Aller au contenu
← Articles IA

IA en entreprise · Coûts

Le coût de l’IA : pourquoi la facture dérape, et comment la cadrer

8 min de lecture

Le prix du token baisse, la facture monte. Uber, Amazon, Salesforce : voici ce que racontent ces factures, pourquoi un agent consomme autant, et comment cadrer un workflow avant qu’il ne coûte plus qu’il ne rapporte.

L’article en 30 secondes

  • Sans gestion du contexte, un agent renvoie à chaque étape tout ce qu’il a déjà lu : le coût augmente plus vite que le nombre d’étapes.
  • Le cache, le choix du modèle, un contexte réduit et le traitement par lots diminuent la facture. Pour arrêter une boucle, il faut une limite appliquée hors du modèle : nombre d’étapes, échecs répétés ou budget.
  • Le bon indicateur n’est pas le nombre de tokens, mais le coût d’un travail accepté, relecture comprise.
Une balance dessinée sur un fond vert granuleux : des piles de pièces occupent le plateau haut, tandis qu’un robot Tesla Optimus accroupi pèse sur le plateau bas, en noir et blanc contrasté.
Illustration générée par IA.

« Le budget que je pensais nécessaire est déjà pulvérisé. » En avril 2026, le directeur technique d’Uber résume ainsi l’effet des outils de code IA sur son année. [1] Quatre mois ont suffi à consommer l’enveloppe annuelle.

Uber avait pourtant fait ce que beaucoup d’entreprises demandaient : pousser l’adoption. Un classement interne comparait les équipes selon leur usage. Claude Code est passé d’environ un tiers des ingénieurs en février à 84 % en mars. La dépense moyenne se situait entre 150 et 250 dollars par mois et par ingénieur, et les plus gros utilisateurs montaient jusqu’à 2 000 dollars. [2]

Quelques semaines plus tard, le directeur des opérations posait la question suivante : ces chiffres se traduisent-ils par davantage de fonctionnalités utiles ? Sa réponse : « Ce lien n’existe pas encore. » [2]

La consommation se mesurait à la minute. La valeur, beaucoup moins.

Ce que racontent les factures de 2026

Uber n’est pas un cas isolé, mais toutes les grosses factures ne racontent pas la même histoire. Trois cas permettent de distinguer un dépassement, une mauvaise incitation et une dépense assumée.

Trois entreprises, trois situations
CasCe qui est rapportéLa réaction
Uber : le budget dépasséBudget annuel d’outils de code IA épuisé en quatre mois. [1]Plafond de 1 500 dollars par mois, par employé et par outil, avec tableau de bord et dérogations possibles. [3]
Amazon : la mauvaise incitationDes salariés auraient lancé l’outil interne sur des tâches sans intérêt pour grimper au classement. [4]Classement supprimé. [5]
Salesforce : la dépense assuméeEnviron 300 millions de dollars de tokens Anthropic prévus en 2026, surtout pour le code. [6]Son PDG réclame une couche qui réserve les modèles de pointe aux demandes qui le justifient. [6]

Microsoft est souvent cité lui aussi. Selon la presse, le groupe a retiré la plupart de ses licences directes de Claude Code, ouvertes six mois plus tôt à des milliers de salariés, au profit de GitHub Copilot CLI. [7] Certains ingénieurs auraient dépensé de 500 à 2 000 dollars par mois. [8] Mais Microsoft n’a pas commenté auprès de Fortune. [7] La raison officielle rapportée est l’unification des outils ; le poids du coût reste une interprétation de la presse. [8] Le montant du budget d’Uber n’est pas public non plus.

Dépenser beaucoup n’est pas non plus forcément gaspiller. Le directeur technique de Meta défend une consommation élevée pour un ingénieur qu’il juge cinq à dix fois plus productif. [4] Chez Databricks, un responsable indiquait en juin que le budget des ingénieurs restait illimité. [5]

Les prix baissent, les volumes montent

Selon des estimations du secteur, une performance équivalente à GPT-4 serait passée de 20 à 0,40 dollar le million de tokens depuis fin 2022. Jellyfish observe une consommation par développeur multipliée par 18,6 en neuf mois. Ses plus gros consommateurs sont environ deux fois plus productifs que les plus légers, pour dix fois plus de tokens. [9] La question n’est donc pas seulement le tarif, mais ce que chaque token supplémentaire rapporte.

Le cas d’Amazon rappelle aussi une règle ancienne : quand on récompense une consommation, on obtient de la consommation. Compter les tokens renseigne sur la dépense. Cela ne dit rien du travail accompli.

Sans gestion du contexte, l’agent repaie ce qu’il a déjà lu

Une question posée à un assistant est un aller-retour. Un agent enchaîne : il lit, appelle un outil, reçoit le résultat, puis recommence. Par défaut, les résultats d’outils restent dans la conversation et comptent à chaque tour suivant. [10] Le cache et la gestion du contexte, abordés plus loin, atténuent cet effet.

Sans cache ni réduction, chaque étape renvoie ce qui a déjà été lu

↶ Contexte renvoyé au modèle à l’étape suivante

Préfixe stableInstructions et définitions d’outils
Mettre en cacheRelire à prix réduit ce qui ne change pas
HistoriqueÉchanges et raisonnements
CompacterRésumer ce qui a été décidé
Résultats d’outilsFichiers, pages et réponses d’API
Effacer, limiterRetirer ce qui peut être relu
Réponse du modèleTexte et appel de l’outil suivant
PlafonnerÉtapes, échecs, budget vérifiés avant l’appel

Réduire le coût n’arrête pas une boucle : il faut une limite appliquée avant l’appel.

Prenons un exemple fictif, aux tarifs publics de Claude Sonnet 5.5 : 2 dollars le million de tokens en entrée, 10 en sortie. [11] L’agent démarre avec 10 000 tokens. Chaque étape produit une réponse de 500 tokens et ajoute 3 000 tokens au contexte, réponse comprise. Rien n’est mis en cache ni retiré du contexte.

20 étapes1,64 $770 000 tokens en entrée
200 étapes124,40 $61,7 millions de tokens en entrée

Dans cette hypothèse, dix fois plus d’étapes coûtent environ 76 fois plus cher. Ce facteur résulte de l’accumulation sans cache ni réduction du contexte : ce n’est pas une propriété générale des agents. Il montre pourquoi une boucle qu’on laisse s’allonger doit être mesurée, puis limitée.

La mesure confirme cette mécanique. Dans un test publié par Anthropic, un agent chargé de comparer huit documents atteint 335 279 tokens de contexte en cinq tours. Les fichiers lus en représentent 96 %. [10]

Deux postes passent facilement inaperçus. Les définitions d’outils sont facturées : la boîte à outils de navigation de Claude ajoute environ 6 600 tokens à chaque requête dans sa configuration par défaut. Le compteur lui-même peut changer : les modèles Claude 4.7 et suivants utilisent un tokenizer qui produit environ 30 % de tokens en plus pour le même texte, selon le contenu. [11] Comparer deux modèles au seul prix du token ne suffit donc pas.

Optimiser : ce qui réduit vraiment la facture

Les tarifs ci-dessous sont ceux d’Anthropic, consultés le 9 novembre 2026. Ils illustrent des mécanismes que l’on retrouve ailleurs, avec d’autres conditions. Les mesures proviennent d’un seul test publié par ce fournisseur.

Six leviers et leurs limites
LevierCe qu’il apporteCe qu’il faut surveiller
Mettre en cache le début de la requêteLecture à 5 % du prix d’entrée sur Sonnet 5.5 et Opus 5.5, 10 % sur la plupart des autres modèles. [11]L’écriture coûte 1,25 fois le prix d’entrée pour 5 minutes. Sans réutilisation dans ce délai, le cache coûte plus cher.
Traiter par lots50 % de remise sur l’entrée et la sortie, cumulable avec le cache. [11]Réservé aux tâches qui peuvent attendre.
Choisir le modèle selon la tâcheHaiku 5.5 coûte 40 fois moins qu’Opus 5.5 en entrée, jusqu’à 100 000 tokens. [11]Une erreur à corriger peut coûter bien plus que l’économie réalisée.
Effacer les anciens résultats d’outilsPic ramené de 335 279 à 173 137 tokens dans le test. [10]L’agent doit relire si besoin, et l’effacement invalide le cache à partir du contenu modifié.
Compacter la conversationPic de 169 164 tokens, avec un résumé d’environ 2 800 tokens. [10]Les trois grands faits testés ont survécu ; les trois détails d’annexe ont disparu.
Tenir des notes entre les sessionsDeuxième session : 4 lectures au lieu de 8, pic de 172 623 au lieu de 333 977 tokens. [10]Le gain dépend de la qualité des notes.

Sur l’exemple fictif des 20 étapes, un cache réutilisé à chaque tour fait passer le coût de 1,64 à 0,34 dollar, soit 79 % de moins. Ce résultat suppose que le début de la requête ne change pas et que chaque tour arrive avant l’expiration du cache.

Le routage attire beaucoup d’attention, jusqu’au PDG de Salesforce. [6] Des outils de ce type arrivent sur le marché. [5] Une boucle sur un modèle moins cher reste une boucle : le routage réduit le prix unitaire, pas le nombre d’appels inutiles.

Cadrer le workflow avant d’optimiser le modèle

Le token le moins cher reste celui qu’on n’envoie pas. Avant de régler le cache, je regarderais la forme du travail.

  • Ne pas appeler le modèle quand une règle suffit. Si les étapes sont connues, un workflow fait le travail. L’agent reste réservé aux cas où chaque pièce détermine la vérification suivante.
  • Donner une fin à la mission. « Analyse tout le dossier » n’a pas de limite naturelle. « Relève ces cinq champs dans ces trois pièces » en a une.
  • Envoyer l’extrait, pas l’archive. Un agent chargé d’un contrat n’a pas besoin de toute la boîte de réception. Chaque outil activé sans raison alourdit aussi toutes les requêtes.
  • Limiter les nouvelles tentatives. Un outil qui échoue deux fois de la même façon doit produire un signalement, pas un troisième essai identique.
  • Prévoir la sortie. Quand la limite est atteinte, l’agent rend ce qu’il a trouvé et dit ce qui manque.

Une alerte n’est pas un plafond

Une alerte signale qu’un seuil est atteint. Un plafond empêche l’appel suivant. C’est la même distinction que pour les consignes données à un assistant qui lit des courriels : ce qui compte est appliqué en dehors du modèle.

Je poserais donc trois niveaux : un nombre d’étapes par mission, un budget par tâche, et un plafond par personne ou par service. Uber combine un plafond mensuel, un tableau de bord accessible à chacun et des dérogations sur autorisation. [3] Microsoft et Databricks proposent désormais des passerelles pour suivre et limiter ces dépenses. [5]

Deux précautions complètent ce dispositif. Il faut désigner qui porte le budget, et comparer la facture du fournisseur à ses propres mesures : Priceline aurait constaté des écarts entre les chiffres de son fournisseur et ses données internes. [9] Un plafond trop bas peut aussi brider les gains qui justifiaient l’outil. [5] Il se règle sur des usages observés, pas sur une intuition.

Le bon compteur : le coût d’un travail accepté

Un modèle moins cher n’est pas forcément une économie. Prenons 100 dossiers et deux options. Les chiffres sont fictifs ; ils montrent ce qu’il faudrait mesurer.

Un dossier est accepté quand la personne chargée du contrôle le valide selon une grille fixée avant l’essai, la même pour les deux options. Chaque dossier est relu pendant 2 minutes. Une correction prend 12 minutes. Le temps est valorisé à 45 euros de l’heure, soit 1,50 euro par relecture et 9 euros par correction.

Exemple fictif · 100 dossiers acceptés après correction
PosteOption économiqueOption plus chère
Coût IA par dossier0,40 €1,20 €
Dossiers à corriger405
Coût IA total40 €120 €
Relecture des 100 dossiers150 €150 €
Coût des corrections360 €45 €
Coût total pour 100 dossiers acceptés550 €315 €
Coût par dossier accepté5,50 €3,15 €

Dans cet exemple, à qualité égale, l’option trois fois plus chère à l’appel revient environ 43 % moins cher au dossier accepté. La relecture, identique des deux côtés, ne change pas l’écart de 235 euros, mais elle donne un coût complet. Le résultat dépend surtout du nombre de dossiers à reprendre et du temps de correction. L’inverse peut être vrai sur des tâches simples : seul l’essai le dira.

La FinOps Foundation va dans ce sens. Elle propose de suivre la part des tokens qui ont réellement contribué à une action métier, hors nouvelles tentatives, sessions abandonnées et sorties insuffisantes. Elle précise que ces indicateurs n’ont d’intérêt qu’associés à une mesure de la valeur, et qu’une approche limitée aux coûts mène à de fausses économies. [12]

Ce que je regarde chez moi, et le premier essai

Dans mon environnement, ma première question est simple : qu’est-ce qui déclenche une dépense ? La mémoire partagée appelle un modèle facturé lorsqu’un assistant déclenche un enregistrement, dans le cadre que j’ai autorisé. Les traitements de consolidation en arrière-plan sont désactivés. La recherche s’exécute sur mon serveur : elle échappe à la facturation d’un modèle à l’appel, pas à tout coût. Il reste le serveur, la maintenance et le temps que j’y passe, et une recherche plus fine demande davantage de calcul. La clé d’API dédiée à ce service a son propre plafond.

Je n’ai pas encore de bilan chiffré à publier. Mon installation personnelle ne dit rien non plus de ce que coûterait un service de cinquante personnes.

Le premier essai : vingt dossiers clos

En entreprise, je commencerais par vingt dossiers clos, avant tout déploiement. Je relancerais le workflow prévu et je noterais :

Ces mesures donnent un coût par dossier accepté et une base pour fixer les plafonds. Je n’interdirais pas l’usage intensif : je demanderais ce qu’il a produit.

Avant de regarder le prix du token, ma question serait donc celle-ci : combien coûte un travail que je peux réellement accepter ?

Sources et références

  1. The Information — Le directeur technique d’Uber et le budget Claude Code ↩
  2. Techstrong.ai — Uber, dépenses IA et retours incertains ↩
  3. TechCrunch — Uber plafonne les dépenses IA de ses employés ↩
  4. Fortune — Amazon, Meta et les classements de tokens ↩
  5. The Next Web — Les entreprises plafonnent l’usage de l’IA ↩
  6. Business Insider — Salesforce et les tokens Anthropic ↩
  7. Fortune — Microsoft et le coût des tokens ↩
  8. The Next Web — Le retrait de Claude Code chez Microsoft ↩
  9. The Next Web — Prix des tokens et factures d’entreprise ↩
  10. Anthropic — Mémoire, compaction et effacement des résultats d’outils ↩
  11. Anthropic — Tarifs de l’API, consultés le 9 novembre 2026 ↩
  12. FinOps Foundation — Token Economics ↩