Les coûts de l'IA hors de contrôle : les entreprises au bord de la crise

Dans le monde de la tech, les grandes entreprises sont contraintes de revoir leurs budgets alors que les coûts de l'intelligence artificielle (IA) augmentent de manière inattendue. Par exemple, Uber a épuisé son budget de codage IA pour 2026 dès avril de cette année. Microsoft a révoqué les licences Claude Code fournies à ses développeurs après seulement quelques mois. Malgré la baisse des prix des jetons, la prolifération des agents autonomes a fortement augmenté le volume de consommation. Techcrunch.com rapporte .

Bien que les entreprises aient commencé 2025 en s'appuyant sur des abonnements illimités, elles cherchent désormais à comprendre où vont les fonds et à maîtriser les dépenses. Selon Alexander Embricos, responsable de la division entreprise d'OpenAI, les discussions avec les clients sont passées des capacités des modèles à l'efficacité et au contrôle des jetons. Les acteurs du marché développent actuellement de nouveaux outils et normes pour surveiller les coûts de l'IA.

Le projet Tokenomics Foundation, annoncé par la Linux Foundation, vise précisément à résoudre ce problème. J.R. Storment, directeur exécutif de la FinOps Foundation, a souligné que de nombreuses entreprises avaient déjà dépensé trois fois leur budget annuel en avril. Cette situation a déclenché une véritable crise existentielle dans le secteur technologique, remplaçant le mantra "agir vite" par des "garde-fous et un contrôle".

Si les modèles de nouvelle génération comme Claude Opus 4.5 d'Anthropic, GPT-5.1 d'OpenAI et Gemini 3 Pro de Google ont amélioré les fonctions agentives, cela a entraîné une augmentation multiplicative de la consommation. Selon certains rapports, une entreprise a dû payer 500 millions de dollars pour Claude car elle avait oublié de fixer des limites pour les employés. Les représentants de Priceline comparent cette situation à une "dépendance" unique.

Des recherches menées par des plateformes comme Faros AI et Jellyfish montrent que les ingénieurs qui utilisent intensivement les outils d'IA peuvent être deux fois plus productifs, mais ils consomment dix fois plus de jetons pour y parvenir. Parallèlement, le nombre d'erreurs de code et de réécritures augmente, remettant en question l'efficacité économique de l'intelligence artificielle.