Data / IA
La facture IA explose mais les entreprises cherchent encore le mode d’emploi du ROI
Par Laurent Delattre, publié le 01 octobre 2026
Les dépenses mondiales consacrées à l’IA devraient bondir de près de 50 % cette année pour atteindre 2 670 milliards de dollars ! Mais derrière cette ruée vers les GPU, les modèles et les agents, les entreprises butent sur une question beaucoup plus prosaïque : combien cela rapporte-t-il vraiment ? Après le FinOps du cloud, la « Tokenomics » veut mettre de l’ordre dans la facture IA. Les DAF, eux, attendent toujours des réponses…
Le chiffre donne le vertige : 2 670 milliards de dollars. Selon Gartner, les dépenses mondiales consacrées à l’intelligence artificielle devraient progresser de 49,5 % en 2026, après avoir déjà atteint 1 787 milliards de dollars l’an dernier.
Et l’addition pourrait grimper à 3 637 milliards dès 2027.
Mais, contrairement à ce que pourrait laisser croire l’effervescence autour d’OpenAI, Anthropic, Google ou Mistral, l’essentiel de cette montagne d’argent ne part pas dans les modèles. L’infrastructure IA absorbera à elle seule 1 484 milliards de dollars cette année, soit plus de la moitié de la dépense totale. Serveurs optimisés, GPU et autres accélérateurs, réseaux spécialisés, IaaS… Logique, il faut d’abord bâtir l’usine avant de faire tourner les agents.
John-David Lovelock, analyste chez Gartner, n’y va d’ailleurs pas avec le dos de la cuillère : la construction des capacités des datacenters IA serait désormais « le plus grand projet d’infrastructure jamais entrepris par l’humanité ».
Les agents accélèrent encore la facture
La partie logicielle n’est pas en reste. Gartner prévoit 462 milliards de dollars de dépenses en logiciels IA en 2026, contre 288 milliards l’année précédente. Les dépenses consacrées aux agents et assistants progressent de 77 %, tandis que celles liées directement aux modèles d’IA générative font plus que doubler, à 28,3 milliards de dollars.
L’IA s’installe durablement au cœur du système d’information. Et Gartner observe que les entreprises adoptent notamment les fonctions agentiques intégrées par leurs fournisseurs logiciels historiques. Plus simple à acheter. Plus simple à déployer. Et manifestement suffisamment séduisant pour que les risques de verrouillage fournisseur, de souveraineté des données ou de dérapage des coûts ne freinent guère les acheteurs.
Voilà pour la dépense.
Reste un léger tout petit détail de rien du tout : savoir ce qu’elle rapporte !
Trois entreprises sur quatre peinent à convaincre leur DAF
C’est là qu’une autre étude, le « State of Tokenomics », publiée fin septembre par la Tokenomics Foundation, entre en jeu et apporte un éclairage plus chirurgical. Réalisée auprès de 472 répondants issus de grandes entreprises de 11 secteurs, elle montre que 73 % des organisations se disent peu ou pas capables de relier leurs dépenses IA à un résultat métier mesurable que leur directeur financier jugerait recevable. Seules 9 % s’en déclarent très capables.
Plus révélateur encore, 43 % citent la démonstration de la valeur et du ROI parmi leurs difficultés, de loin la plus fréquente. À l’inverse, seulement 7 % mentionnent la complexité des grilles tarifaires des fournisseurs.
Cela ne signifie évidemment pas que les prix des modèles soient devenus simples. Entre tokens d’entrée et de sortie, cache, raisonnement, tailles du contexte, modèles premium, agents multipliant les appels ou remises sur volume, la facture reste tout sauf limpide. Mais il semble que ce ne soit déjà plus le cœur du problème.
L’enjeu n’est en effet plus seulement de savoir si un million de tokens coûte 2, 10 ou 30 dollars. Il est de déterminer combien coûte réellement le traitement d’un ticket support, la génération d’une pull request, l’analyse d’un contrat ou le travail d’un agent autonome… puis de mettre ce coût en face d’un résultat.
L’étude relève d’ailleurs ce qui rassemble les 9 % d’organisations les plus confiantes : des dépenses IA mesurées et attribuées par charge de travail et par équipe, et le suivi d’indicateurs concrets, comme les tickets traités, les pull requests ou le chiffre d’affaires.
Mesurer, attribuer, relier au résultat : c’est un métier à part entière. Il a déjà un nom !
Après le FinOps, place à la Tokenomics
Ce nom, c’est la « Tokenomics ». Une sorte de FinOps appliqué à l’IA, mais avec quelques difficultés supplémentaires : multiplication des modèles, tarifications différentes, coûts de raisonnement variables, agents effectuant parfois des dizaines d’appels pour accomplir une seule tâche et infrastructures privées venant encore compliquer l’équation.
Les entreprises les plus avancées s’appuient aussi sur des routeurs de modèles pour choisir le moteur adapté à chaque tâche. Selon l’étude, 86 % des répondants évaluent ou utilisent déjà un tel dispositif ; ceux qui en utilisent sont quatre fois plus souvent capables de démontrer une valeur au DAF. Une corrélation, évidemment, pas la preuve que le routeur fabrique miraculeusement du ROI.
Et les clients ne réclament même pas prioritairement des modèles moins chers. Seulement 4 % demandent une baisse des prix, contre 23 % davantage de transparence sur leurs consommations. Le rapport résume joliment le problème : « Les entreprises veulent une facture qu’elles puissent expliquer à leur DAF. »
Le paradoxe de Solow, version IA
Une dépense qui bondit de moitié, trois entreprises sur quatre incapables d’en justifier le rendement : on croirait relire Robert Solow. « On voit des ordinateurs partout, sauf dans les statistiques de productivité », ironisait l’économiste en 1987! L’IA rejoue la partition, en accéléré. Une partie de l’explication tient à la façon dont elle s’achète. Comme le montrait l’étude Najar sur les dépenses IA en Europe, elle s’impose désormais au renouvellement des contrats Salesforce, HubSpot ou Zendesk, avec des hausses annuelles de 8 à 25 % que le cabinet lui attribue, alors que les taux d’activation de ces fonctions dépassent rarement 10 %. Dans le même temps, 93 % de l’usage des outils d’IA spécialisés échappe à tout contrat. Difficile de démontrer le rendement d’une dépense que l’on ne voit pas, ou d’une fonction que personne n’utilise.
Cette opacité fragilise tout l’édifice. Les 1 484 milliards de dollars investis cette année dans l’infrastructure reposent sur un pari : que les usages en entreprise produiront assez de valeur pour les justifier. Si les DAF ne la constatent pas, les arbitrages budgétaires se chargeront de corriger la trajectoire. Encore faut-il ne pas réduire la Tokenomics à une chasse aux coûts, écueil dans lequel le FinOps est parfois tombé. Optimiser le prix du token ne dit rien de la valeur produite. L’enjeu n’est pas de dépenser moins, mais de savoir ce que l’on achète.
Pour les DSI, le prochain chantier est donc déjà écrit. Après avoir industrialisé l’IA, il va falloir industrialiser sa comptabilité. Car à près de 2 700 milliards de dollars par an, le « on verra bien si ça apporte quelque chose » est sans aucun doute une stratégie un peu courte et de plus en plus difficilement défendable.
Photo : Rachchanont Hemmawong / Shutterstock
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
