L'IA peut désormais coûter plus cher que la main-d'œuvre humaine, car les dépenses IA des entreprises explosent, certaines d'entre elles payant davantage pour la puissance de calcul que pour le travail humain

L'IA peut désormais coûter plus cher que la main-d'œuvre humaine, car les dépenses IA des entreprises montent en flèche, certaines d'entre elles payant davantage pour la puissance de calcul que pour le travail humain

L'intelligence artificielle (IA), longtemps présentée comme un outil censé améliorer la productivité tout en maîtrisant les coûts, devient un fardeau financier pour certaines organisations. Les dépenses des entreprises en matière d'IA montent en effet en flèche, certaines d'entre elles payant désormais davantage pour la puissance de calcul que pour la main-d'œuvre humaine. Alors que les coûts augmentent et que les retours sur investissement restent incertains, les dirigeants commencent à se demander si l'essor de l'IA est durable et si cette technologie est vraiment moins coûteuse que la main-d'œuvre humaine.

Ce développement s'inscrit dans un contexte de transformation des modèles économiques de l'IA, marquée par la fin progressive de l'âge d'or du forfait IA illimité. Face à l’essor de l’IA agentique et à l’intensification de la concurrence entre les principaux acteurs du secteur, les fournisseurs réorientent leur stratégie de monétisation autour du token, qui devient l’unité de facturation centrale. Cette évolution s'accompagne de limitations d'usage, de fonctionnalités segmentées et d'une hausse des prix, redéfinissant ainsi les relations entre fournisseurs, entreprises et développeurs.

Pendant des années, l'IA a été présentée comme une révolution en matière de productivité, censée améliorer les performances des travailleurs humains tout en maîtrisant les coûts. Mais une nouvelle réalité se dessine. Pour certaines entreprises, le coût d'exploitation des systèmes d'IA commence à dépasser celui de leurs propres employés. Cette évolution oblige les dirigeants à se poser une question délicate : l'IA est-elle vraiment moins coûteuse que la main-d'œuvre humaine ?


Cette tension se fait déjà sentir au sein de certaines des plus grandes entreprises technologiques. Chez Oracle, une vaste restructuration donne un aperçu de la manière dont les investissements dans l'IA redéfinissent profondément les priorités des entreprises. Au cœur de cette initiative se trouve un accord colossal dans le domaine du cloud computing conclu avec OpenAI, dont la valeur s'élèverait à environ 300 milliards de dollars, visant à construire et à développer des centres de données capables de prendre en charge des charges de travail avancées en matière d'IA, notamment des systèmes similaires à ChatGPT.

Pour y parvenir, Oracle a accéléré l'expansion de son infrastructure à travers les États-Unis. L'ampleur et la rapidité de ce développement ont eu un coût. L'entreprise s'est lourdement endettée, le montant total de ses emprunts ayant, selon les estimations, dépassé les 100 milliards de dollars, tandis que d'importantes dépenses d'investissement ont fait basculer son flux de trésorerie disponible en territoire négatif.

Dans ce contexte, les récents licenciements apparaissent moins comme une mesure isolée que comme un réajustement. Les analystes estiment que ces réductions d'effectifs pourraient permettre d'économiser entre 8 et 10 milliards de dollars, des fonds qui pourraient être réaffectés à ces projets d'IA à forte intensité capitalistique. C'est un exemple révélateur de l'évolution des priorités en matière de dépenses, même si cela implique de réduire les effectifs pour financer les machines.

Quand les machines coûtent plus cher que les humains

L'ampleur des dépenses prend même les professionnels du secteur au dépourvu. Bryan Catanzaro, vice-président chargé de l'apprentissage profond appliqué chez Nvidia, a récemment fait remarquer que les coûts informatiques de son équipe dépassaient désormais largement les dépenses de personnel. Il s'agit là d'un renversement frappant de l'idée reçue selon laquelle l'automatisation permettrait de réduire les coûts d'exploitation, rapporte Axios.

Le problème réside dans les mécanismes de l'IA moderne. L'entraînement et l'exécution de modèles avancés nécessitent une infrastructure informatique colossale, souvent alimentée par des puces et des services cloud coûteux. À cela s'ajoutent les coûts « par jeton », c'est-à-dire les frais liés au traitement des requêtes sur les grands modèles de langage, qui peuvent rapidement monter en flèche à mesure que l'utilisation s'intensifie.

Chez Uber, la pression se fait déjà sentir. Son directeur technique aurait épuisé tout le budget 2026 de l’entreprise consacré à l’IA avant la date prévue, principalement en raison de ces dépenses liées aux jetons. Par ailleurs, Amos Bar-Joseph, PDG de Swan AI, a attiré l’attention après avoir souligné la facture croissante que lui adressait Anthropic, présentant cela comme faisant partie de la mise en place d’une « entreprise autonome ».

Le pari à mille milliards de dollars sur l'IA

Le contexte général met en évidence l'ampleur prise par cette tendance. Le cabinet d'études Gartner estime que les dépenses mondiales en technologies de l'information atteindront 6 310 milliards de dollars en 2026, soit une hausse de 13,5 % par rapport à l'année précédente. Cette croissance est en grande partie alimentée par des investissements soutenus dans les infrastructures d'IA, les logiciels et les services basés sur le cloud.

De la création de modèles à l'abonnement à ceux-ci, les entreprises investissent massivement à tous les niveaux de la pile IA. Pourtant, cet enthousiasme commence à se heurter à une certaine résistance. Les actionnaires exigent de plus en plus la preuve que ces investissements génèrent des retours concrets, que ce soit sous la forme de gains de productivité mesurables ou de réductions de coûts évidentes.

Brad Owens, responsable de la stratégie en matière de main-d'œuvre numérique chez Asymbl, affirme que le débat est déjà en train d'évoluer. Les entreprises se posent désormais une question plus fondamentale concernant la valeur : qu'apporte réellement un travailleur, qu'il soit humain ou numérique ?

Même au sein du secteur de l'IA, la rentabilité devient un enjeu concurrentiel majeur. Un investisseur d'OpenAI a laissé entendre que des outils tels que Codex pourraient se démarquer en utilisant moins de jetons que leurs concurrents, comme Claude d'Anthropic, ce qui permettrait de réduire les coûts globaux. De son côté, Anthropic a revu sa tarification pour faire face à la forte hausse de la demande.

Mais très vite, une préoccupation plus profonde commence à se faire jour. La hausse des coûts n’est pas seulement un problème budgétaire ; elle laisse entrevoir les limites structurelles de la technologie elle-même. Malgré toutes les sommes investies, les gains ne suivent pas toujours le rythme. Les modèles actuels sont certes bien plus puissants que leurs prédécesseurs d’il y a quelques années à peine, mais leurs capacités ne sont pas proportionnellement supérieures. Dans de nombreux cas, ils sont loin d’être dix fois plus « intelligents », alors qu’ils nécessitent des ressources exponentiellement plus importantes.

Ce déséquilibre commence à mettre en évidence les failles du discours sur les progrès sans fin de l'IA. Si le simple fait d'ajouter davantage de données et de puissance de calcul ne permet plus d'obtenir des améliorations spectaculaires, la logique économique qui sous-tend cet essor commence à s'effriter. Ce qui semblait autrefois être un simple jeu d'échelle se transforme en un problème de rendements décroissants.

Il en résulte un changement de perception subtil mais significatif. Les dépenses en IA, autrefois considérées comme un gage d'innovation et de puissance, risquent de devenir un handicap si les coûts continuent d'augmenter sans que la valeur ajoutée ne suive.

Par ailleurs, à mesure que les entreprises intensifient leurs dépenses en IA, un constat plus nuancé émerge quant aux bénéfices réels de cette technologie pour les entreprises. Selon une enquête menée auprès de milliers de PDG, l'IA n'aurait aucun impact sur l'emploi ou la productivité. Si certains bénéfices existent à l'échelle de tâches spécifiques, ils peinent à se traduire en gains globaux pour les entreprises ou l'économie. Cette situation rappelle le paradoxe formulé par l'économiste Robert Solow dans les années 1980 : une technologie peut être omniprésente, mais invisible dans les statistiques de productivité.

Dans ce contexte, les prévisions financières des principaux acteurs du secteur illustrent les tensions économiques entourant l'essor de l'IA. Selon des documents internes consultés par The Information, OpenAI prévoit une perte de 14 milliards de dollars en 2026, avec des déficits cumulés estimés à 44 milliards de dollars jusqu'en 2029. Malgré une croissance rapide de ses revenus et le succès de ses produits, l’entreprise est ainsi confrontée à un modèle économique fortement déficitaire. « OpenAI est en train de s'effondrer. Aucune start-up dans l'histoire n'a jamais fonctionné avec de telles pertes », a déclaré l'investisseur chevronné George Noble.

Sources : Nvidia, Uber, Axios

Et vous ?

Quelle lecture faites-vous de cette situation ?
Selon vous, l'augmentation des dépenses liées à l'IA au-delà des coûts de la main-d'œuvre humaine est-elle cohérente ou pertinente ?

Voir aussi :

IA en entreprise : des milliards investis, mais où sont passés les gains de productivité promis aux dirigeants ? Une enquête indique que la majorité des PDG déclarent ne pas en tirer de bénéfices financiers

L'IA en entreprise court à la catastrophe : code défaillant, hallucinations facturées au prix fort. Comment les entreprises mesurent tout sauf ce qui compte vraiment

Les dépenses en infrastructure IA ont atteint un niveau record de 86 milliards $ au troisième trimestre 2025, les coûts liés aux serveurs représentant près de 98 %, une croissance supérieure à 30 % par an