Fini le buffet à volonté. OpenAI, Anthropic et GitHub abandonnent les forfaits illimités pour facturer à la consommation. Cette révolution tarifaire va forcer les directions RH, finance et achats à repenser entièrement leur stratégie IA — sous peine de voir leurs budgets s’envoler sans créer de valeur.
LE RÉVEIL BRUTAL DES DIRECTEURS FINANCIERS
Seulement 26 % des entreprises déclarent avoir une vision complète de leurs coûts IA, selon une étude KPMG. Le reste navigue à vue. Certaines ont déjà explosé leur budget annuel de tokens en quelques mois. Un client de KPMG a vu sa consommation multipliée par six. Chez Uber, le budget IA 2026 était épuisé dès avril — sans que cette débauche de ressources ne se traduise en fonctionnalités utiles.
Le phénomène porte un nom : le « tokenmaxxing ». Cette course à la consommation, encouragée pendant des mois par des directions soucieuses de paraître « AI-forward », touche à sa fin. Amazon a fermé son leaderboard interne, qui récompensait les plus gros consommateurs. Walmart a plafonné l’usage de son outil de programmation. Accenture, IBM, Oracle et JPMorgan Chase ont créé une « Tokenomics Foundation » pour standardiser les métriques de budgétisation IA.
J’ai accompagné récemment un leader du retail dans l’audit de sa consommation IA. Le constat était édifiant : des dizaines d’agents déployés dans différents services, aucune vision consolidée des coûts et surtout aucune mesure du retour sur investissement. La direction financière découvrait ses factures après coup.
LA FIN DU MODÈLE BUFFET
Entre février et juin 2026, les trois géants — OpenAI, Anthropic et GitHub — ont basculé vers une tarification à l’usage. Fini le forfait mensuel qui masquait le coût réel de chaque requête. Désormais, chaque token consommé se paie. Et avec l’émergence des agents autonomes capables de travailler pendant des heures sur des tâches complexes, la facture peut devenir vertigineuse.
Un ingénieur de Deloitte témoigne : sous le nouveau modèle de GitHub, une seule requête détaillée demandant plusieurs heures de travail à un agent peut coûter plus de 100 dollars. Chez Coinbase, l’analyse de l’intégralité du code de l’entreprise pour détecter des bugs reviendrait entre 50 000 et 100 000 dollars par exécution. Si cent employés lancent cette opération de manière indépendante, l’addition atteint 10 millions de dollars.
« Les jours du buffet IA bon marché sont terminés », résume cet ingénieur. « La pensée magique, c’est fini », confirme Niranjan Krishnan, responsable des solutions IA chez FPT Americas.
POURQUOI C’EST UNE BONNE NOUVELLE
Paradoxalement, cette évolution pourrait accélérer la maturité des entreprises plutôt que freiner l’adoption. Car elle impose enfin une discipline économique qui manquait cruellement aux programmes IA.
Quand l’IA était vendue au forfait, les utilisateurs consommaient sans compter. Les projets n’étaient jamais challengés sur leur valeur économique. Des preuves de concept survivaient pendant des mois sans démontrer le moindre bénéfice réel. Avec la facturation à l’usage, chaque cas d’usage doit justifier son coût. Les entreprises doivent arbitrer entre modèles premium et modèles économiques. Les agents sont déployés là où ils créent réellement de la valeur.
J’ai observé ce basculement chez un acteur majeur de l’assurance. Après des mois d’expérimentations tous azimuts, la direction a imposé un business case formalisé pour tout nouveau projet IA. Résultat : le nombre d’initiatives a diminué de moitié, mais les projets retenus affichent désormais un ROI démontrable.
VOS FONCTIONS SUPPORT DOIVENT SE RÉINVENTER
Le véritable enjeu dépasse la simple gestion budgétaire. Pour les directions RH, finance et achats, l’heure n’est plus aux expérimentations dispersées. Il faut définir une roadmap structurée qui intègre l’IA dans leur modèle opérationnel cible.
La question n’est plus « Peut-on automatiser cette tâche avec l’IA ? », mais « Est-il économiquement pertinent de le faire avec l’IA plutôt qu’avec un collaborateur ? ». Cette équation impose de mesurer précisément le coût actuel de chaque activité, le coût futur de son exécution par un agent, le niveau de qualité dans chaque scénario, le gain de productivité réel et le ROI démontrable.
Chez Reckitt, la direction financière scrute désormais l’usage réel des outils IA déployés. Quand l’entreprise a lancé douze solutions IA pour son équipe marketing, elle a constaté que l’utilisation de certains outils s’effondrait après quelques semaines — les collaborateurs revenaient à leurs anciennes habitudes. L’un des outils produisait même des données inexactes, forçant l’entreprise à ralentir son déploiement.
LE PRÉCÉDENT DU CLOUD
Les analystes et dirigeants tracent un parallèle avec l’investissement massif dans le cloud pendant la pandémie. Les entreprises avaient surinvesti dans les logiciels d’entreprise pour équiper les télétravailleurs, avant de réduire drastiquement leurs dépenses pour contrôler les coûts. L’IA pourrait connaître le même cycle.
J’ai accompagné un leader du BTP dans la construction de sa trajectoire SIRH à trois ans. L’exercice a révélé que 40 % des cas d’usage IA envisagés ne résistaient pas à l’analyse économique. En revanche, les 60 % restants justifiaient des investissements significatifs — avec une visibilité claire sur le retour attendu. C’est exactement ce type de rationalisation que va imposer la nouvelle donne tarifaire.
Corning, le fabricant de verre devenu fournisseur de fibres optiques pour data centers, a choisi de limiter le nombre d’outils IA accessibles à ses employés pour concentrer son budget sur quelques projets majeurs. Tout en encourageant l’expérimentation individuelle, l’entreprise refuse la dispersion budgétaire.
CONSTRUIRE SON TARGET OPERATING MODEL IA
Pour les fonctions support, l’enjeu est de définir leur modèle opérationnel cible à trois ans. Cela implique d’identifier les processus où l’IA apportera une valeur démontrable, de cartographier les compétences qui devront évoluer, d’anticiper les impacts sur les postes et les emplois, et de construire une gouvernance des coûts IA intégrée au pilotage budgétaire.
Affirm a fait du suivi des tokens un élément central de son processus budgétaire annuel. L’entreprise surveille sa consommation IA en quasi-temps réel et produit des rapports hebdomadaires pour son comité de direction. Cette discipline a permis d’augmenter significativement la productivité de ses équipes d’ingénierie tout en maîtrisant les coûts.
Coinbase a mis en place un système sophistiqué de plafonds hebdomadaires, variant de 500 à 5 000 dollars selon le niveau hiérarchique et le rôle de chaque employé. Le système alerte les utilisateurs quand ils approchent de leur limite, mais autorise des dérogations justifiées. « Nous pensons que les contraintes stimulent la créativité », explique Rob Witoff, responsable de l’infrastructure. « Nous ne voulons pas que les gens brûlent de l’argent simplement parce qu’ils le peuvent. »
LA COURSE AUX MODÈLES ÉCONOMIQUES
Face à la hausse des prix, certaines entreprises se tournent vers des modèles moins coûteux. Coinbase délègue désormais les tâches basiques à des IA moins puissantes — américaines ou chinoises comme DeepSeek et MiniMax. Un dirigeant de Harness compare l’utilisation d’un modèle de pointe pour une simple synthèse de texte à « prendre une Ferrari pour aller à l’épicerie ».
Cette stratification des usages va devenir la norme. Les modèles premium seront réservés aux tâches à forte valeur ajoutée, tandis que les opérations courantes utiliseront des alternatives économiques. C’est exactement ce que j’ai recommandé à un groupe industriel leader de l’agroalimentaire : construire une architecture IA en couches, avec une allocation budgétaire différenciée selon la complexité et la valeur des cas d’usage.
LE MOMENT DE VÉRITÉ
Nous entrons dans l’ère du FinOps de l’IA, comme nous sommes entrés dans l’ère du FinOps du cloud il y a quinze ans. Les directions générales, financières et métiers vont devoir travailler ensemble pour construire de véritables business cases IA.
Sam Altman lui-même a reconnu que la question budgétaire, inexistante en début d’année, est devenue « un sujet majeur ». Les entreprises qui auront anticipé cette transition — en structurant leur gouvernance IA, en mesurant la valeur créée et en définissant leur modèle opérationnel cible — prendront une longueur d’avance. Les autres risquent de subir un réveil brutal quand arrivera la prochaine facture.
C’est sans doute le moment où l’IA quitte le monde de la curiosité technologique pour entrer dans celui de la performance opérationnelle. Et pour vos fonctions support, c’est maintenant qu’il faut agir.
Rédaction
David BELLAICHE
Directeur Général
