performance égale, le coût d'un modèle de langage est divisé par environ dix chaque année depuis 2021, et sur les factures réelles, le million de tokens a perdu deux tiers de son prix moyen en un an. Mais la consommation monte plus vite encore, et la facture suit la consommation.

Le prix chute

a16z a mesuré la « LLMflation » en novembre 2024 : pour un niveau de performance donné, le coût du modèle le moins cher est divisé par environ dix chaque année. Le niveau de GPT-3, facturé 60 dollars le million de tokens fin 2021, coûtait environ 0,06 dollar fin 2024 avec un petit modèle Llama.

Epoch AI affine le constat en mars 2025 : la baisse va de 9 à 900 fois par an selon la tâche et le niveau visé, avec une médiane de 50 fois. Les baisses les plus rapides commencent après janvier 2024, et Epoch prévient qu'elles pourraient ne pas durer.

Sur les factures réelles, le constat tient. Le rapport 2026 d'AI.cc sur l'infrastructure des API d'IA, relayé par Open Source For You puis par Optimum Partners, mesure sur 2,4 milliards d'appels de plus de 8 000 comptes un coût moyen pondéré du million de tokens passé de 18,40 à 6,07 dollars entre le premier trimestre 2025 et le premier trimestre 2026. Le relais attribue cette baisse aux prix des modèles ouverts, au routage entre modèles et aux prix obtenus en volume.

La consommation monte plus vite

Le responsable de la recherche de Jellyfish, éditeur d'un outil de mesure des équipes de développement, a indiqué à TechCrunch le 5 juin 2026 que la consommation d'IA par développeur avait été multipliée par environ 18,6 en neuf mois. Les deux chiffres portent sur des clients différents. Pour nous, l'ordre de grandeur suffit : la baisse du prix ne compense pas la hausse de la consommation.

Les économistes appellent ce mécanisme l'effet Jevons : quand une ressource devient moins chère, on en consomme davantage, et la dépense totale peut monter alors même que le prix unitaire baisse. C'est le fil de ce carnet : pour nous, c'est en gouvernant l'usage de l'IA qu'on tient sa facture.

Le sujet a changé d'étage. À la conférence FinOps X de juin 2026, des intervenants ont décrit une dépense d'IA qui croît nettement plus vite que celle du cloud, selon le compte rendu d'USU, qui y voit un sujet de conseil d'administration.

Parce qu'un agent multiplie tout ce qui coûte : les tâches, les tentatives, les tours, le contexte qu'il relit et les sessions en parallèle. Le prix du modèle n'est qu'un facteur sur six. Chez les utilisateurs de Cursor, l'agent lit désormais plus de dix fois plus de tokens qu'il n'en écrit.

Six facteurs qui se multiplient

La grille la plus utile vient du développeur Maxim Saplin, en juillet 2026. Il modélise le coût d'une boucle d'agent comme le produit de six facteurs :

• les tâches, quand l'agent décompose le problème ;
• les tentatives, avec les erreurs et les relances ;
• les tours, le dialogue interne et les sous-agents ;
• la taille du contexte : fichiers, historique, résultats d'outils qui s'empilent ;
• le prix du modèle ;
• le parallélisme, les sessions qui tournent en même temps.

Ce modèle ne mesure rien, mais il suffit à comprendre le paradoxe : un prix du modèle divisé par deux est effacé dès qu'un autre facteur double. Saplin cite une mesure d'Artificial Analysis : Sonnet 5, vendu au même prix du token que Sonnet 4.6, coûte environ deux fois plus par tâche de son banc d'essai, parce qu'il écrit plus et fait plus de tours.

Pour Saplin, ce sont les tentatives, les tours et le parallélisme qui font la facture : alléger la consigne de départ n'y change presque rien quand ces trois facteurs s'emballent.

Le contexte pèse plus que la réponse

Le rapport de Cursor sur les habitudes des développeurs, au printemps 2026, en donne la mesure chez ses utilisateurs. Le nombre moyen d'appels d'outils par session est passé de 114 à 145 entre le 1er mars et le 16 mai, environ 30 % de plus. Le rapport entre tokens lus et tokens écrits par l'agent a grimpé de 4,5 en janvier à plus de 11 en mai.

Les tokens d'entrée font désormais plus de 90 % du volume, et les tokens relus depuis le cache, ce contexte déjà vu, environ 90 % de tous les tokens, une part stable depuis janvier. Le même rapport chiffre le coût moyen d'une requête d'agent selon le modèle : 0,18 dollar avec Composer 2.5, le modèle maison, 0,44 dollar avec Sonnet 4.6, jusqu'à 1,57 dollar avec Opus 4.7, près de neuf fois plus.

Un responsable technique de Cursor, cité par Forbes, compare l'usage d'un modèle frontier pour une tâche banale à une Lamborghini prise pour aller chercher du lait.

Les dérapages viennent des extrêmes

Selon Saplin, les factures qui dérapent viennent des exécutions hors norme plus que de la moyenne : une boucle qui insiste, un contexte qui enfle, une branche exploratoire. Il en tire trois règles de pilotage :

• mesurer le coût par résultat accepté plutôt que par requête ;
• suivre la dépense de chaque usage en médiane, au 90e et au 99e centile ;
• traiter les agents qui tournent en arrière-plan, les sous-agents et les modes de réflexion poussée comme des dépenses à budgéter une à une.

Pour les outils de code, elle a reculé en juin 2026. GitHub Copilot est passé le 1er juin à des crédits comptés au token, Cursor a créé un siège plus cher pour les gros utilisateurs d'agents, et Anthropic a annoncé, puis mis en pause le 15 juin, un décompte à part des usages automatisés de ses abonnements.

GitHub Copilot, au 1er juin

Annoncé le 27 avril et en vigueur le 1er juin 2026, le nouveau modèle de Copilot compte les tokens d'entrée, de sortie et de cache au prix public de chaque modèle. Chaque forfait inclut des crédits égaux à son prix, plus une part variable : pour le Pro à 10 dollars, 15 dollars de crédits, soit 1 500 crédits. Les complétions de code n'en consomment pas ; le chat, le mode agent et la revue de code, si.

Au-delà des crédits inclus, un particulier ne paie que s'il a fixé un budget supplémentaire, et une organisation choisit entre payer le surplus et plafonner.

L'effet s'est vu dès les premiers jours. Le journaliste de Visual Studio Magazine raconte le 4 juin avoir consommé 1 227 de ses 1 500 crédits mensuels dès le premier jour, à cause d'un agent de mise en forme parti de travers. Un développeur dit sur Hacker News avoir brûlé plus de la moitié de son quota du mois en une journée avec Sonnet 4.6.

Cursor, deux sièges

Cursor a suivi avec la refonte de ses forfaits Teams le 1er juin, appliquée tout de suite aux nouveaux clients et aux clients existants à leur renouvellement, à partir du 1er juillet. Chaque siège a deux réserves de consommation, l'une pour les modèles maison, l'autre pour ceux des autres éditeurs. Le siège Standard garde son prix, 32 dollars par mois en facturation annuelle ; le nouveau siège Premium, à 96 dollars, offre cinq fois l'usage inclus pour trois fois le prix.

Les gros utilisateurs d'agents ont donc leur tarif. The AI Engineer le résume le 15 juillet : la tarification forfaitaire est morte, chaque exécution longue d'un agent porte un coût visible sur la facture, et le budget se raisonne à la tâche plutôt qu'au siège.

Anthropic, une scission mise en pause

Mi-mai 2026, Anthropic annonce que les usages automatisés de ses abonnements Claude (le kit de développement d'agents, Claude Code lancé sans interface, les applications tierces) sortiront des limites de l'abonnement le 15 juin, pour être décomptés sur un crédit mensuel puis au prix de l'API. Le 15 juin, jour prévu, l'éditeur met le changement en pause, le temps de retravailler son offre : « pour l'instant, rien n'a changé ».

L'écart en jeu est grand. Digital Applied estimait qu'un abonnement Pro à 20 dollars pouvait en théorie donner accès à 300 à 600 dollars de calcul au prix de l'API, en appliquant au prix de l'abonnement le facteur de 15 à 30 avancé par l'éditeur de code Zed, lui-même sans méthode publiée. Notre lecture : tant qu'un éditeur accepte cet écart, des usages de production peuvent tourner sur un abonnement, mais il peut le refermer à tout moment.

Parce que la consommation de leurs développeurs a dépassé les budgets, pour un gain qui ne suit pas au même rythme. Au printemps 2026, la presse rapporte des budgets épuisés et des factures hors de contrôle ; l'été, Uber, Tesla et d'autres posent des plafonds par personne.

Les cas rapportés

TechCrunch rassemble le 5 juin des cas rapportés pour la plupart par d'autres médias ou par des témoins anonymes :

• Uber a épuisé dès avril tout son budget 2026 d'outils de code IA, de l'aveu de son directeur technique cité par The Information ;
• Microsoft aurait retiré des licences Claude Code à des développeurs quelques mois après les avoir activées, selon The Verge ;
• chez Priceline, un renouvellement de contrat Cursor serait revenu quatre à cinq fois plus cher ;
• une entreprise non nommée aurait accumulé une facture Claude de 500 millions de dollars faute d'avoir fixé des limites, selon Axios ;
• un dirigeant technique non nommé dit qu'un de ses ingénieurs a dépensé 40 000 dollars de tokens en un mois.

Le même article cite Jellyfish : les plus gros utilisateurs d'IA seraient environ deux fois plus productifs que ceux qui s'en servent moins, pour dix fois plus de tokens. Ni la mesure de la productivité ni l'échantillon ne sont donnés, mais l'ordre de grandeur pose la question du rendement de chaque token supplémentaire.

Les plafonds

La réponse est venue sous forme de plafonds, recensés début juillet par BERI, une lettre d'information sur l'IA en entreprise :

• Uber plafonne à 1 500 dollars par mois, par employé et par outil, avec des dérogations sur autorisation, selon Bloomberg ;
• Tesla a annoncé un plafond de 200 dollars par semaine à partir du 6 juillet ;
• Amazon a supprimé un classement interne de consommation de tokens que des salariés avaient appris à manipuler ;
• Walmart plafonne son assistant de code maison, AT&T limite Copilot pour une partie de ses salariés, et Meta freine les dépenses en outils externes.

Chez Uber, la dérive avait suivi la mise en place d'un classement interne des équipes selon leur usage des outils d'IA, rapporte Fortune le 26 mai, d'après d'autres médias.

Pour nous, la moyenne ne dit donc presque rien : la difficulté budgétaire se joue dans la queue de la distribution.

C'est le pilotage de la dépense cloud, le FinOps, appliqué au token. La discipline s'est organisée en quelques semaines de juin 2026 : une fondation annoncée, une conférence, des outils. Nous en retenons une boucle en quatre temps : mesurer le coût par résultat, plafonner, aiguiller chaque tâche vers le bon modèle, relier la dépense à la valeur.

Une fondation pour les standards

Le 3 juin 2026, la Linux Foundation a annoncé son intention de lancer la Tokenomics Foundation, en partenariat étroit avec la FinOps Foundation, pour établir des standards ouverts, des référentiels de comparaison et des bonnes pratiques sur l'économie des tokens.

Elle a été présentée à la conférence FinOps X, du 8 au 10 juin à San Diego. J.R. Storment, directeur exécutif de la FinOps Foundation, y a posé la question de départ, selon CIO Dive : comment mesurer tout cela, et comment standardiser les prix et leurs changements ?

Les équipes FinOps s'en emparent

L'enquête 2026 de la FinOps Foundation porte sur 1 192 répondants. La gestion des coûts de l'IA y arrive en tête des compétences que les équipes disent devoir développer. Pour nous, c'est le signe qu'en entreprise, des équipes s'attachent déjà à calculer le coût de l'IA, même quand l'utilisateur du quotidien ne le voit pas.

Les premiers outils

L'outillage a suivi pendant la conférence. AWS a ouvert en préversion publique, le 9 juin, un agent FinOps qui cherche la cause probable des anomalies de coûts, répond en langage courant aux questions des ingénieurs et envoie ses constats dans un ticket Jira ou un canal Slack ; il porte pour l'instant sur l'ensemble des coûts AWS, l'analyse des charges d'IA étant annoncée pour plus tard. Flexera a annoncé le 10 juin une gestion des coûts de l'IA couvrant agents, modèles, données et calcul, en accès anticipé.

La boucle en quatre temps

Des pratiques rassemblées dans ce carnet, nous retenons une boucle de gouvernance en quatre temps :

1. Mesurer le coût par résultat accepté, usage par usage, plutôt que le prix des licences.
2. Plafonner par personne, par équipe et par agent, avec des exceptions explicites.
3. Aiguiller chaque tâche vers le modèle qui suffit.
4. Relier la dépense à la valeur produite, usage par usage.

Elle rejoint ce que nous disons des boucles d'agents : les conditions d'arrêt et les plafonds d'itérations d'une boucle bien conçue servent aussi à tenir les coûts.

En aiguillant chaque tâche vers le modèle qui suffit. Selon le rapport d'AI.cc, les entreprises qui étagent leurs modèles paient en médiane 2,31 dollars le million de tokens, contre 18,40 dollars quand tout passe par un modèle frontier, près de huit fois moins. Les modèles ouverts rendent ce choix crédible, avec des précautions.

Aiguiller chaque tâche vers le bon modèle

Pour nous, le levier le plus fort consiste à mieux aiguiller l'IA. Le rapport d'AI.cc, repris par Optimum Partners, compare deux pratiques : tout envoyer au modèle le plus puissant, ou confier les tâches courantes à des modèles légers et garder le modèle frontier pour le raisonnement critique. Selon Optimum Partners, le prix du token varie de 20 à 50 fois entre les modèles les plus puissants et les plus légers.

Les modèles ouverts

Ce routage est devenu crédible parce que des modèles ouverts approchent les meilleurs. Fin juin 2026, le panorama d'OpenRouter donne 80,6 % sur SWE-bench Verified, un test de correction de vrais problèmes de code, à DeepSeek V4 Pro, et 79,0 % à sa version Flash, vendue par DeepSeek 0,14 dollar le million de tokens en entrée, environ 3 centimes avec le cache.

Deux précautions avant de basculer :

• DeepSeek garde les données et s'en sert pour entraîner ses modèles ; les hébergeurs occidentaux qui ne le font pas facturent environ le double, selon OpenRouter ;
• la qualité se vérifie sur les tâches réellement critiques avant de généraliser.

La question du retour sur investissement

Reste la question qui fâche. Une tribune publiée par Forbes le 2 juillet 2026 s'intitule « l'IA coûte plus cher que les personnes qu'elle a remplacées ». Le 24 juin, Gartner prédisait que le coût des outils de code IA dépassera le salaire moyen d'un développeur d'ici 2028, sous l'effet de la consommation de tokens et du passage à la facturation à l'usage.

Chez Uber, le directeur des opérations Andrew Macdonald le reconnaît au podcast Rapid Response, cité par Fortune : le lien entre l'usage de Claude Code et les fonctionnalités livrées aux clients n'est pas encore établi.

Notre lecture : ces chiffres plaident pour gouverner l'usage de l'IA, et c'est le travail du Token FinOps.

Ce que coûte une tâche réussie, ce que rapporte un token de plus, combien de temps les abonnements actuels tiendront, et ce que coûte un agent une fois tout compté. Presque tout ce qu'on sait vient aussi des États-Unis et du développement logiciel.

• Le coût par résultat n'est publié nulle part. Les sources chiffrent des prix au million de tokens, des factures et des plafonds ; aucune ne dit ce que coûte, en moyenne, une tâche menée à bien par un agent dans une entreprise.
• Le rendement d'un token de plus reste à mesurer. Le seul chiffre, deux fois plus productifs pour dix fois plus de tokens chez Jellyfish, ne dit pas comment la productivité est mesurée.
• La durée de vie des abonnements est inconnue. Un abonnement peut donner accès à bien plus de calcul que son prix ; nos sources ne disent pas combien de temps les éditeurs accepteront cet écart.
• Le coût complet d'un agent n'a pas de mesure publique et indépendante. Aux tokens s'ajoutent l'orchestration, les reprises, la surveillance et la maintenance, que nous n'avons trouvés chiffrés nulle part.
• L'Europe et la France sont absentes. Les cas (Uber, Tesla, Microsoft, Priceline) et les enquêtes sont américains ou mondiaux ; on ne sait pas ce que dépensent les entreprises françaises, ni si elles plafonnent.
• Hors du code, on sait peu de chose. Presque toutes les mesures portent sur les outils de développement ; la consommation des agents dans les autres métiers n'est pas chiffrée.

Dater chaque prix, car les grilles de juin 2026 ont déjà changé. Distinguer la mesure, le chiffre d'un éditeur qui vend la solution et le témoignage rapporté par la presse. Et ne pas comparer une médiane à une moyenne, ni deux échantillons différents, sans le dire.

• Les prix et les grilles de ce carnet décrivent juin et juillet 2026 (GitHub, Cursor, Anthropic, DeepSeek). Certains ont changé depuis, et nous ne les avons pas actualisés : la page d'aide d'Anthropic citée ici annonce par exemple, le 7 octobre 2026, des crédits d'API inclus dans les forfaits Max et Team.
• Plusieurs chiffres viennent d'acteurs qui vendent une réponse au problème mesuré : Jellyfish (mesure des équipes de développement), Cursor sur ses propres utilisateurs, OpenRouter (routage entre modèles), Optimum Partners (conseil), AWS et Flexera (gestion des coûts), la FinOps Foundation (formation et certification).
• Le rapport d'AI.cc n'est connu que par ses relais, et l'un d'eux donne le même chiffre, 18,40 dollars, pour le coût moyen début 2025 et pour les entreprises qui envoient tout au modèle le plus puissant. Ce coût moyen est pondéré par les usages : sa baisse mêle celle des prix et le passage à des modèles moins chers, et le relais l'attribue en partie au routage entre modèles, le levier que ce carnet décrit plus bas. Nous n'avons pas lu le rapport lui-même.
• Plusieurs cas (Microsoft, Priceline, la facture de 500 millions de dollars, la plupart des plafonds) sont rapportés par la presse, souvent d'après d'autres médias ou des témoins anonymes, sans confirmation des entreprises.
• L'écart de 650 fois de l'index de Ramp compare une moyenne, celle du 1 % qui dépense le plus, à une médiane.
• Cette édition retire un chiffre de la précédente : 73 % d'entreprises dont les coûts d'IA dépasseraient les projections, attribué par plusieurs articles à l'enquête de la FinOps Foundation, que nous n'avons pas retrouvé dans le rapport publié.