Comment les dépenses excessives en jetons d’IA affectent les budgets des entreprises
Il y a à peine un an, les grandes entreprises exigeaient que leurs employés utilisent l'IA au maximum : des jetons étaient distribués sous forme de bonus d'entreprise et des évaluations internes récompensaient ceux qui brûlaient le plus. Aujourd’hui, paniqués, les gestionnaires coupent l’accès aux modèles ou introduisent des limites strictes à leur utilisation, tout en révisant simultanément les budgets.
Voyons comment les jetons sont passés du « carburant gratuit » à un poste de dépense imprévu majeur et pourquoi les entreprises l'ont négligé.
Qu'est-ce qu'un jeton et pourquoi le payer
Dans le contexte de l’intelligence artificielle, un jeton est l’unité minimale de mémoire traitée par un modèle de langage. Selon le type LLM un jeton peut correspondre à plusieurs caractères ou à un mot entier.
Les modèles les utilisent pour traiter la demande de l'utilisateur, puis générer des réponses textuelles, des lignes de code et des images. En moyenne, 100 mots sont décomposés en environ 130 à 140 jetons.
Ils sont divisés en deux types : entrée (invite, demande de l'utilisateur) et sortie (réponse du modèle).
Pendant longtemps, les jetons ont été perçus comme une unité d'information commune dans API-des systèmes de réseaux neuronaux, qui ont eu peu d'effet. C'était le cas jusqu'à ce qu'ils soient monétisés.
Auparavant, les projets publics d'IA comme OpenAI donnaient accès à leurs produits via un modèle d'abonnement ou via des forfaits d'entreprise. Cependant, en mars 2023, la startup de Sam Altman a publié GPT-4 et a fixé des tarifs publics basés sur des jetons de 30 $ pour 1 million d'entrées et 60 $ pour 1 million de sorties.
À partir de ce moment, les jetons ont progressivement commencé à devenir une unité de valeur pour les outils basés sur l’intelligence artificielle.
De 2023 à 2025, il y a eu une « ère des subventions » : les entreprises distribuaient toujours des services aux utilisateurs ordinaires par abonnement, mais les développeurs d'entreprise payaient déjà pour des jetons. À cette époque, les prix étaient plus cléments, permettant la mise en œuvre massive des systèmes LLM.
Depuis le printemps 2026, tous les principaux fournisseurs se sont complètement tournés vers la monétisation des requêtes, invoquant les coûts élevés de traitement des données. Anthropic a pris cette décision en avril et GitHub Copilot en juillet.
Certains observateurs qualifient la période actuelle de début de l'ère de « l'apocalypse symbolique », où, en plus des dépenses en puissance de calcul, les entreprises doivent se précipiter pour inclure des coûts supplémentaires dans leurs budgets et optimiser leurs stratégies.
Les prix baissent, la demande augmente
Le paradoxe de la situation actuelle est qu’au cours des trois dernières années, la valeur réelle des tokens n’a fait que diminuer. Le prix moyen d'un jeton d'entrée a chuté d'environ 98 %, selon The Next Web.
Cependant, les dépenses des entreprises en matière d’IA ont bondi d’environ 320 %, selon plusieurs analyses sectorielles. Le budget annuel moyen des entreprises consacré à l'intelligence artificielle est passé de 1,2 million de dollars en 2024 à 7 millions de dollars en 2026.
Tout cela est dû à la mise en œuvre accrue de solutions d’IA et, par conséquent, à l’augmentation exponentielle des volumes d’utilisation des jetons eux-mêmes. Les technologies d'agent fournissent une charge particulièrement importante.
Un simple flux de travail linéaire coûte environ 0,04 $ par interaction en 2023. Une requête adressée à un système d’agents à part entière coûte environ 1,2 $ (30 fois plus).
Selon les analystes, les flux de travail basés sur des agents multiplient plusieurs fois la consommation de jetons par rapport à une utilisation manuelle. Pour les flux de travail les plus complexes, les coûts augmentent de 50 à 500 fois.
Alors que les modèles moins chers et les techniques d'optimisation des jetons continuent de gagner en popularité, les acheteurs d'entreprise préfèrent toujours payer pour des fonctionnalités de modèle avancées malgré des budgets gonflés, affirment les chercheurs de yipitData.
Les économistes appellent de telles situations le paradoxe de Jevons : une diminution du prix d'une unité d'une ressource entraîne une augmentation de sa consommation globale. Dans le cas de l’IA, l’effet s’est avéré exagéré.
Qui a mal calculé ?
La crise symbolique n’est pas seulement évidente « sur le papier ». De nombreuses grandes entreprises ont annoncé publiquement des problèmes dans ce sens et une révision de leur future stratégie d'utilisation des outils d'IA.
Limites d'Uber
L'entreprise de camionnage Uber a activement mis en œuvre les outils Claude Code et Cursor AI dans ses flux de travail au cours des dernières années. En mai, le PDG Dara Khosrowshahi a affirmé que les agents autonomes écrivent déjà environ 10 % du code total de l'entreprise.
Cependant, moins d’un mois après cette annonce, des nouvelles sont apparues concernant des restrictions sur l’IA au sein d’Uber. L'entreprise a fixé une limite de 1 500 $ par mois et par employé pour l'utilisation de ces services.
Ce n’est pas l’utilisation la plus « restreinte » de la technologie qui est en cause. En avril, le directeur technique Praveen Nepalli Naga a déclaré à The Information que la société avait épuisé son budget de programmation annuel. Il se souvient d'une époque où il avait personnellement dépensé 1 200 $ en jetons lors d'une démo de deux heures.
« J'ai dû repartir de zéro : le budget que j'avais calculé s'est avéré insuffisant », a constaté Naga.
Avant que les coûts inattendus ne soient découverts, Uber a encouragé ses employés à utiliser l'IA « autant que possible » et a compilé des évaluations internes de l'activité des équipes. Désormais, les promoteurs doivent contrôler eux-mêmes leurs dépenses et, si la limite établie est dépassée, demander un financement supplémentaire.
L'expérience ratée de Microsoft
En décembre 2025, Microsoft a donné accès à des milliers de ses développeurs, managers et concepteurs au Claude Code d'Anthropic, aux frais de l'entreprise. Au printemps, l’outil s’était répandu bien au-delà des équipes d’ingénierie.
Au sein de l’entreprise, la mise en œuvre était présentée comme un processus d’apprentissage. Cependant, à l'extérieur, la situation semblait plus étrange : malgré son propre outil sous la forme de GitHub Copilot, des solutions concurrentes ont été utilisées.
Six mois plus tard, Microsoft mettait fin à l'expérimentation, annulant la plupart des licences directes de Claude Code dans sa division Expériences et Appareils (Windows, Microsoft 365, Outlook, Teams, Surface). Les développeurs ont été invités à migrer vers Copilot CLI avant le 30 juin, dernier jour de l’exercice.
Dans une interview avec The Verge, Rajesh Jha, vice-président de Microsoft pour l'expérience utilisateur et le développement des appareils, a noté que l'objectif de l'introduction de Claude Code était de maîtriser rapidement les outils et d'évaluer leur efficacité.
Dans le même temps, selon des enquêtes internes, la majorité des ingénieurs ont préféré l'outil d'Anthropic. Les journalistes suggèrent que son utilisation excessive pourrait nuire aux dépenses de l'entreprise.
Selon les chercheurs de The Next Web, l'abandon de Claude par Microsoft est un signal fort indiquant que l'économie du codage de l'IA d'entreprise aux prix actuels des jetons ne fonctionne pas. Pas parce que les outils sont mauvais. Au contraire, ils sont si bons qu’ils sont constamment utilisés.
De plus, en avril, GitHub a suspendu les inscriptions de nouveaux utilisateurs pour Copilot Pro et Pro+, car les coûts de la plateforme pour les agents payants dépassaient le coût de leur forfait mensuel.
Nouveau contrat Amazon
En juin, The Information faisait état d'une restructuration du partenariat entre Amazon et Anthropic. À partir de l’année prochaine, la société ne paiera pas pour les heures de calcul utilisées, mais pour les jetons dépensés.
Les sources de la publication estiment que le changement pourrait augmenter les coûts d'Amazon pour les modèles linguistiques de la famille Claude. Cependant, Amazon a nié cette affirmation.
L'entreprise de Jeff Bezos utilise des modèles d'IA pour alimenter plusieurs services d'intelligence artificielle, notamment l'assistant vocal Alexa, l'outil de programmation Kiro et l'assistant Quick.
Dans le cadre de cette collaboration, Anthropic a également intégré les systèmes Amazon Web Services et utilisé les puces du partenaire pour la formation LLM.
Bien entendu, la « tokenpocalypse » aura peu d’impact sur des géants comme Microsoft et Amazon, notamment en raison de leur participation directe aux investissements dans de nombreux projets d’IA. Cependant, les entreprises plus modestes risquent de se retrouver, ou ont déjà rencontré, des difficultés financières.
Des erreurs coûteuses
A titre d'exemple de dépenses excessives en tokens, les journalistes d'Axios ont cité une entreprise anonyme qui a oublié de fixer des limites à l'utilisation de Claude Opus pour les salariés. À la fin du mois, l’entreprise a reçu une facture de 500 millions de dollars pour l’informatique IA, sous forme de dette.
Les représentants du service Priceline ont également évoqué les difficultés liées aux solutions d'intelligence artificielle :
« C'est comme l'épidémie de crack. Ils vous tentent de devenir accro, et maintenant vous devenez un peu accro », a décrit le directeur informatique principal Chris Reed, notant que l'entreprise a commencé à fixer des limites symboliques pour certains groupes d'employés.
Dans le même temps, Vitaly Gordon, PDG de la plateforme Faros AI, s'est souvenu d'un développeur qui a dépensé plus de 40 000 $ en jetons en un mois.
Nicholas Arcolano, directeur de recherche sur Jellyfish, a déclaré à TechCrunch que les dépenses en IA montent en flèche, en grande partie à cause des capacités basées sur les agents. La consommation de jetons par développeur a augmenté d'environ 18,6 fois en neuf mois.
« Dans le même temps, le retour sur coûts excessifs dépend de la valeur commerciale finale du code publié (par exemple, les revenus), que la plupart des entreprises ne peuvent toujours pas mesurer », a souligné Arcolano.
Ce n'est pas l'avenir le plus flou
Il est difficile d’évaluer le véritable impact financier d’une «pocalypse symbolique», mais le terme exagère clairement le problème. Les grandes entreprises paieront facilement leurs factures, et les petites entreprises pourront s’adapter si elles consomment judicieusement.
C’est dans ce contexte que la Linux Foundation a dévoilé la Tokenomics Foundation, une nouvelle norme qui introduira une « discipline » dans le contexte des dépenses en IA. FinOps a appliqué un modèle similaire aux dépenses cloud.
Les jetons sont déjà devenus un nouveau poste budgétaire et les entreprises qui souhaitent suivre le rythme de la technologie devraient en tenir compte. Il est probable qu’à mesure que les solutions d’IA évoluent, ces coûts deviendront aussi prévisibles que les coûts des abonnements de base des entreprises.
Vous avez trouvé une erreur dans le texte ? Sélectionnez-le et appuyez sur CTRL+ENTRÉE
Voir l’article original en russe
