Les entreprises sont confrontées à une réalité inconfortable : dépenses des entreprises en IA il a augmenté beaucoup plus rapidement que les budgets ne l’avaient prévu. Ce qui a commencé comme une invitation à l’expérimentation gratuite – « tout le monde utilise l’IA, voyons ce qui se passe » – s’est transformé en factures étonnamment élevées, multipliées par des milliers d’employés. Le passage de l’enthousiasme à la rigueur financière a été si rapide qu’il lui a valu un surnom : Jetonpocalypse.
Points clés
- Les entreprises réduisent leurs dépenses ouvertes en matière d’IA après des coûts plus élevés que prévu.
- Le terme « Tokenpocalypse » décrit la crise générée par les modèles de tarification des jetons dans les API des grands modèles de langage.
- De nombreuses entreprises ont adopté des outils d’IA sans établir de cadres de retour sur investissement clairs.
- Les résultats trimestriels de Microsoft, Google et Amazon constituent l’indicateur le plus fiable pour mesurer la demande des entreprises en matière d’IA.
- L'utilisation du GPU en chaîne sur des protocoles tels qu'Akash et Render peut indiquer si la demande informatique se diversifie au-delà des grandes entreprises.
Les dépenses des entreprises en IA se heurtent au problème des coûts
Le modèle de tarification dominant dans les API de grands modèles de langage est basé sur le nombre de jetons traités. Chaque requête, chaque agent, chaque workflow en plusieurs étapes génère un élément de coût. Lorsque ces interactions se multiplient à l’échelle d’une entreprise, l’ensemble devient vite ingérable.
Le terme Jetonpocalypse capture exactement ce court-circuit : la promesse d’une productivité illimitée se heurte à une structure de coûts qui évolue de manière non linéaire avec l’adoption.
Manque de modèles de retour sur investissement dans l’adoption d’outils d’IA
Le problème est aggravé par une lacune méthodologique généralisée. De nombreuses entreprises ont déployé l’accès aux outils d’IA sans créer de cadres pour mesurer leur retour. On a demandé aux équipes d’intégrer l’IA dans leurs flux de travail, mais personne n’a vérifié si les gains de productivité justifiaient réellement la dépense.
Résultat: augmenter les coûts sans justifier les mesures. Lorsque les directeurs financiers ont commencé à s’intéresser aux postes de dépenses, de nombreuses entreprises n’avaient pas de réponses convaincantes à proposer.
La complexité croissante augmente les coûts de calcul de l’IA
Il existe un deuxième facteur qui amplifie la pression sur les budgets. Les entreprises n’utilisent plus uniquement l’IA pour des requêtes simples : elles migrent vers flux de travail complexes en plusieurs étapesimpliquant des agents autonomes et des techniques telles que la génération augmentée par récupération. Chaque étape supplémentaire signifie plus de jetons traités, plus d'appels d'API, plus de temps de calcul par tâche unique.
Bref, le coût par opération n'est pas resté stable : il a considérablement augmenté à mesure que les applications métiers sont devenues plus sophistiquées. Ce qui semblait être un coût marginal dans la phase expérimentale devient un élément important lorsque les flux de travail entrent en production à grande échelle.
Implications pour les réseaux GPU décentralisés et les fournisseurs de cloud
Cette dynamique ouvre un scénario intéressant – et ambivalent – pour ceux qui travaillent dans l’infrastructure informatique de l’IA.
Les réseaux décentralisés comme alternatives moins chères
Les projets qu'ils construisent réseaux GPU décentralisés se positionnent depuis longtemps comme des alternatives moins chères aux grands fournisseurs de cloud centralisés : AWS, Azure et Google Cloud. Si les entreprises sont réellement sensibles aux coûts de l’IA, cet argument prend du poids. La proposition de valeur – l’informatique distribuée à des prix inférieurs à ceux des hyperscalers – devient plus pertinente dans le contexte de la discipline budgétaire.
Réactions possibles aux coûts élevés
Mais il existe un risque spéculatif qui mérite d’être pris en compte. Les entreprises pourraient réagir aux coûts élevés non pas en recherchant une informatique moins chère, mais simplement en utiliser moins l'IA. Si la réponse dominante consistait à réduire l’utilisation plutôt que de migrer vers des alternatives plus efficaces, les arguments en faveur des réseaux décentralisés seraient affaiblis.
Le résultat dépend si les entreprises considèrent l’IA comme un outil stratégique indispensable ou comme une dépense optimisable à la baisse.
Suivez la demande d’IA des entreprises grâce aux découvertes technologiques majeures
Pour ceux qui veulent mesurer l'orientation réelle de la demande des entreprises, le signal le plus fiable ne vient pas des tendances ou des déclarations des entreprises : il vient des chiffres trimestriels de la demande. Microsoft, Google et Amazon. Leurs données sur les taux de croissance de la charge de travail de l’IA en diront plus sur l’orientation de la demande institutionnelle que n’importe quelle analyse sectorielle ne peut en offrir.
Si ces trois acteurs faisaient état d’une décélération, cela constituerait un indicateur concret que le ralentissement des dépenses des entreprises en matière d’IA laisse des traces dans l’infrastructure cloud.
Indicateurs cryptographiques de la demande de GPU en chaîne
Pour ceux qui recherchent une exposition spécifique au marché de la cryptographie, les données à surveiller sont lesJ'utilise le GPU en chaîne sur les protocoles informatiques décentralisés. Si les taux d'utilisation sur des réseaux comme Akash ou Rendre résister ou croître malgré la consolidation des budgets des entreprises, cela signifie que la demande informatique se diversifie : elle ne dépend plus uniquement des grandes entreprises, mais se répartit sur une base plus large d'utilisateurs et de développeurs.
Ce signal, s’il est confirmé par les données en chaîne, changerait la lecture de l’ensemble du scénario : non pas un secteur qui ralentit, mais un secteur qui se redistribue.
FAQ
Quelle est la « Tokenpocalypse » dans les dépenses des entreprises en matière d’IA ?
Le terme Tokenpocalypse décrit la crise générée par les modèles de tarification des jetons dans les API des grands modèles de langage. Lorsque l’utilisation de l’IA est multipliée par des milliers d’employés, chaque interaction génère un coût, et le total produit des factures bien plus élevées que ce que les entreprises avaient prévu lors de la phase d’expérimentation.
Pourquoi les entreprises réduisent-elles les budgets consacrés aux outils d’IA ?
Les entreprises réduisent leurs dépenses en matière d’IA pour deux raisons principales : les coûts se sont révélés plus élevés que prévu et de nombreuses organisations n’avaient pas élaboré de cadre de retour sur investissement clair pour évaluer si les gains de productivité justifiaient les dépenses engagées.
Comment les réseaux GPU décentralisés s’intègrent-ils dans le marché de l’informatique IA ?
Des projets comme Akash et Render se présentent comme des alternatives moins coûteuses aux grands fournisseurs de cloud centralisés – AWS, Azure et Google Cloud – ciblant les entreprises cherchant à réduire leurs coûts informatiques sans renoncer aux capacités d'IA.
Quels indicateurs révèlent les tendances de la demande des entreprises en charges de travail d’IA ?
Les taux de croissance des charges de travail d'IA communiqués par Microsoft, Google et Amazon dans leurs résultats trimestriels sont considérés comme les signaux les plus fiables pour mesurer la tendance réelle de la demande institutionnelle en informatique d'IA.
Contenu créé avec l’aide de l’intelligence artificielle et de la révision éditoriale humaine.
Voir l’article original en italien
