L’adoption massive de l’IA par les entreprises pose un problème inattendu : personne ne sait exactement où passe l’argent.

L’ère de l’expérimentation sans contrôle

Au début, les entreprises ont adopté l’IA comme une innovation à explorer. Les budgets étaient souvent alloués via des initiatives d’innovation, avec peu de contrôle financier. L’objectif était de démontrer le potentiel de l’IA, pas d’optimiser chaque dépense. Les équipes financières n’examinaient pas chaque appel de modèle ou workflow, car l’accent était mis sur la découverte plutôt que sur les coûts.

Quand l’IA passe en production, tout change

La situation évolue radicalement lorsque l’IA quitte les projets pilotes pour entrer en production. Chaque interaction, chaque appel de modèle ou workflow fait monter la facture. Selon Gartner, les dépenses mondiales en IA atteindront 2 590 milliards de dollars en 2026, soit une augmentation de 47 % par rapport à 2025. Les inefficacités, même minimes, se multiplient avec des millions de requêtes et génèrent des coûts substantiels.

L’essor des agents autonomes va accélérer cette tendance. Un agent peut utiliser plusieurs modèles, interagir avec d’autres systèmes et fonctionner de manière autonome jusqu’à l’achèvement de sa tâche. Avec le déploiement massif prévu, les coûts d’IA vont augmenter à cause de deux facteurs : plus d’utilisateurs et plus de travail effectué par l’IA.

Gartner prévoit que plus de 40 % des projets impliquant des agents IA seront annulés d’ici fin 2027 en raison de coûts élevés, d’une valeur non démontrée ou de contrôles insuffisants. Une entreprise peut approuver un agent qui fonctionne bien en pilote, puis revoir sa décision lorsque des milliers d’utilisateurs l’emploient et que chaque tâche déclenche plusieurs requêtes payantes.

Le paradoxe de la facture opaque

Le plus gros problème pour les entreprises est de comprendre l’origine des coûts. Les fournisseurs de modèles envoient des factures détaillant l’utilisation globale, mais les entreprises ignorent souvent quels workflows ont généré ces dépenses, si elles ont créé de la valeur ou quelle équipe en est responsable.

Selon la FinOps Foundation, les professionnels classent le contrôle des coûts et de l’utilisation des tokens dans les services logiciels comme leur principale préoccupation liée à l’IA. Les factures révèlent peu les causes des dépenses, et les systèmes n’offrent aucun moyen intégré de tracer les coûts.

Vers une meilleure visibilité des dépenses IA

Optimiser les dépenses d’IA nécessite une visibilité sur les workflows. Les discussions actuelles portent surtout sur le choix de modèles moins chers ou la négociation des prix. Cependant, ces mesures ne suffiront pas. Avec l’IA intégrée dans de plus en plus de workflows et les agents autonomes effectuant davantage de tâches, les organisations consomment souvent bien plus de tokens qu’elles n’en économisent.

Sans attribution claire, les entreprises ne peuvent déterminer quels systèmes IA génèrent une valeur commerciale mesurable, quels workflows sont inefficaces ou où s’accumulent les coûts inutiles. Il est temps de traiter l’IA comme une dépense opérationnelle sérieuse, avec les mêmes niveaux de contrôle et de transparence que pour d’autres investissements technologiques.