Le coût caché de l’IA agentique : pourquoi la plupart des projets échouent encore avant d’atteindre la production

V2 actualisée, juin 2026. Première publication le 21 août 2025 par Galileo (désormais intégrée à Cisco).

Votre démo a convaincu. La salle était conquise. Vous avez livré, et la facture est arrivée, prenant tout le monde de court.

Vous n’avez rien négligé. Même les équipes les plus rigoureuses sont parfois prises au dépourvu. En avril 2026, le CTO d’Uber a annoncé que l’entreprise avait consommé l’intégralité de son budget de code IA de l’année en quatre mois seulement. Microsoft a supprimé l’essentiel de ses licences Claude Code internes. Meta classe désormais ses ingénieurs sur un tableau intitulé « Claudeonomics » (Fortune, mai 2026). Les protagonistes de ces histoires ne sont pas des dépensiers imprudents. Mais ces récits prouvent que les agents dépensent bien plus vite qu’on ne le prévoit.

Mais il faut garder espoir : il est rare que les projets agentiques échouent uniquement à cause de la facture de calcul principale. Leur échec est plutôt dû à des coûts cachés qui n’ont jamais été inclus dans les budgets. Selon Gartner, 40 % des projets d’IA agentique seront annulés d’ici 2027. Le MIT a constaté que 95 % des déploiements d’IA générative ne produisaient aucune valeur mesurable. S&P a vu le taux d’abandon passer de 17 à 42 % en un an seulement. Le modèle n’est jamais en cause. Ce sont toujours des problèmes de visibilité. Et un coût visible peut être maîtrisé.

Cinq coûts se cachent entre l’étape de la démonstration et le passage en production : les tokens, les données, les évaluations, les garde-fous, et un modèle de tarification qui vous punit pour les quatre premiers. Donnez-leur de la visibilité et livrez vos projets sans craindre la facture et les incidents. Cette visibilité a un nom : l’observabilité des agents.

Tokens : un coût unitaire en baisse, des factures en hausse

Le prix du token est en chute libre. Une capacité de classe GPT4, qui coûtait 20 $ par million de tokens en 2022, est aujourd’hui facturée à moins d’un dollar. Selon les prévisions de Gartner, le prix de l’inférence devrait baisser de 90 % d’ici 2030. On pourrait être tenté de conclure que le problème va disparaître de lui-même.

Mais cette courbe de tendance est un piège.

Les agents ne se contentent pas d’un appel. Ils bouclent, ils planifient, ils appellent des outils, ils font plusieurs essais, ils passent la main et ils renvoient l’intégralité du contexte à chaque étape. Arrivé à l’étape 20, vous avez payé 20 fois pour entendre la même histoire. Une étude menée en 2026 à l’université Concordia a évalué ce gaspillage : un ratio entrée-sortie de 2 pour 1, une « taxe à la communication », et une revue de code qui consomme à elle seule 59 % de la dépense en tokens. Si vous faites l’addition, les agents consomment 5 à 30 fois plus de tokens par tâche qu’un chatbot (Gartner, 2026). Le prix par token baisse, mais le nombre de tokens explose, et la facture avec.

EY a chiffré les coûts. Une interaction avec le service client est passée de 0,04 $ à 1,20 $ en trois ans, soit une multiplication du coût par 30 malgré la chute du prix du token. Ils le formulent comme ceci : les coûts restent « structurellement invisibles tant qu’ils n’ont pas été pensés pour être visibles. » Les données macro confirment cette hypothèse. Une étude de CloudZero menée auprès de 500 leaders de l’ingénierie a révélé que les dépenses moyennes en IA avaient augmenté de 36 % pour atteindre environ 85 500 $ par mois ; la proportion d’entreprises dépensant plus de 100 000 $ par mois ayant plus que doublé, passant de 20 à 45 %. La démonstration ne coûte pas cher. Ce n’est pas le cas du passage en production. Gartner a découvert que les projets pilotes ne représentaient que 15 à 25 % de la facture réelle.

Cessez de chercher un modèle moins cher. Il ne vous fera gagner que quelques centimes par appel. Vous sauverez votre projet en interceptant l’exécution qui a pris 40 tours au lieu de 4. Observez le volume de tokens par agent, par session, par appel d’outil. Ensuite, trois mesures se montrent particulièrement efficaces :

• Acheminez les tâches simples vers de petits modèles. Gardez les modèles frontière pour les raisonnements qui en ont vraiment besoin.
• Intégrez une instrumentation pour mesurer la consommation de tokens à l’échelle de l’agent et de la session, pour qu’une boucle incontrôlable soit détectable en quelques instants, sans attendre la facture mensuelle.
• Suivez le rapport entre coût et qualité comme métrique prioritaire. Un agent qui produit des résultats corrects à un coût exorbitant est un échec.

Données : des déchets à l’entrée, une facture à la sortie

Votre agent raisonne sur les données que vous lui fournissez. Si les données sont bruyantes, les évaluations seront douteuses, les erreurs se propageront en cascade et la démo ne tiendra pas face à une charge réelle. Ce sont les agents RAG qui sont les premiers touchés : la qualité de la réponse finale dépend directement de ce que vous avez proposé au modèle.

RAND a localisé le point de défaillance de ces projets et la plupart du temps, le problème se trouve en amont du modèle : problème mal ciblé, source de données inadaptée, infrastructure qui ne tient pas la charge. Dans le cas de la RAG, les intégrations bruyantes diminuent l’exactitude de la récupération de 20 à 30 %. Ces erreurs déclenchent de nouvelles tentatives. Les tentatives consomment des tokens. Le piège des tokens s’auto-alimente.

Corrigez-le à la source. Commencez par les données : pensez aux 3 % de vide et aux 35 % de déchets présents dans un ensemble de récupération typique. Aux 290 enregistrements conflictuels enfouis sous 18 000 autres. Au JSON mal formé et aux doublons qui remplissent 15 à 25 % de votre fenêtre de contexte avant même que le modèle n’ait commencé à la lire. Nettoyez en amont pour réduire les coûts d’inférence de tous les appels suivants. Négligez cette étape et vous paierez le prix de ces déchets pendant toute la vie de l’agent.

Évaluations : le test auquel vous renoncez est un défaut que vous livrez

L’évaluation est un cimetière pour le budget. Il faut bien plus qu’un score de précision pour votre agent :

• A-t-il atteint tous ses objectifs ?
• A-t-il choisi le bon outil ?
• A-t-il halluciné ?
• A-t-il fait fuiter une information qui aurait dû rester confidentielle ?

Avec du trafic de production sur un modèle frontière, ces évaluations finissent par coûter très cher. On peut être tenté d’alléger les tests. Mais c’est une grave erreur. Le test auquel vous renoncez est un défaut que vous livrez.

Réduisez le coût des évaluations pour les appliquer systématiquement à toutes les activités. C’est tout l’intérêt des modèles d’évaluation spécialisés. Les petits modèles de langage Luna-2 de Splunk Agent Observability réalisent plus de 20 contrôles de qualité et de sécurité à la fois, en moins de 200 ms, pour un coût jusqu’à 96 % inférieur à celui des juges LLM sur les modèles frontière. Vous pourrez alors cesser de rationner l’évaluation et passerez d’un audit trimestriel à un contrôle qualité permanent sur 100 % du trafic. Signalez immédiatement les problèmes pour intervenir avant de perdre le contrôle de vos agents.

Et on ne corrige pas ce qu’on ne trace pas. Les logs de l’API disent qu’un appel a eu lieu. Ils ne vous montrent pas le graphe d’exécution, les appels redondants, ni la boucle qui s’est exécutée 30 fois parce qu’un agent en a mal compris un autre. Splunk Agent Observability vous donne une chronologie, un graphe et une vue de la conversation pour tracer chaque étape du comportement, sur l’ensemble des agents, de la mémoire et des appels d’outils. Moins d’exécutions à répétition, moins d’évaluations superflues, des corrections plus rapides. C’est là que se situe l’enjeu quand 40 % des projets échouent pour des questions de coût et de complexité. Dans un monde hautement concurrentiel où l’IA est la nouvelle frontière, la capacité à détecter et corriger les problèmes plus rapidement peut être un avantage décisif sur le marché.

Garde-fous : la sécurité n’est pas une option qu’on ajoute après la faille

Chaque agent autonome élargit votre surface d’attaque. Dès l’instant où des agents touchent à des données privées, appellent des outils et peuvent recevoir des entrées douteuses, ils créent des lacunes qui échappent aux règles statiques. Le Top 10 OWASP pour les applications agentiques, publié fin 2025, en dresse la liste : détournement d’objectif, abus d’identités et de privilèges, empoisonnement de la mémoire. Dans le domaine de la sécurité, un taux de 95 % d’interception est synonyme d’échec. Les 5 % qui passent entre les mailles du filet sont la faille que vous n’avez pas comblée.

La sécurité ne peut pas patienter dans une file d’attente. Aucun approbateur humain ne peut suivre le rythme d’un agent qui déclenche des centaines d’actions par seconde. La vérification doit se faire en ligne, à la vitesse de la machine. Luna-2 recherche continuellement les expositions d’informations personnelles identifiables, les utilisations abusives d’outils, les violations de politiques et les contenus dangereux, puis achemine ses détections à un professionnel ou à un agent de supervision, lorsque la confiance baisse. En mars 2026, Galileo (qui fait maintenant partie de Cisco) a lancé Agent Control, un plan de contrôle open source sous licence Apache 2.0. Le principe : rédiger une politique comportementale, puis l’appliquer à tous les agents.

Les garde-fous en temps réel supervisent les risques pendant que vos agents explorent de nouvelles voies et se lancent sur des pistes qui peuvent consommer des millions de tokens. L’incident le moins cher est toujours celui qui n’arrive jamais jusqu’à l’utilisateur.

Tarification : les outils facturés au test encouragent les équipes à arrêter de tester

Il y a un coût dont personne ne parle : le modèle de tarification lui-même. La plupart des outils d’évaluation et de supervision facturent au tarif des modèles frontière, d’où le coût élevé de chaque test. Le moindre contrôle de garde-fou coûte autant que l’exécution de l’agent lui-même et ajoute une latence non négligeable. Pour cette raison, les équipes vérifient moins de choses, moins souvent. Certaines abandonnent complètement les évaluations en cas de pic de coût. C’est totalement contre-productif. Elles se retrouvent à rationner le travail qui préserve la réputation de vos agents et celle de votre entreprise, test après test.

Inversez ce mécanisme pervers. Les petits modèles de langage (SML) ajustés sont facturés à des tarifs jusqu’à 96 % inférieurs à ceux des modèles frontière, pour que vous puissiez tester et contrôler sans craindre la facture. Les évaluateurs coûteux sont distillés dans des modèles Luna-2 compacts : à ce tarif, la supervision de l’intégralité du trafic cesse d’être une ambition pour devenir une réalité abordable. Minimisez les coûts et la latence pour que votre équipe puisse itérer aussi vite que la technologie le permet.

Vous n’avez pas besoin de surconsommer pour vous développer

Les projets d’IA agentique n’échouent pas par manque d’idées ou de modèles. Ils disparaissent discrètement, et le coupable est bien souvent l’angle mort de la visibilité sur les actions des agents. L’absence de définition commune de ce qu’est un agent « fonctionnel ». Du débogage sans traçabilité. Des coûts par test qui découragent les équipes. Un risque qui augmente dans l’ombre jusqu’à ce qu’il se manifeste en production. Toutes ces défaillances relèvent de la visibilité.

L’observabilité des agents éclaire les zones d’ombre : évaluations à faible latence, traces à chaque étape, garde-fous en temps réel et suivi des dépenses sensibles à l’utilisation, du développement à la production. Détectez les boucles infinies, les récupérations superflues, les dérives de politique et les échecs silencieux lorsque la correction reste abordable.

Les tokens sont de moins en moins chers. Les factures augmentent sans cesse. Les équipes qui réussiront au cours des deux prochaines années ne sont pas celles qui auront le modèle le moins cher ou qui solliciteront le moins possible leur modèle frontière. Ce seront les équipes qui verront ce que font leurs agents en temps réel et sauront les adapter pour gagner en efficacité et en précision.

Choisissez un agent. Rendez-le observable. Livrez-le avant que la facture – et l’incident – n’arrivent. Si vous voulez savoir comment rendre vos agents observables, téléchargez Le tournant agentique : réinventer l’observabilité à l’ère de l’IA.

FAQ sur le coût caché de l’IA agentique