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.
Gartner prévoit que les coûts liés au codage par IA dépasseront le salaire moyen d'un développeur d'ici 2028Workplaces look for cheaper AI as ‘tokenmaxxing’ fades as a corporate fad https://t.co/zRbtXYZP62
— The San Diego Union-Tribune (@sdut) July 28, 2026
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. »
La solution viendra-t-elle de la Chine qui met gratuitement à disposition ses meilleurs modèles d’IA ?The hidden cost of AI isn't the subscription.
— Bricks & Bytes (@bricksbytespod) July 27, 2026
"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
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...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
