Les entreprises recherchent des solutions d'IA moins coûteuses alors que le « tokenmaxxing » perd de son attrait en tant que tendance éphémère,

L'IA est trop chère et n'est rentable pour personne

Le tokenmaxxing a été institué dans le développement de logiciels comme mesure superficielle de la productivité et signal d'adoption de l'intelligence artificielle, encouragé par des classements internes et l'idée que plus de consommation d'IA équivaut à plus de performance. La tendance qui a pris son envol à l’entame de l’année 2026 n’est plus soutenable par les entreprises sur le long terme. En effet, les rapports se succèdent et font état de ce que « l’intelligence artificielle coûte trop cher et n’est rentable pour personne. »

Plusieurs grands groupes technologiques ont officialisé des restrictions budgétaires face à cette explosion des coûts

Uber Technologies a équipé 5 000 de ses ingénieurs d'assistants de codage dopés à l'IA, entraînant une surconsommation massive de jetons. L’entreprise a ensuite du faire face à une crise financière imprévue après avoir épuisé la totalité de son budget annuel alloué à l'IA en seulement quatre mois. Cela a poussé la direction à à qualifier les coûts de « difficiles à justifier » et à imposer un plafond strict de 1 500 $ par mois et par outil pour chaque employé.

En juin, un tableau de bord interne de Meta Platforms, baptisé « Claudeonomics », a révélé que 85 000 employés ont brûlé plus de 60 000 milliards de jetons en un mois, entraînant une intervention de la direction pour restreindre ces usages non régulés.

Au cours de ce mois qui tire à son terme, des responsables technologiques, à l'instar d'Amazon (via son CTO Werner Vogels), ont confirmé publiquement une transition accélérée des grandes organisations vers des modèles open source ou des alternatives locales moins onéreuses pour échapper à la facturation unitaire agressive des modèles propriétaires.

Workplaces look for cheaper AI as ‘tokenmaxxing’ fades as a corporate fad https://t.co/zRbtXYZP62

— The San Diego Union-Tribune (@sdut) July 28, 2026

Gartner prévoit que les coûts liés au codage par IA dépasseront le salaire moyen d'un développeur d'ici 2028

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. »

En gros, 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. »

The hidden cost of AI isn't the subscription.

"One malformed request could cost you a thousand bucks."

Dustin Burns on why token consumption is the line item nobody's watching. pic.twitter.com/YCA0BoZhqc

— Bricks & Bytes (@bricksbytespod) July 27, 2026

La solution viendra-t-elle de la Chine qui met gratuitement à disposition ses meilleurs modèles d’IA ?

Les grands modèles de langage (LLM) développés par la Chine, comme Kimi K3 de Moonshot, GLM-5.2 de Z.ai ou encore les systèmes de DeepSeek, connaissent une adoption massive et rapide aux États-Unis. Ces technologies chinoises séduisent de plus en plus les développeurs américains et les organisations, qui y voient des solutions particulièrement abordables et efficaces face aux offres locales souvent beaucoup plus chères et moins flexibles.

La performance des modèles d'IA chinois égale désormais celle des systèmes développés par les géants de la Silicon Valley, mais pour une fraction du coût, ce qui a permis à Kimi K3 de générer plus de 930 000 téléchargements dans la semaine suivant son lancement. La demande pour le modèle a explosé peu après son annonce, poussant Moonshot AI à suspendre temporairement les nouveaux abonnements, car ses capacités étaient insuffisantes.

Raffi Krikorian, directeur technique de Mozilla, a d'ailleurs adopté Kimi K3 pour ses tâches quotidiennes. « Il semble tout simplement plus réactif », déclara-t-il en comparant Kimi K3 au modèle Claude Fable d'Anthropic. Cet attrait économique devient d'autant plus stratégique avec l'usage croissant des agents IA autonomes effectuant des tâches complexes en plusieurs étapes. Pour de nombreux développeurs, il s'agit d'une solution plus abordable.

Curt Meinhold, un cadre technologique américain, résume cet avantage compétitif comme suit : « si je peux payer quelques centimes pour un million de tokens de sortie au lieu de 30, 40 ou 50 dollars, alors c'est largement suffisant ». Les performances de Kimi K3 auraient à elles seules suffi à intensifier la rivalité entre les États-Unis et la Chine. À Washington, la montée en puissance chinoise dans l'IA suscite un malaise, ainsi que des inquiétudes.

Même si dans la pratique, il reste à voir si les modèles d'IA de pointe à poids ouverts sont réellement moins coûteux à exploiter, ils ont historiquement constitué une alternative moins onéreuse aux systèmes propriétaires d'OpenAI, de Google et d'Anthrpic. Ils offrent également davantage de liberté aux développeurs, à l’heure où les laboratoires américains restreignent l’accès à leurs derniers modèles d'IA et imposent des contraintes plus strictes.

Et vous ?

La facturation à l'usage est-elle intrinsèquement plus juste que l'abonnement illimité ou favorise-t-elle simplement les grandes entreprises disposant de budgets IT prévisibles au détriment des développeurs indépendants ?

La montée en puissance des modèles open source locaux (DeepSeek, Llama, Mistral) constitue-t-elle une alternative crédible à l'inférence cloud pour les workflows de développement quotidiens en 2026 ?

Cette tendance à la fin des subventions d'inférence marque-t-elle le début d'une consolidation du marché des assistants IA pour développeurs, avec un nombre réduit de gagnants capables de maintenir des prix compétitifs à long terme ?

Voir aussi :

L'âge d'or du forfait IA illimité tire à sa fin : pubs ciblées, limitations d'usage, fonctionnalités verrouillées, prix en hausse. L'IA agentique contraint les fournisseurs à changer leurs modèles économiques

Anthropic bloque l'utilisation par des clients tiers des abonnements à Claude Code : la fin de l'interopérabilité et de l'ouverture des outils de dev ou simple épisode dans la bataille des assistants IA ?

Après qu'Anthropic ait bloqué brutalement Openclaw techniquement et légalement, Sam Altman l'opportuniste en profite pour récupérer le bébé dans le giron d'OpenAI