Gartner, Inc., une société spécialisée dans les analyses commerciales et technologiques, a déclaraé que d’ici 2028, les coûts liés au codage IA dépasseront le salaire moyen d’un développeur en raison de l’augmentation de la consommation de jetons des grands modèles de langage (LLM) et du passage à des modèles de licence basés sur la consommation. Les jetons IA (tokens) sont les unités de données traitées par les modèles d’IA générative. La consommation de jetons a un impact direct sur le coût des outils de codage IA, en particulier dans le cadre de structures tarifaires basées sur la consommation.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.
Récemment, Gartner, Inc., une société spécialisée dans les analyses commerciales et technologiques, a déclaraé que d’ici 2028, les coûts liés au codage IA dépasseront le salaire moyen d’un développeur en raison de l’augmentation de la consommation de jetons des grands modèles de langage (LLM) et du passage à des modèles de licence basés sur la consommation. Les jetons IA (tokens) sont les unités de données traitées par les modèles d’IA générative. La consommation de jetons a un impact direct sur le coût des outils de codage IA, en particulier dans le cadre de structures tarifaires basées sur la consommation.
« Les entreprises passent rapidement de la phase d’expérimentation au déploiement à grande échelle d’agents de codage IA, mais beaucoup sous-estiment l’impact financier de l’augmentation de la consommation de jetons », a déclaré Nitish Tyagi, analyste principal senior chez Gartner. « La maîtrise de la consommation de jetons ne résultera pas uniquement des choix des développeurs, car ceux-ci ont tendance à privilégier la rapidité et la commodité au détriment de la rentabilité. Sans un modèle opérationnel d’ingénierie bien encadré, les coûts peuvent grimper plus vite que les gains de productivité que ces outils sont censés apporter. »
La tarification à la consommation pose des défis en matière de prévisibilité des coûts
Le passage d’un modèle de licence par poste à une tarification à la consommation chez les fournisseurs d’agents de codage IA introduit des structures de coûts très variables pour les charges de travail d’ingénierie logicielle. De nombreux fournisseurs manquent de transparence quant au mode de calcul et de facturation de la consommation de jetons, ce qui limite la capacité des entreprises à prévoir et à contrôler leurs coûts avec précision. Sans une visibilité claire sur l’utilisation des jetons dans les tâches de développement, les entreprises risquent de dépasser leur budget et de voir leur capacité à suivre le rapport coût-valeur réduite.
« La plupart des organisations ne disposent toujours pas de la maturité ni des cadres nécessaires pour mesurer efficacement le rapport entre les coûts et l’impact commercial », a déclaré Tyagi. « Les responsables de l’ingénierie logicielle sont de plus en plus préoccupés, car les dépenses liées à l’IA basées sur les jetons deviennent plus difficiles à justifier, les budgets étant souvent épuisés plus tôt que prévu. »
Les modèles d’utilisation et les lacunes en matière de gouvernance accentuent la pression sur les coûts
Au-delà des défis liés à la tarification et à la visibilité, la manière dont les agents de codage IA sont utilisés au sein des organisations accentue encore la pression sur les coûts. Les dépassements de budget liés aux jetons sont souvent liés à la manière dont les responsables de l’ingénierie logicielle régissent l’utilisation ; parmi les causes courantes d’échec figurent l’autonomie non contrôlée dans les flux de travail pilotés par des agents, des fenêtres de contexte surchargées et l’absence de mécanismes de retour d’information structurés pour optimiser l’utilisation. De plus, les fournisseurs d’outils de codage IA n’ont pas encore intégré de fonctionnalités matures d’optimisation des coûts dans leurs agents de codage IA, ce qui contribue encore davantage à la flambée des coûts.
« Les coûts liés au codage IA continueront d’augmenter à mesure que les investissements en infrastructure et les défis de rentabilité feront grimper les tarifs des modèles », a déclaré Tyagi. « Parallèlement, à mesure que de plus en plus de développeurs adoptent les outils d’IA, les utilisateurs occasionnels devraient rapidement devenir des utilisateurs réguliers à mesure que leur familiarité et leur dépendance à l’égard de ces outils s’accroissent, ce qui entraînera une nouvelle hausse de la consommation de jetons et des dépenses globales. »
Pour gérer la hausse des coûts et éviter les dépassements de budget, Gartner recommande aux responsables de l’ingénierie logicielle de mettre en œuvre un modèle opérationnel rigoureux pour l’utilisation de l’IA :
- Mettre en place un cadre décisionnel axé sur les cas d’utilisation : les organisations doivent définir clairement quand les agents de codage IA doivent être utilisés et déterminer les niveaux d’autonomie appropriés pour chaque tâche. Cela implique de classer les tâches de développement selon trois modèles d’exécution : dirigé par le développeur, développeur avec agent, et entièrement dirigé par l’agent.
- Adapter le choix du modèle à la complexité de la tâche : les agents de codage IA sont les plus rentables lorsque le travail est décomposé en petites tâches pouvant être traitées par des modèles plus légers, le recours à des modèles plus puissants n’intervenant que lorsque la complexité l’exige. Les équipes d’ingénierie et de plateforme doivent mettre en œuvre des stratégies intelligentes de routage des modèles qui orientent les tâches plus simples et à haute fréquence vers des modèles plus légers, tout en réservant les modèles de pointe aux travaux de développement complexes et à forte valeur ajoutée.
- Rendre obligatoires les pratiques d’ingénierie du contexte : les développeurs doivent être formés à optimiser le contexte d’entrée fourni aux systèmes d’IA en n’incluant que les informations pertinentes, en résumant le contenu lorsque cela est possible et en éliminant les données superflues afin de réduire la consommation de jetons sans compromettre la qualité des résultats.
- Mettre en place une gouvernance et des contrôles des coûts : les organisations doivent introduire des mécanismes tels que des seuils de jetons, des politiques d’escalade et une surveillance automatisée pour gérer l’utilisation. L’intégration de ces contrôles dans les workflows d’ingénierie garantit la cohérence et empêche une augmentation incontrôlée des coûts.
- Intégrer des revues de l’utilisation des jetons dans les cycles de développement : les dirigeants doivent imposer des revues régulières des workflows à forte consommation de jetons dans le cadre des rétrospectives de sprint afin d’identifier les inefficacités, d’affiner les pratiques et de favoriser le partage des connaissances entre les équipes d’ingénierie.
L'IA coûte trop cher et n'est rentable pour personne
En mai 2026, l'analyste Edward Zitron étrille à nouveau le modèle économique de l'IA. Dans une analyse critique, il affirme que le secteur traverse actuellement une bulle financière insoutenable en raison de coûts d'infrastructure et d'exploitation démesurés. Les acteurs investissent des milliers de milliards de dollars sans générer de revenus réels capables de justifier de telles dépenses. Anthropic et OpenAI sont critiqués pour leurs pertes massives et l'absence de modèle économique rentable à long terme. L'éclatement de la bulle serait un carnage.
Edward Zitron soutient que « l'IA n'est actuellement viable sur le plan économique pour aucun acteur », à l'exception des constructeurs de centres de données et des fabricants de matériel comme Nvidia. Selon les rapports financiers, les startups du secteur perdent des sommes colossales chaque année, tandis que les géants de la technologie investissent des centaines de milliards de dollars sans aucune perspective de rentabilité à long terme. En fin de compte, des analyses suggèrent que Google pourrait être le seul gagnant, grâce à son importante réserve de liquidités.
C'est cette situation économique qui a conduit la fin de l'ère du forfait illimité. Derrière la guerre des modèles que se livrent les grands laboratoires d'IA se joue une bataille moins visible mais tout aussi décisive : celle de la monétisation. Le token, cette unité atomique de traitement du texte, est en train de redéfinir en profondeur les rapports entre fournisseurs, entreprises clientes et développeurs. Et les stratégies divergentes d'Anthropic et d'OpenAI révèlent deux visions radicalement différentes de ce que devrait être l'économie de l'intelligence artificielle.
Anthropic a choisi la rigueur comptable. La réponse d'Anthropic a été de s'éloigner de la tarification forfaitaire pour les entreprises et d'adopter la facturation à la consommation de tokens, de sorte que les revenus collectés reflètent l'usage réel. La société a également coupé l'accès à certains outils tiers qui étaient de gros consommateurs de tokens. OpenAI, de son côté, a longtemps privilégié la croissance de la consommation à tout prix. Pendant qu'Anthropic opérait ce virage, OpenAI rendait l'IA moins chère et plus facile à consommer à grande échelle. Cependant, même OpenAI a reconnu publiquement lors d'un podcast que « il est possible que dans l'ère actuelle, avoir un plan illimité revienne à avoir un plan d'électricité illimité. Ça n'a tout simplement pas de sens. »
Source : Gartner
Et vous ?
Pensez-vous que cette analyse est crédible ou pertinente ? Quel est votre avis sur le sujet ?Voir aussi :
Une entreprise a dépensé accidentellement 500 millions $ en un mois pour l'IA Claude après avoir omis les limites d'utilisation, soulignant la nécessité d'un contrôle des dépenses dans l'adoption de l'IA Combien coûte l'IA ? Les utilisateurs de GitHub Copilot réagissent au nouveau système de tarification basé sur l'utilisation. Certains affirment avoir épuisé leur quota mensuel de crédits IA en une journée Un abonnement ChatGPT à 200 $ coûterait 14 000 $ à OpenAI si vous l'utilisiez réellement à son plein potentiel, les systèmes agents nécessiteraient jusqu'à 1 000 fois plus de jetons qu'une simple instruction
Vous avez lu gratuitement 34 609 articles depuis plus d'un an.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.
