Le vrai coût de l’IA

Dans mes articles précédents, j’ai comparé l’IA à l’électricité : plus vous consommez, plus vous payez. À une unité près : le token.

Tant que l’on utilise l’IA comme un outil individuel — quelques questions, des brouillons, des résumés, un peu d’aide au quotidien — l’abonnement donne une impression rassurante. Il transforme une consommation complexe en prix fixe. Une licence. Un forfait. Une ligne budgétaire simple.

Mais cette protection a une limite.

L’abonnement vous protège — jusqu’à un seuil

Un abonnement IA donne une impression de simplicité. Vous payez chaque mois, vous utilisez l’outil, et vous avez le sentiment que le coût est maîtrisé.

Mais un abonnement n’est pas un usage illimité. C’est une enveloppe. Tant que votre usage reste modéré, cette enveloppe suffit largement. Pour écrire, résumer, reformuler, préparer une réunion ou poser quelques questions, le coût réel reste invisible. L’abonnement absorbe la consommation.

Mais dès que l’usage devient intensif, la logique change.

Les nouveaux modèles de tarification vont tous dans la même direction : l’accès de base reste simple, mais les usages avancés, les modèles plus puissants, les agents autonomes et les traitements lourds reviennent progressivement vers une logique de consommation réelle.

Autrement dit : votre abonnement ne supprime pas le coût de l’IA. Il le masque jusqu’à un certain niveau d’usage.

Pour un usage bureautique, cette enveloppe est souvent suffisante. Le problème commence quand l’IA n’est plus seulement un assistant, mais devient un système de production.

Mais l’IA c'est aussi l’IA agentique.

Un agent IA n’est pas simplement un assistant conversationnel. C’est un système auquel on confie une mission. Il ne se contente pas de répondre : il découpe la tâche, choisit les étapes, consulte des fichiers, produit un résultat, vérifie ce résultat, corrige si nécessaire, puis recommence jusqu’à atteindre l’objectif.

C’est ce passage de la réponse à la mission qui change tout.

Le moment où la facture change d’échelle

Un agent ne fonctionne pas comme un utilisateur humain qui pose une question puis lit une réponse.

Un agent lit, planifie, écrit, teste, échoue, corrige, recommence. Il peut relire un dépôt de code, modifier plusieurs fichiers, lancer des tests, analyser les erreurs, ajuster son raisonnement, puis relancer une nouvelle boucle.

Selon la taille du contexte, le modèle utilisé, le nombre d’itérations et la complexité de la tâche, une session agentique peut rapidement consommer des volumes très importants de tokens.

C’est là que la logique économique change.

L’indépendant qui utilise l’IA pour quelques tâches ponctuelles reste souvent dans son enveloppe. Son usage est irrégulier, limité, relativement prévisible.

L’équipe projet qui fait tourner plusieurs agents sur des dossiers clients commence à dépasser la logique du forfait. Elle découvre alors que le coût IA ne doit plus être suivi seulement par utilisateur, mais par projet, par client et par type de livrable.

L’entreprise qui industrialise l’usage ne raisonne plus vraiment en abonnements. Elle passe à l’API, aux budgets, aux plafonds, aux arbitrages de modèles. Elle ne paie plus une licence. Elle paie une consommation.

Je le constate dans mon entreprise

Notre usine logicielle mobilise déjà trente-trois agents sur les étapes d’analyse, de développement, de qualité et de documentation.

Tant que l’usage reste ponctuel, le coût semble maîtrisé. Mais dès que ces agents tournent en parallèle, sur plusieurs projets, avec des appels API, des fichiers, du contexte, des tests et du cloud, le coût ne grimpe pas simplement. Il change de nature.

Pourquoi ? Parce qu’on commence à payer le vrai prix de l’IA : non plus le prix psychologique d’un abonnement, mais le coût réel d’une ressource consommée dans un processus de production.

On ne peut plus seulement demander : “Combien coûte l’outil ?”

Il faut demander : “Combien coûte le travail produit avec cet outil ?”

Pourquoi l’abonnement ne reflète pas le vrai coût

L’abonnement n’a jamais vraiment été le coût réel de l’IA. C’est souvent un prix d’acquisition.

Pendant des années, une partie du marché a subventionné l’usage. Les startups l’ont fait grâce au capital-risque. Les grands acteurs l’ont fait grâce à leur puissance financière et à leurs stratégies de plateforme. L’objectif était simple : conquérir des utilisateurs, installer des habitudes, rendre l’IA indispensable, puis ajuster progressivement la tarification à la réalité des coûts.

Tant que les utilisateurs branchent des ampoules — quelques requêtes par jour — le forfait tient.

Mais quand ils branchent des usines — des agents qui travaillent en continu — le modèle se tend.

Le signal est déjà visible. Anthropic indiquait récemment que plus de mille clients professionnels dépensaient chacun plus d’un million de dollars par an sur une base annualisée. Ce chiffre ne signifie pas que toutes les entreprises atteindront ces montants. Mais il montre une chose : pour les organisations avancées, l’IA n’est déjà plus un petit abonnement SaaS. C’est une ligne budgétaire stratégique.

Le paradoxe : le prix baisse, la facture augmente

Il faut être honnête : le prix du token baisse.

Les modèles sont souvent moins chers, plus rapides et plus performants qu’il y a deux ans. Les fournisseurs ajoutent aussi des mécanismes d’optimisation : cache de contexte, traitement par lots, modèles compacts, routage intelligent, meilleure gestion des prompts.

Si l’IA était restée utilisée comme avant — quelques requêtes par jour, quelques textes, quelques résumés — la facture aurait probablement baissé.Ce qui explose, ce n’est donc pas seulement le prix du token. C’est le volume de tokens consommés par un usage qui a changé de nature.

C’est cet usage qui rend la facture difficile à anticiper : le prix unitaire baisse, mais le volume augmente beaucoup plus vite.

Le vrai basculement : l’IA entre dans le coût de revient

Quand l’IA devient industrielle, gérer la facture au doigt mouillé ne suffit plus.

Il faut mesurer la consommation par agent, par tâche, par projet et par client. Il faut router chaque tâche vers le bon modèle. Tout ne mérite pas un modèle avancé. Une tâche simple peut être confiée à un modèle compact. Une tâche complexe peut justifier un modèle plus puissant.

Il faut aussi prioriser les agents. Certains consomment beaucoup pour un impact faible. D’autres coûtent cher, mais remplacent plusieurs heures de travail humain ou accélèrent un livrable critique.

Enfin, il faut plafonner : budget mensuel, alertes, seuil par projet, plafond par client.

Tant que l’IA reste un outil de bureautique, son coût est fixe, négligeable, presque invisible. Mais dès qu’elle produit du code, des analyses, des documents, des audits ou des livrables, elle devient une composante du coût de revient.

Le risque n’est pas que l’IA coûte cher. Le risque est de produire avec de l’IA sans savoir combien cette production coûte réellement.

L’entreprise qui traite l’IA comme une dépense bureautique subira des marges qu’elle ne comprend pas. Celle qui la traite comme un coût de production — mesuré, routé, plafonné et intégré dans ses prix — en fera un avantage.

On ne parle plus seulement d’un outil. On parle d’une nouvelle économie de production.

Et cette nouvelle économie n’est pas théorique.

Dans mon entreprise, elle a déjà commencé.