Tokenomics : le token, nouvelle monnaie de l’ère des agents

L’intelligence artificielle générative a introduit une nouvelle unité dans le vocabulaire des directions techniques et financières : le token. À l’heure où les agents IA passent des démonstrations aux déploiements en production, cette petite unité est en train de redessiner les budgets IT. Bienvenue dans l’ère de la tokenomics. 

Rappel : qu’est-ce qu’un token, et pourquoi les agents en consomment autant ?

Un token est l’unité élémentaire de texte qu’un modèle de langage traite : un mot court, un fragment de mot, un signe de ponctuation. En français, comptez grossièrement un token pour trois quarts de mot. Avant chaque requête, votre texte est découpé en tokens (la « tokenisation »), le modèle les ingère, raisonne, puis génère sa réponse… token par token. Et chaque token, en entrée comme en sortie, est facturé par les fournisseurs de modèles. 

Tant qu’on parlait de chatbots, l’équation restait simple : une question, une réponse, quelques milliers de tokens. Les agents changent radicalement la donne. Un agent autonome ne se contente pas de répondre : il raisonne, planifie, appelle des outils, interroge des bases de données, vérifie ses résultats, réessaie en cas d’échec, et délègue parfois à des sous-agents - chaque étape consommant des tokens. Là où une simple requête RAG mobilise 2 000 à 10 000 tokens, une tâche agentique complexe peut en brûler de 30 000 à plus de 100 000, sans garantie de résultat. 

C’est ce que mon collègue Cory Minton appelle la « token inflation » : les coûts de l’IA agentique ne croissent pas linéairement avec l’usage, ils se composent. 

Optimiser les tokens, c’est optimiser les coûts - à condition d’y voir clair 

Le paradoxe de cette nouvelle économie : le prix unitaire du token s’effondre, mais les factures explosent. Les analystes estiment que les tarifs des modèles ont été divisés par plusieurs ordres de grandeur en deux ans, pendant que la dépense totale des entreprises en IA continuait de croître à des rythmes de plus de 30 % par an. La raison ? Le volume. Les workflows agentiques consomment 5 à 30 fois plus de tokens qu’un chatbot classique pour une même demande utilisateur. 

Pire : une part considérable de cette consommation est du gaspillage pur. Contextes redondants, mêmes données récupérées en boucle, tempêtes de « retries » mal conçues, agents qui tournent en rond sans condition de sortie… Selon certaines analyses, 40 à 60 % des budgets de tokens des entreprises seraient ainsi gaspillés. 

Les chiffres de la FinOps Foundation confirment l’ampleur du problème : 85 % des organisations se trompent de plus de 10 % dans l’estimation de leurs coûts IA - et près d’un quart d’entre elles de plus de 50 %. La fondation documente déjà des entreprises consommant le triple de leurs allocations de tokens prévues pour 2026. Sans surprise, la gestion des coûts de l’IA y est identifiée comme la compétence la plus recherchée par les équipes FinOps, toutes tailles d’organisations confondues. 

D’où une exigence nouvelle vis-à-vis des éditeurs et fournisseurs de modèles : la visibilité. Combien de tokens consomme chaque agent, chaque workflow, chaque tâche ? Quel est le coût par processus métier, et pas seulement par million de tokens ? Un agent en boucle infinie doit se voir sur un tableau de bord avant de se voir sur la facture. Sans cette observabilité, l’IA n’est pas seulement une dette technique : c’est une dette financière. 

Exemple de tokenomics en pratique : le tableau de bord de l’application Splunk Argos AI, développée par l’auteur - consommation réelle de tokens et coûts par workflow, par modèle et par agent. 

Le piège du token : quand l’histoire du cloud se répète

Cette situation a un air de déjà-vu. Souvenez-vous des débuts du cloud : la promesse du « payez ce que vous consommez » s’est souvent transformée en factures imprévisibles, instances oubliées, environnements surdimensionnés. Vingt ans plus tard, les études convergent encore vers environ 30 % de dépenses cloud gaspillées, et c’est de ce traumatisme qu’est née toute la discipline FinOps. 

Le token reproduit ce schéma, en l’aggravant. Trois différences rendent le piège plus redoutable encore : la volatilité (la consommation d’un agent varie d’un facteur 10 selon la complexité de la tâche), l’invisibilité (le compteur tourne en continu, en arrière-plan) et l’autonomie (l’agent décide lui-même du nombre d’étapes, donc du coût). 

Or le contexte macroéconomique ne pardonnera pas. Les investissements colossaux consentis dans l’IA - infrastructures, modèles, talents - devront démontrer leur rentabilité. Les projets d’IA agentique qui arriveront en production avec des coûts non maîtrisés subiront le même sort que les projets cloud incontrôlés des années 2010 : gel, repatriation, abandon. La tokenomics n’est pas un sujet technique, c’est un test de crédibilité pour les directions technologiques. 

Quelques bonnes pratiques s’imposent dès aujourd’hui : déployer des « disjoncteurs » qui stoppent un agent dépassant un seuil de coût, budgéter par workflow métier plutôt qu’au volume brut de tokens, et router chaque tâche vers le modèle le plus petit capable de la réaliser - en réservant les grands modèles au raisonnement complexe. 

L’approche Splunk : des agents sans compteur à tokens 

C’est ici que l’approche de Splunk se distingue, à double titre. 

D’abord sur nos propres capacités d’IA : les assistants et agents intégrés à la plateforme Splunk sont inclus dans l’abonnement, sans frais supplémentaires - et surtout sans facturation à la consommation de tokens. Vos analystes SOC peuvent interroger l’AI Assistant, générer du SPL, investiguer avec les agents de la plateforme, sans qu’aucun compteur ne transforme chaque question en ligne de coût imprévisible. Dans un monde où chaque prompt a un prix, la prévisibilité budgétaire devient un avantage compétitif : les équipes utilisent l’IA sans arrière-pensée, et l’adoption suit. 

Ensuite sur la visibilité de vos propres agents : Splunk Agent Observability, issu de l’acquisition de Galileo, donne aux équipes une vue centralisée de tous leurs agents - requêtes, latence, tokens consommés en entrée et en sortie, coûts associés - et corrèle ces coûts avec la qualité des réponses (hallucinations, erreurs, dérives). De quoi identifier et stopper un « agent fou » avant le dérapage budgétaire, et arbitrer factuellement entre un modèle frontier coûteux et un modèle plus léger de qualité équivalente. 

Autrement dit : pas de piège du token sur nos agents, et les moyens de désamorcer celui des vôtres. 

Et demain ? L’économie des agents autonomes 

La tokenomics d’aujourd’hui n’est que le premier chapitre d’une transformation plus profonde : l’émergence d’une véritable économie des agents, où des agents autonomes achèteront eux-mêmes des services - données, calcul, API, voire les services d’autres agents. 

Les infrastructures de paiement se mettent déjà en place. Le protocole x402, qui ressuscite le code HTTP 402 « Payment Required », permet à un agent de payer une API à la requête, en stablecoins (cryptomonnaies à valeur stable), sans intervention humaine. Google a lancé AP2 (Agent Payments Protocol) avec plus de 60 partenaires, dont PayPal, Mastercard et American Express, pour donner un cadre sécurisé aux transactions initiées par des agents. Certaines projections évaluent le commerce agentique à 1 500 milliards de dollars d’ici 2030. 

Imaginez : votre agent d’investigation achète à la volée un enrichissement de threat intelligence auprès d’un agent tiers, qui lui-même paie sa puissance de calcul en micropaiements. Fascinant - et vertigineux pour quiconque doit en superviser les coûts, la sécurité et la conformité. Quand vos agents auront un portefeuille, l’observabilité ne sera plus une option : elle sera votre système de contrôle de gestion en temps réel. 

Conclusion 

Chaque grande vague technologique a imposé sa discipline de gestion : le cloud a créé le FinOps, l’IA agentique impose la tokenomics. Les organisations qui gagneront l’ère des agents ne seront pas celles qui consomment le plus de tokens, mais celles qui savent exactement pourquoi chaque token est dépensé - et celles qui auront choisi des partenaires dont le modèle économique ne transforme pas chaque innovation en risque budgétaire. 

Pour aller plus loin : découvrez Splunk Agent Observability et l’article de Cory Minton, The New Currency of AI: Why Tokenomics is the Next Big Test for Tech Leaders.