TL;DR : L’essentiel
- Face à l’explosion de leurs factures de jetons de calcul, des géants de la technologie comme Amazon, Adobe ou Citi restreignent drastiquement l’accès de leurs employés aux outils d’intelligence artificielle générative.
- Chez l’éditeur de logiciels Atlassian, les relevés financiers internes indiquent que les dépenses mensuelles de calcul ont triplé, passant de cinq millions à plus de quinze millions de dollars, bien que la direction conteste ces estimations.
- La transition de GitHub vers une facturation à l’usage, plutôt qu’un abonnement mensuel fixe, pousse des organisations comme Citi à restreindre l’utilisation de ces technologies et à traquer les consommations excessives.
- Les cabinets de conseil constatent que la dérive budgétaire provient souvent de tâches bureautiques basiques, telles que la conversion répétitive de documents PDF en présentations, plutôt que de développements informatiques complexes.
L’époque de l’expérimentation gratuite de l’intelligence artificielle au bureau touche brusquement à sa fin. Comme le montre l’article de 404 media référencé plus basSur les messageries professionnelles Slack, les messages d’employés inquiets se multiplient, se demandant comment effectuer leur travail sans accès illimité aux derniers modèles de langage. Les directions informatiques, confrontées à des factures de calcul vertigineuses, ferment les vannes des services les plus lourds pour reprendre le contrôle de leur consommation de jetons.
Rationnement des jetons IA : quand les géants de la tech coupent l’accès aux modèles d’IA
Les coûts de l’IA, découlant de l’utilisation de jetons IA, contraignent désormais les comités de direction à poser des limites strictes. Selon des documents obtenus par 404 Media, des structures d’envergure internationale comme Amazon, Adobe et Citi rationnent l’utilisation des grands modèles de langage par leurs équipes. Des notes internes et des captures d’écran de tableaux de bord financiers révèlent que des outils très gourmands en ressources, à l’image de Claude Opus ou GPT-5.5, sont désactivés ou soumis à des quotas pour éviter un emballement budgétaire.
Chez Citi, par exemple, un courriel interne récent montre que la direction a temporairement désactivé l’accès aux versions Claude Opus 4.6, Claude Opus 4.7 et GPT-5.5 très gourmands en jetons IA. Bien que le groupe financier ait déclaré publiquement ne pas restreindre l’utilisation ni bloquer de modèles, les preuves internes indiquent que les employés ont été invités à privilégier des alternatives comme GPT-5.3-Codex ou Claude Sonnet 4.6 pour les requêtes simples et le développement classique, réservant les modèles supérieurs à l’analyse d’architecture. L’accès à ces outils s’organise désormais autour de pools de jetons partagés que les développeurs s’efforcent d’équilibrer pour garantir un accès équitable.
L'essentiel Cybersécurité, IA & Tech
Rejoignez la communauté. 3 fois par semaine, recevez l'analyse des tendances par Marc Barbezat. Pas de spam, juste de l'info.
Chez Amazon, l’approche a également changé de manière significative. Après avoir géré un tableau de classement interne mesurant le niveau d’utilisation des outils d’IA par ses salariés, l’entreprise a discrètement retiré cet outil pour éviter d’encourager des requêtes inutiles et coûteuses. Peu de temps après, des discussions sur Slack ont montré que des employés se heurtaient à des limites de jetons strictes dont ils ignoraient l’existence.
De l’abonnement fixe à la consommation : l’envolée des coûts de l’IA
Le changement de modèle économique des fournisseurs de technologies accentue la pression sur les budgets. La transition d’acteurs clés comme GitHub vers une facturation à la consommation plutôt qu’un abonnement mensuel fixe transforme chaque interaction en un coût direct pour l’entreprise. L’activation d’agents autonomes ou de requêtes complexes sur les derniers modèles de Claude peut ainsi épuiser l’enveloppe de jetons d’un utilisateur en seulement deux ou trois jours.
Les données internes d’Atlassian illustrent cette réalité financière. Un tableau de bord interne montre que les dépenses de l’entreprise pour des services d’infrastructure comme AWS, Google Cloud et les modèles d’OpenAI sont passées de cinq millions de dollars en août 2025 à plus de quinze millions de dollars en mai 2026. Même si la direction d’Atlassian affirme que ces chiffres ne reflètent pas fidèlement son utilisation réelle, elle a refusé de préciser quelles données étaient incorrectes.
Pour faire face à cette situation, certaines entreprises surveillent désormais l’activité de leurs salariés pour détecter les consommations anormales. Chez GitHub, les équipes étudient la possibilité d’adopter des modèles open source pour réduire les dépenses, tout en envisageant une facturation nominative par utilisateur pour responsabiliser les collaborateurs.
Analyse
L’heure où tout devait passer par l’intelligence artificielle est désormais révolue. Après des espérances revues à la baisse concernant la capacité des machines à remplacer les compétences humaines, la réalité financière rattrape les entreprises sur les coûts induits par ces technologies. Ce réveil brutal s’illustre par des cas concrets, à l’instar d’Uber qui a consommé son budget annuel d’IA en seulement trois mois. L’analyse de rentabilité va ainsi permettre de rééquilibrer l’apport indispensable des développeurs et le rôle complémentaire de l’IA.
De l’illusion technique à la rationalisation : la quête de la rentabilité réelle
Les études d’usage mettent en évidence un fossé important entre les attentes d’innovation et les applications quotidiennes. Le cabinet de conseil Accenture a ainsi observé auprès de ses clients que la consommation massive de jetons n’était pas le fait d’ingénieurs développant du code informatique complexe, mais d’utilisateurs convertissant des documents PDF pour générer des diapositives de présentation. Cette consommation excessive pour des tâches simples pousse à revoir la rentabilité réelle des outils déployés.
La contradiction persiste au sein même de certains cabinets qui, tout en incitant leurs clients à adopter l’IA à marche forcée et à surveiller l’économie des jetons, continuent de financer des usages internes futiles, comme par exemple une application interne d’IA destinée uniquement à prédire quelle équipe remportera la Coupe du monde de football. Ces écarts de gestion montrent la difficulté pour les organisations d’établir une discipline budgétaire cohérente.
Face à l’explosion des coûts, la période d’accès illimité aux grands modèles linguistiques comme Claude touche à sa fin. Cette rationalisation force donc les organisations à passer d’une phase d’adoption à une gestion rigoureuse, où chaque déploiement technologique doit prouver sa viabilité économique face au travail humain.
Questions fréquentes sur les coûts de l’IA
Pourquoi l’utilisation de l’IA générative coûte-t-elle de plus en plus cher aux entreprises ?
La tarification des outils d’intelligence artificielle repose de plus en plus sur un modèle à l’usage calculé en fonction du nombre de jetons consommés lors de chaque requête. L’utilisation de modèles de langage très puissants et l’automatisation de tâches répétitives multiplient rapidement le volume de jetons consommés, ce qui fait exploser les factures mensuelles des entreprises par rapport aux anciens abonnements fixes.
Quelles mesures concrètes prennent les entreprises pour limiter ces dépenses ?
Les organisations restreignent ou bloquent l’accès aux modèles de langage les plus performants et les plus coûteux pour inciter les salariés à utiliser des versions intermédiaires moins gourmandes en ressources. Certaines mettent également en place des tableaux de bord pour surveiller la consommation individuelle de jetons et définissent des quotas stricts par collaborateur ou par projet.
Qu’est-ce qu’un jeton dans le contexte des outils d’intelligence artificielle ?
Un jeton représente une unité de mesure correspondant à un fragment de mot ou de caractère que les modèles de langage traitent pour comprendre et générer du texte ou du code. Chaque interaction entre un utilisateur et l’outil consomme un certain nombre de ces unités, et les fournisseurs d’infrastructures facturent les entreprises sur la base de ce volume global consommé.
Quels types de tâches consomment le plus de ressources informatiques inutiles ?
Les analyses de consommation montrent que les dérives budgétaires proviennent souvent de tâches bureautiques simples comme la conversion répétitive de documents PDF volumineux en présentations visuelles. Ces opérations consomment un nombre considérable de jetons sans apporter de réelle plus-value technique ou de retour sur investissement significatif pour l’entreprise.
Zéro paywall. Zéro pub.
DCOD reste en accès libre grâce à vos contributions. Chaque café compte.
