Sundar Pichai, le PDG de Google, a dit ça sur scène en mai 2026, pendant la conférence I/O, et il l'a dit en blaguant, mais on sentait que le rire était un peu nerveux : « beaucoup d'entreprises ont déjà explosé leur budget annuel de tokens, alors qu'on n'est qu'en mai ». Et bien ce n'était pas vraiment une blague. Uber a consommé son budget IA pour toute l'année 2026 en quatre mois. ServiceNow pareil. Et ce n'est pas un accident isolé... c'est le modèle économique de l'IA fermée qui commence à se voir, et il se voit de plus en plus.
Le problème, c'est que les fournisseurs ont changé leur façon de facturer. Pendant des mois, ils ont « subventionné » l'usage pour gagner des parts de marché, comme le dit très bien Gabriel Hubert, le cofondateur de Dust... eh bien maintenant que la demande explose, la subvention s'arrête. Etienne Grass, chez Capgemini, a résumé ça en une phrase qui marque : « on sort de l'ère du repas gratuit ». Et ce n'est que le début, a-t-il prévenu.
Quand je vois passer les devis, je me dis que quelque chose ne tourne pas rond. Vincent Luciani, le cofondateur d'Artefact, a chiffré ça très précisément : 500 euros par mois et par utilisateur pour un assistant IA en usage intensif, et 2 000 euros pour du code informatique. Alors faites le calcul pour votre entreprise... 50 utilisateurs à 500 euros, ça fait 25 000 euros par mois, donc 300 000 euros par an. Et ça, c'est avec les prix d'aujourd'hui, parce que ça va continuer à monter.
De l'autre côté, un serveur on-premise avec un GPU correct, ça coûte 20 000 euros, une seule fois, amortis sur trois ans. Après, c'est de l'électricité. L'écart, c'est un ordre de grandeur, et pas juste une marge. Et la deuxième année, le local coûte zéro, alors que le cloud continue à tourner.
Le token maxxing, ou quand l'adoption devient absurde
Il y a quelques mois, la Silicon Valley a inventé un mot que je trouve assez révélateur : « token maxxing ». C'était la tendance, dans les entreprises de tech, à maximiser le nombre de tokens consommés par employé pour montrer qu'on utilisait beaucoup l'IA. Des directions affichaient même des tableaux internes avec les scores de consommation par personne, et les employés étaient récompensés s'ils consommaient plus. C'était considéré comme un signe positif d'adoption.
Et bien Bank of America vient de déclarer, fin juin 2026 : « c'est la fin du token maxxing ». Amazon a cessé d'afficher les scores de tokens par employé. Salesforce a lancé un outil pour mesurer l'activité à la tâche accomplie plutôt qu'au volume de tokens. Un dirigeant de BCG a reconnu une part de « gâchis » dans l'usage de l'IA par les entreprises... le gâchis, le mot exact.
Et c'est là que je veux qu'on réfléchisse une seconde : le modèle économique de l'IA fermée, c'est un modèle où l'incitation est à l'inflation. Le fournisseur veut que vous consommiez plus. Vos employés sont récompensés s'ils consomment plus. Tout le monde a intérêt à ce que la facture grimpe, sauf vous. Dans un modèle local, il n'y a pas de token maxxing, tout simplement parce qu'il n'y a pas de token... l'incitation est à l'efficacité, pas à la consommation.
Les agents : le multiplicateur qui change tout
Si vous pensez que 500 euros par utilisateur c'est déjà beaucoup, attendez que les agents arrivent. Un chatbot, c'est une question et une réponse, donc c'est maîtrisable. Un agent, c'est différent : il enchaîne des dizaines, des centaines de requêtes pour accomplir une tâche, que ce soit coder une application, rédiger un rapport ou analyser un dataset... et chaque étape est facturée.
Google traite désormais 3,2 millions de milliards de tokens par mois, c'est sept fois plus qu'il y a un an, et trois cent trente fois plus qu'il y a deux ans. Chez OpenAI, les interactions quotidiennes avec Codex ont été multipliées par 15 depuis janvier 2026. 179 entreprises clientes ont dépassé les 1 000 milliards de tokens générés au total... et on en est aux premiers déploiements d'agents en entreprise.
Sur un cloud, chaque étape de l'agent est une requête facturée : 100 étapes, c'est 100 fois le coût d'un chatbot. Sur un serveur local, un agent qui fait 100 étapes ne coûte rien de plus que l'électricité, parce que le modèle tourne sur votre machine, chaque itération c'est du calcul local, pas d'API, pas de compteur. Plus l'agent itère, plus l'écart se creuse entre le cloud et le local, c'est mathématique.
La Fed d'Atlanta confirme la tendance
En mars 2026, la Fed d'Atlanta a publié un sondage qui anticipe une hausse du coût moyen en IA par salarié de plus de 50% en 2026, à 1 776 dollars par an, dans les entreprises de plus de 250 salariés aux États-Unis. Et ça, c'est la moyenne... les gros consommateurs tirent la moyenne vers le haut, mais la moyenne elle-même va continuer de monter parce que les agents vont se généraliser.
Arthur Mensch, le patron de Mistral AI, a dit quelque chose devant les députés que je trouve assez clair : il y a un « risque de verrouillage » du marché, avec « des opérateurs du numérique qui augmentent leur prix de manière extrêmement forte et une incapacité des acteurs à se dégager de ces nouveaux services ». Lisez bien cette dernière phrase... « une incapacité à se dégager ». C'est un constat actuel, et vraiment pas un risque futur !
L'alternative est là, elle est technique, et elle fonctionne
Alors voilà où j'en suis. L'IA locale est une avancée, pas une retraite stratégique, et ça change tout... les coûts cloud vont exploser, pas baisser, les modèles open source vont se multiplier, pas se fermer, et le hardware devient plus capable chaque trimestre. Un modèle open source servi par Ollama, qui tourne sur un Mac ou sur un serveur dans votre entreprise : coût fixe, usage illimité, données qui restent chez vous. C'est là, c'est technique, et ça fonctionne.
Je vois ça chez les entreprises qui me sollicitent : la facture cloud devient un sujet de direction, et l'IA locale devient une option concrète, plus une curiosité. C'est une logique économique implacable, et si vous voulez qu'on en parle pour votre situation, je suis à votre disposition.