Le prix du token baisse, la facture d'IA monte

Deux affirmations circulent, et elles sont vraies toutes les deux. L’IA n’a jamais été aussi bon marché : à capacité égale, le prix d’un modèle a été divisé par plus de 280 en deux ans. Et les factures d’IA n’ont jamais autant inquiété les directions financières. Ce paradoxe n’en est pas un : c’est l’histoire d’un prix unitaire qui baisse pendant que le volume explose.

Notre guide du coût de l’IA en entreprise explique comment se calcule et se prévoit une facture. Cet article prend du recul sur le marché : ce qui fait monter la note, et l’unité qui permet de la juger.

Le prix unitaire s’effondre

L’AI Index 2025 de Stanford, publié par un institut universitaire sans intérêt commercial, suit le prix public des modèles à niveau de performance égal sur un test de connaissances générales.

Un token est un morceau de mot, l’unité dans laquelle se facture le texte lu et écrit par un modèle. À ce rythme, une tâche qui coûtait cher il y a deux ans coûte des centimes aujourd’hui. Si l’on s’arrêtait là, les budgets d’IA devraient fondre.

Le volume monte plus vite

Ils ne fondent pas. Bain, qui vend du conseil en stratégie et en IA, a suivi les deux courbes depuis décembre 2024, sans enquête, à partir de données de marché.

Le prix unitaire a perdu plus de la moitié de sa valeur ; le volume a plus que quintuplé. Multipliez les deux : la dépense totale a plus que doublé (notre calcul sur les indices de Bain). Bain reprend d’ailleurs le constat d’une banque, Wells Fargo, selon qui la hausse de l’usage a plus que doublé la facture globale.

D’où vient tout ce volume

Trois mécanismes font monter la consommation sans que personne décide de dépenser plus.

1. Des usages qui se multiplient. Chaque baisse de prix rend rentable un usage qui ne l’était pas : résumer chaque courriel, classer chaque ticket, relire chaque contrat.
2. Des agents qui enchaînent les appels. Un agent d’IA ne répond pas en un appel : il planifie, appelle un outil, relit le résultat, recommence. Chaque tour renvoie tout le contexte, et se paie.
3. Des modèles trop puissants. Selon Accenture, qui vend du conseil et des services gérés d’IA, 54 % des requêtes d’IA partent vers un modèle plus puissant et plus cher que nécessaire, et 90 % des plus de 9 000 tâches étudiées se passent d’un modèle de pointe. L’étude porte sur 750 dirigeants d’entreprises de plus d’un milliard de dollars, loin de notre cible, mais le mécanisme ne dépend pas de la taille.

Les factures surprises

Le résultat se lit dans les enquêtes, toutes menées auprès de grandes entreprises par des cabinets qui vendent du conseil et des services d’IA.

L’étude de Capgemini porte sur des entreprises de plus d’un milliard de dollars, et Capgemini la présente lui-même comme une indication de tendance ; les factures surprises y touchent davantage les entreprises en phase pilote (57 %) que celles qui passent à l’échelle (46 %). KPMG interroge 204 entreprises d’un milliard de dollars et plus. Côté EY, qui vend du conseil et des services d’IA, 82 % de 534 dirigeants américains dont l’organisation investit déjà dans l’IA se disent préoccupés par leur consommation de tokens.

L’unité qui compte : le coût par résultat

Un prix par token ne dit pas si une dépense est bonne. Un million de tokens peut produire mille réponses utiles ou un agent qui tourne en rond. L’unité qui permet de juger, c’est le coût par résultat : ce que coûte une facture fournisseur traitée, une demande client réglée, une page traduite et relue.

Le BCG, qui vend du conseil en IA, emploie la même unité dans son rapport de septembre 2026 : le coût par résultat réussi. Or peu d’entreprises savent le calculer. Selon Accenture, 35 % seulement des grandes entreprises interrogées savent calculer un coût par résultat, et moins d’un dollar sur cinq dépensé en tokens se rattache à un résultat financier chiffré.

C’est l’unité que nous suivons sur nos propres outils. Sur le pipeline de traduction que nous opérons pour Palmora Property, un portail immobilier en six langues, nous comptons le coût par segment traduit : le changement de fournisseur l’a divisé par 60, et 95 % des segments sortent du cache après le premier passage, sans rappeler l’IA (chantier CNT.7). Ces ratios valent pour ce pipeline ; ils montrent ce qu’une mesure par résultat rend visible.

Calculer son coût par résultat

Pour une équipe de 20 à 500 personnes, pas besoin d’un tableau de bord de grande entreprise pour commencer.

1. 01Nommer le résultat.

   Une unité que le métier reconnaît : une facture saisie, un ticket clos, une fiche produit publiée.

2. 02Relever la dépense d’un mois.

   Sur la console du fournisseur, par clé ou par projet, pour cet usage seulement.

3. 03Diviser.

   Dépense du mois divisée par le nombre de résultats du mois.

4. 04Comparer.

   Au coût du même résultat sans IA, et au mois précédent.

5. 05Agir sur l’écart.

   Un modèle plus léger, un cache, un traitement par lots, ou l’arrêt d’un usage qui ne rapporte rien.

Les leviers techniques de l’étape 5 sont détaillés dans notre guide du coût de l’IA en entreprise. Et quand l’IA arrive incluse dans un logiciel, sous forme de crédits, le même raisonnement s’applique : ce que coûte vraiment l’IA « incluse ».

Si la facture monte sans que vous sachiez ce qu’elle rapporte, notre offre d’IA au juste coût mesure le coût de chaque usage et confie chaque tâche au modèle qui suffit.

Questions fréquentes

Sources

1. L’AI Index 2025 de Stanford (nouvel onglet)hai-production.s3.amazonaws.com
2. Bain (nouvel onglet)bain.com
3. Accenture (nouvel onglet)accenture.com
4. L’étude de Capgemini (nouvel onglet)capgemini.com
5. KPMG (nouvel onglet)kpmg.com
6. EY (nouvel onglet)ey.com