LEBIGDATA.FR I.A, Cloud & Cybersécurité
Dans certaines équipes, la facture mensuelle d’IA dépasse les salaires humains. Derrière la promesse d’automatisation et de gains de productivité, celle qui est censée réduire les coûts, peut au contraire les faire exploser.
Un ingénieur peut aujourd’hui dépenser plus en tokens qu’en salaire mensuel. Puisque produire plus vite ne signifie pas forcément produire à moindre coût. Multiplication des requêtes, agents exécutés en parallèle, absence de limites… Les dépenses liées aux modèles d’IA deviennent difficiles à contenir. Cela transforme l’équation économique de l’automatisation et oblige les organisations à revoir leur manière de piloter ces nouveaux outils.
Le coût des tokens d’IA dépasse celui des équipes humaines
Automatiser des tâches avec des agents d’IA permet de produire plus vite, avec moins d’intervention humaine. Mais chaque requête envoyée à un modèle consomme des tokens, eux-mêmes facturés. Et lorsque les usages se multiplient, la facture grimpe rapidement.
Certaines entreprises commencent à en faire l’expérience. Selon une enquête d’Axios, le coût du traitement des requêtes d’IA dépasse maintenant, dans certains cas, celui des salaires humains. Bryan Catanzaro, responsable chez Nvidia, affirme même que pour certaines équipes, l’IA coûte plus cher que les employés.
AI now costs more than human labor according to Axios. We spent two years chasing automation only to find out payroll might have been the cheaper option all along. pic.twitter.com/xdYSeEp7U5
— Ed (@Eduardopto) April 27, 2026
Le phénomène est très visible dans le développement logiciel. Les ingénieurs utilisent des agents IA qui génère du code en continu, parfois en parallèle, sans supervision directe. Ainsi, le volume de requêtes explose, et donc des coûts associés. Ce n’est plus seulement une question de productivité, mais de maîtrise financière.
L’usage de l’IA échappe au contrôle des entreprises
Parlons de la compétition interne autour de l’usage de l’IA. Le terme “tokenmaxxing” décrit ces pratiques où les ingénieurs cherchent à maximiser leur consommation de tokens,. C’est parfois comme un indicateur de performance implicite.
Le New York Times rapporte que certains utilisateurs intensifs dépassent les 150 000 dollars de dépenses mensuelles en tokens. Un ingénieur confiait même dépenser plus que son propre salaire en usage d’IA. Ce phénomène illustre une absence de garde-fous dans certaines organisations.
Chez Uber, des équipes qui utilisent des outils comme Claude Code ont déjà épuisé leur budget annuel d’IA, selon The Information. Cela montre à quel point les usages peuvent dériver rapidement lorsqu’ils ne sont pas encadrés.
En plus, la pression managériale accentue le phénomène. Chez Meta, l’utilisation de l’IA est désormais intégrée dans l’évaluation des performances. D’autres géants comme Google ou Microsoft encouragent aussi son adoption. Avec déjà une grande part du code généré par des modèles.
Quels arbitrages pour éviter une inflation des dépenses ?
Cette situation transforme profondément la structure des coûts. Les dépenses étaient liées aux ressources humaines. Maintenant, elles deviennent de plus en plus variables et dépendantes de l’usage. Le compute devient une ligne budgétaire stratégique, mais aussi imprévisible.
Certains acteurs y voient déjà une opportunité. Les fournisseurs d’IA, comme OpenAI ou Anthropic, bénéficient de cette hausse de consommation. Anthropic a d’ailleurs ajusté ses tarifs à la hausse. Tandis que les investisseurs parient sur l’efficacité relative des modèles pour capter davantage de clients.
Devant cette situation, les réponses des entreprises restent encore expérimentales. Le PDG de Nvidia, Jensen Huang, a même évoqué l’idée d’offrir des quotas de tokens équivalents à une part du salaire. Ce qui transforme l’accès à l’IA en avantage compétitif.
🦔Nvidia's VP of applied deep learning told Axios that for his team, the cost of compute is far beyond the cost of employees. An MIT study found AI automation is economically viable in only 23% of roles where vision is a primary part of the work, meaning human labor remains… pic.twitter.com/tfVQ2GoEjg
— Hedgie (@HedgieMarkets) April 28, 2026
Mais au-delà du coût, qu’en est-il de l’efficacité réelle. L’automatisation par l’IA n’est pas sans risques. Des erreurs peuvent se multiplier, comme l’ont montré certains incidents chez Meta ou Amazon. Plusieurs études suggèrent également que forcer l’usage de ces outils peut ralentir les équipes au lieu de les aider.
Au fond, l’enjeu est donc d’encadrer l’IA. Car sans gouvernance claire, les gains de productivité peuvent être annulés par une explosion des coûts et une complexité accrue. Pour les entreprises, le défi est dorénavant d’arbitrer entre puissance technologique et discipline d’usage. Sous peine de voir l’IA devenir plus chère que les équipes qu’elle était censée remplacer.
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
