L’IA est fantastique, les factures le sont moins : après le FinOps, la tokenomics

Pendant 3 ans, l’IA était en « version anticipée ». Aucun plafond d’utilisation. Des forfaits à prix fixe. Des inférences facturées très en dessous des coûts réels. Cette époque est révolue.

Uber a consommé l’intégralité de son budget de code agentique en 4 mois seulement. Microsoft a révoqué les licences Claude Code internes des groupes hors ingénierie et réorienté des milliers de développeurs vers des modèles plus réduits. Une entreprise a omis de plafonner la consommation et sa facture a atteint 500 millions $ en un mois. Ces incidents ne sont pas des exceptions. Ce sont des signaux d’alerte pour toute l’industrie.

Cette situation a un air de déjà-vu. L’euphorie du calcul illimité au début des années 2010. Le cloud étendait le champ des possibles. Et la facture est arrivée. À la fin de la décennie, les entreprises se montraient bien plus réticentes face aux factures de cloud exorbitantes. Le local a fait un retour en grâce.

Nous avons appelé cette tendance le rapatriement du cloud. À peine dix ans plus tard, cette tendance revient. Cette fois, elle concerne l’IA. Les entreprises du monde entier retirent des workloads des modèles frontière pour les ramener dans une infrastructure qu’elles possèdent et maîtrisent. La question clé : avons-nous vraiment besoin d’un modèle frontière pour cette tâche, ou pourrions-nous obtenir un résultat acceptable pour moitié moins de frais avec un SLM ?

L’essai gratuit arrive à son terme

L’IA est maintenant facturée au token, dont la consommation est de plus en plus difficile à prévoir. Le coût par token baisse sans cesse, mais la consommation augmente beaucoup plus rapidement : les dépenses en IA des entreprises ont triplé en un an malgré une chute de 90 % des prix, et Goldman Sachs estime que la consommation de tokens sera multipliée par 24 d’ici 2030. Des tokens moins chers, des factures en hausse.

Une requête dans un chatbot coûte quelques centaines de tokens. Un agent, en revanche, affiche un profil tout à fait différent. Il planifie, sollicite des outils, vérifie son propre travail et répète des boucles pendant plusieurs minutes. Chaque boucle consomme des tokens supplémentaires. Une requête peut consommer à elle seule 100 000 tokens. Un pic de recherche peut coûter des milliers de dollars.

C’est pour cette raison que le modèle de l’IA a montré ses limites bien plus vite que le SaaS. Un service web a un coût par requête relativement prévisible. Ce n’est pas le cas d’un agent autonome. Il peut décider, en toute indépendance, de faire dix fois plus de travail que vous ne l’aviez prévu. Et vous ne le saurez qu’en recevant la facture.

Les fournisseurs adaptent leurs tarifs en conséquence. En 2026, Anthropic a retiré les workloads d’agent des abonnements forfaitaires et les a fait passer sur un système de crédits facturé aux tarifs API. Des utilisateurs d’OpenClaw ont reçu des factures atteignant 1 000 $ par jour. Dans le même esprit, Google a retiré la CLI Gemini open source de ses abonnements et basculé ces workloads sur des clés d’API payantes. Les options à bas coût qui facilitaient les premières expérimentations disparaissent les unes après les autres, laissant derrière elles un compteur de tokens.

Résultat : les équipes rapatrient l’IA

Face à cette équation, les responsables de l’IA font ce que leurs collègues des finances font depuis des années. Ils rapatrient les workloads IA dans l’infrastructure qu’ils maîtrisent, avec des coûts d’investissements fixes. 86 % des DSI prévoient actuellement de ramener au moins une partie des workloads hébergés dans des clouds publics vers un cloud privé ou une infrastructure locale. Ce chiffre est un véritable record. Et la principale raison de cette tendance est le coût.

Les outils sont prêts. Les modèles à poids ouverts comme les familles Llama et Qwen n’ont plus que quelques mois de retard sur les modèles frontière, pas des années. Et ils s’exécutent sur du matériel que vous pouvez acheter. Avec les spécifications maximales, le nouveau Macbook Pro M5Max d’Apple peut prendre en charge un modèle de 70 milliards de paramètres sur votre bureau. En intégrant ces capacités à ses propres racks, une entreprise pourrait exécuter ses workloads à un coût très inférieur à celui de la location.

Le chemin du retour reste à tracer

Mais cette liberté s’accompagne d’un nouveau défi. Le coût total de l’IA ne se voit plus dans les factures des fournisseurs, mais dans les flux de données de l’infrastructure. Il devient impossible de relier la consommation à la valeur métier sans une observabilité détaillée des agents et une évaluation intelligente des résultats.

Mais le secteur est prêt à relever ce défi. En juin 2026, la Linux Foundation a présenté la Tokenomics Foundation qui, aux côtés de la FinOps Foundation, doit définir des standards ouverts pour la gestion des coûts de l’IA. Les bonnes pratiques d’observabilité, destinées à encadrer la création d’évaluations et de garde-fous précis et économiques, gagnent rapidement en maturité. La tokenomics est le FinOps de cette nouvelle ère. Elle s’impose progressivement comme une compétence décisive au sein des équipes qui exploitent l’IA.

De la puce à l’évaluation

C’est là tout l’intérêt de posséder l’intégralité de la pile. Lorsqu’elles sont en mesure de tracer l’information de l’utilisation du matériel au comportement des agents, les équipes d’IA peuvent optimiser les dépenses, les capacités et donc la rentabilité métier. En unifiant les données de toutes les couches, il devient possible d’envisager une IA véritablement fiable et sécurisée. La consommation des tokens s’affiche aux côtés de la qualité des résultats et des performances de l’infrastructure pour donner aux équipes les moyens de superviser les performances combinées de leurs AI POD Cisco, de leurs NIM NVIDIA et de leurs bases de données vectorielles Milvus.

Elles peuvent ensuite rapprocher ces signaux de métriques de qualité personnalisée dans Splunk Agent Observability qui décrit le comportement des agents selon plusieurs dimensions. Il devient alors possible d’équilibrer coût et performance en affectant certains workloads à des modèles à poids ouverts, beaucoup plus économiques. Les garde-fous en temps réel bloquent les agents incontrôlables avant qu’ils ne deviennent le prochain incident budgétaire. La facture a disparu, mais la visibilité reste.

Cette vue full-stack libère également le développement. Dans un data center dédié à l’IA, le plus difficile n’est pas d’empiler les GPU, mais bien de les exploiter en gardant de la visibilité sur le coût et la qualité. En centralisant le matériel, le réseau et l’observabilité, vous pouvez rapatrier des workloads tout en répondant à la seule question qui compte : combien cela a-t-il coûté, et est-ce que cela en valait la peine ?

Pour une IA fantastique et des factures prévisibles

L’IA mérite sa place quand vous savez ce qu’elle coûte et ce qu’elle rapporte. Rapatriez les workloads stables, exécutez-les sur du matériel que vous maîtrisez et soumettez-les à la même discipline que tout autre poste de dépense variable.

La transition est déjà amorcée et la tendance ne s’inversera pas. Les équipes les mieux placées sont celles qui associent du matériel local à une vision lucide du coût de chaque workload, du token au GPU. Avec une stratégie bien pensée, le rapatriement n’est plus une mesure de réduction des coûts prise dans la précipitation, mais le fondement d’un avantage durable.

Pour approfondir le sujet, téléchargez Le tournant agentique : réinventer l’observabilité à l’ère de l’IA.

FAQ