Dans l’ensemble du secteur, les entreprises commencent à hésiter face au prix de l’IA. Uber a dépensé l’intégralité de son budget de codage IA pour 2026 en avril. Microsoft a révoqué les licences Claude Code de ses développeurs des mois après les avoir activées. Un employé de Priceline a déclaré à TechCrunch qu’un renouvellement de contrat Cursor de routine revenait 4 à 5 fois plus cher.
Même si les prix par jeton ont baissé, la pression en faveur d’une plus grande adoption de l’IA et d’agents de plus en plus autonomes a entraîné une consommation de jetons de plus en plus élevée. Les entreprises qui se sont gavées début 2025 d’abonnements à volonté se démènent désormais pour comprendre où va leur argent, réduire leurs dépenses et déterminer si elles peuvent récupérer une partie du retour sur investissement de l’épave de leurs budgets.
Pendant ce temps, un marché se forme pour les y rencontrer. Les startups, les fournisseurs établis et un nouvel organisme de normalisation se battent tous pour fournir aux entreprises les outils et le langage nécessaires pour suivre leurs dépenses.
« Il y a six mois, j’aurais une conversation avec un client et tout porterait sur « Que peut-il faire ? Est-ce suffisant ? », a déclaré Alexander Embiricos, chef d’entreprise d’OpenAI, à TechCrunch lors d’un événement à New York cette semaine. « Nos conversations ne portent plus sur cela maintenant. Maintenant, les conversations portent sur : « Hé, nous dépensons tellement. Quelle visibilité avez-vous ? Quelle auditabilité avez-vous ? De quels contrôles de jetons disposez-vous ? Quelle est l’efficacité de vos modèles ? »
C’est dans ce contexte que la Linux Foundation a dévoilé cette semaine les plans de la Tokenomics Foundation, un nouvel organisme de normalisation qui vise à inculquer la même discipline en matière de coûts autour des jetons d’IA que celle appliquée par FinOps pour les dépenses dans le cloud.
« En avril et mai, j’ai commencé à entendre des entreprises : ‘Oh mon Dieu, nous avons triplé l’ensemble de notre budget symbolique pour 2026 et nous ne sommes qu’en avril' », a déclaré à TechCrunch JR Storment, directeur exécutif de la Fondation FinOps, un projet de la Fondation Linux. « Nous avons commencé à entendre des crises existentielles, et toute la conversation est passée du tokenmaxxing et du ‘va vite’ au ‘nous avons besoin de garde-fous, comment pouvons-nous contrôler cela ?' »
Les cris entendus dans le monde de la technologie faisaient suite aux demandes ferventes des PDG poussant leurs équipes à utiliser les meilleurs modèles et à agir vite, au diable les coûts. Les nouveaux modèles sortis en novembre comme Claude Opus 4.5 d’Anthropic, GPT-5.1 d’OpenAI et Gemini 3 Pro de Google ont apporté des améliorations significatives aux outils agentiques, qui ont multiplié la consommation. C’est ainsi qu’une entreprise se serait retrouvée avec une facture Claude de 500 millions de dollars après avoir oublié de fixer des limites d’utilisation pour les employés.
« C’est comme l’épidémie de crack », a déclaré Chris Reed, directeur principal du financement informatique chez Priceline, soulignant que la société avait commencé à imposer des limites symboliques à certains groupes. « Ils vous laissent essayer pour en devenir accro, et maintenant vous y êtes en quelque sorte redevable. »
Vitaly Gordon, PDG de la plateforme d’opérations d’ingénierie Faros AI, a déclaré avoir récemment parlé à un CTO qui lui a dit : « Un de mes ingénieurs a dépensé 40 000 $ en jetons le mois dernier, et je ne sais vraiment pas si je dois l’arrêter ou si je dois aller dire à tout le monde d’être comme lui.
Une enquête réalisée en mars par Faros a révélé que parmi 20 000 développeurs, la production était en augmentation, tout comme les bugs et les réécritures. Jellyfish, une plateforme de gestion de l’ingénierie, a également découvert que les ingénieurs qui utilisaient le plus de jetons étaient environ deux fois plus productifs que ceux qui utilisaient moins l’IA, mais ils dépensaient 10 fois plus de jetons pour y parvenir.
Nicholas Arcolano, responsable de la recherche chez Jellyfish, a déclaré par courrier électronique à TechCrunch que les dépenses en matière d’IA explosent en grande partie à cause des fonctionnalités agentiques, la consommation par développeur ayant augmenté d’environ 18,6 fois en neuf mois. Dans l’ensemble, ces statistiques rendent le dossier de la productivité plus obscur que ne le suggèrent les dépenses.
« La rentabilité des dépenses extrêmes dépend de la valeur commerciale ultime du code expédié (par exemple, les revenus), que la plupart des entreprises ne peuvent toujours pas mesurer », a déclaré Arcolano.
Une partie au moins de ce problème de mesure réside dans l’échelle à laquelle l’IA est utilisée aujourd’hui.
« Le suivi des coûts du cloud représente un problème de centaines de millions de lignes de données par mois », a déclaré Storment. « Le suivi des coûts des jetons est un problème de données de plusieurs milliards de lignes par mois. Vous ne pouvez pas simplement coller cela dans n’importe quelle feuille de calcul ou même dans un outil de base. Vous devez repenser fondamentalement vos outils, vos spécifications et vos systèmes comptables pour y parvenir. «
Chez Priceline, Reed constate déjà des écarts. Il a noté des problèmes entre l’utilisation déclarée par un fournisseur et les données internes de Priceline.
« J’ai commencé ma carrière dans la gestion des dépenses en télécommunications et je constate les mêmes parallèles, des télécommunications au cloud en passant par l’IA », a-t-il déclaré. « Chaque fois que vous introduisez quelque chose de nouveau, cela donne lieu à des erreurs de facturation et à des opportunités d’audit et d’optimisation. »
Un marché commence à se former autour de ce problème. Il existe des sociétés pure-play, comme Pay-i, qui suivent, mesurent et optimisent les coûts et les performances des investissements GenAI. Le paiement, quant à lui, permet aux développeurs de suivre les coûts, de mesurer l’utilisation et de facturer les utilisateurs en fonction de la valeur réelle plutôt que des frais d’abonnement.
Il existe ensuite des sociétés comme Jellyfish, Waydev et Faros AI, qui fournissent toutes une surveillance des agents IA pour prouver le retour sur investissement des outils de développement. Storment affirme que la plupart des 180 fournisseurs de la Fondation FinOps se tournent vers cet espace.
Les entreprises disposant d’une distribution existante ajoutent également de nouvelles fonctionnalités pour capitaliser sur ce nouveau marché. Ramp s’est récemment lancé dans la gestion des dépenses en IA ; Datadog et New Relic se sont attaqués à des services tels que la gestion des coûts du cloud, l’observabilité au niveau des jetons et la surveillance des GPU. Lors de la conférence FinOps X la semaine prochaine, AWS devrait introduire de nouvelles fonctionnalités de gestion financière adaptées aux dépenses d’IA des entreprises.
Tiffany Luck, partenaire de la NEA, pense que l’efficacité et l’observabilité des jetons seront probablement ajoutées au niveau de la « couche harnais ou application ». Elle a souligné Factory, une startup qui fabrique des agents IA pour les entreprises, qui a lancé cette semaine un modèle de routeur qui sélectionne automatiquement le bon modèle pour chaque tâche.
Gordon s’attend à ce que les laboratoires frontières et d’autres fournisseurs de modèles adoptent une optimisation de type OpenRouter pour diriger les requêtes vers les modèles les moins chers – une tendance qui apparaît déjà sur les factures de l’entreprise Claude.
« Le rapport financier indiquant combien vous dépensez pour Anthropic, même si vous appelez le modèle Opus, une partie des dépenses sera consacrée à Sonnet ou Haiku, car ils sont suffisamment intelligents pour le faire », a déclaré Gordan. « Je pense que cela va devenir de plus en plus important. »
Mais tous ces outils sont construits sans langage commun ni définitions partagées sur le coût d’un jeton, ce qu’il produit et comment comparer les dépenses des différents fournisseurs. C’est là que la Fondation Tokenomics espère s’avérer utile.
La Fondation élabore une définition et un cadre canoniques pour la « tokenomics » ; des normes ouvertes, des spécifications et des mesures pour l’utilisation et la facturation des jetons d’IA ; ainsi que de nouvelles mesures pour l’économie de l’IA, comme le coût par intelligence ou les jetons par watt. Il prévoit également de définir des mesures concernant l’efficacité de l’usine de jetons et l’efficience de la consommation. Le groupe prévoit un lancement officiel en juillet et est sur le point d’annoncer d’autres membres lors de la conférence FinOps X la semaine prochaine.
« L’économie des jetons est fondamentalement plus abstraite et opaque que tout ce que nous avons géré à cette échelle auparavant », a déclaré Nishant Gupta, responsable de la disponibilité chez Salesforce, dans un communiqué. « Cela nécessite une puissance opérationnelle différente de celle que l’industrie a construite pour le cloud. »
Cela dit, Goldman Sachs prévoit que l’utilisation mondiale des jetons sera multipliée par 24 d’ici 2030. Les entreprises qui dépassent déjà leur budget ont besoin de solutions maintenant, et le premier livrable de la fondation est encore dans des mois.
« Peut-être avons-nous créé une machine à vapeur, mais nous n’avons toujours pas compris la chaîne de montage », a déclaré Gordon.
Selon Arcolano, la décision judicieuse consiste en une adoption large et modérée.
« Le meilleur retour sur investissement vient du déplacement du niveau moyen d’une utilisation faible à modérée, sans pousser les gros utilisateurs vers le haut », a-t-il déclaré.
Russell Brandom et Tim Fernholz ont contribué à ce reportage.
Lorsque vous achetez via des liens dans nos articles, nous pouvons gagner une petite commission. Cela n’affecte pas notre indépendance éditoriale.
