BNEXT Prendre rendez-vous
Ressources›Vision

L'IA devient moins chère. Pourtant, les entreprises vont apprendre à la consommer autrement.

Nicolas Kennel
Nicolas Kennel 4 septembre 2026

Une question revient désormais régulièrement dans les séances de travail avec les dirigeants et les équipes en PME :

Le modèle de consommation au crédit des IA génératives va-t-il finir par raréfier les usages ?

La question se pose notamment avec les agents IA et les fonctions Work / Cowork, parce qu'elles rendent des usages avancés, bien au-delà de l'assistant conversationnel, accessibles à presque n'importe quel collaborateur. Et elles peuvent consommer beaucoup plus rapidement qu'un simple échange avec un chatbot.

Le paradoxe est assez spectaculaire

Le coût unitaire de l'intelligence artificielle baisse très rapidement. Selon le Stanford AI Index, le coût permettant d'atteindre un niveau de performance comparable à GPT-3.5 a été divisé par plusieurs centaines en quelques années.

Dans le même temps, les dépenses des entreprises consacrées à l'IA générative explosent. Menlo Ventures estime qu'elles sont passées de 11,5 milliards de dollars en 2024 à 37 milliards en 2025.

L'IA coûte moins cher à l'unité… mais nous en consommons énormément plus. Ce phénomène rappelle ce que nous avons connu avec le cloud.

Nous passons du chat au travail délégué

C'est probablement là que le changement devient le plus important. Avec une IA générative classique, le fonctionnement reste relativement simple : je pose une question, le modèle traite ma demande, il me répond.

Mais les nouveaux environnements proposent autre chose. On leur confie progressivement un travail :

analyser plusieurs documents
préparer une présentation
explorer des données
effectuer une recherche
synthétiser des échanges
produire un rapport
préparer un livrable

voire déclencher certaines actions. L'IA peut alors enchaîner plusieurs opérations : chercher, lire, analyser, produire, vérifier, corriger, utiliser des outils, puis recommencer si nécessaire.

Le point important est que l'utilisateur n'a plus besoin de construire un agent pour entrer dans cette logique. Il peut simplement utiliser une fonction déjà intégrée dans son environnement de travail.

Cette évolution dépasse largement ChatGPT ou Claude

Elle arrive directement dans les outils déjà utilisés au quotidien : Microsoft 365 avec Copilot Cowork, Mistral Work et bien d'autres… Mais aussi, progressivement, dans les CRM, ERP, outils de gestion de projet, plateformes de service client, logiciels métiers ou solutions collaboratives.

La frontière entre « utiliser une IA générative » et « faire travailler une IA » devient de plus en plus fine. Et c'est précisément ce qui rend la question de la consommation beaucoup plus importante.

Un collaborateur peut avoir l'impression de simplement demander : « Analyse ces documents et prépare-moi une synthèse. » Alors qu'en arrière-plan, l'outil peut mobiliser plusieurs recherches, lectures, raisonnements, appels à des services ou opérations successives. La consommation réelle peut donc être très différente de celle d'un simple échange conversationnel.

Les agents accentuent encore le phénomène

Avec un agent plus autonome, le fonctionnement peut aller encore plus loin. Il analyse, cherche, appelle un outil, lit une réponse, vérifie, recommence, corrige, interroge éventuellement un autre modèle… Et tout cela peut se produire sans intervention humaine.

McKinsey estime que certaines tâches agentiques peuvent consommer jusqu'à 1 000 fois plus de tokens qu'une interaction simple avec un chatbot. Le coût d'une même tâche peut également fortement varier selon le chemin emprunté par l'agent.

Le coût d'une tâche réalisée par l'IA n'est plus toujours facilement prévisible au moment où l'utilisateur la déclenche.

Les entreprises commencent déjà à réagir

Les premières études publiées en 2026 sont particulièrement intéressantes. McKinsey observe qu'environ 20 % des organisations interrogées ont déjà limité certains usages de l'IA en raison de leurs coûts opérationnels. Dans le même temps, 60 % prévoient pourtant d'augmenter leurs investissements dans l'IA.

Cela ne ressemble donc pas à une diminution générale de l'usage. Cela ressemble davantage à une sélection des usages. Les entreprises continueront probablement à consommer toujours plus d'intelligence artificielle, mais elles commenceront à poser beaucoup plus systématiquement la question : pour quels usages est-il réellement pertinent de consommer de l'intelligence artificielle ?

Le modèle au crédit va accélérer cette prise de conscience

Une licence SaaS à 30 € par mois devient presque invisible une fois achetée. Un compteur affichant « 10 000 crédits, 7 500 crédits, 4 200 crédits… » crée une perception très différente. La consommation devient visible. Et ce qui devient visible finit généralement par être arbitré.

Nous risquons donc de voir apparaître un nouveau comportement chez les utilisateurs. Hier : « J'ai accès à l'IA, donc je l'utilise. » Demain : « Est-ce que cette tâche mérite réellement cette consommation ? »

Cela devient d'autant plus intéressant avec les fonctions Work / Cowork et les agents, car les utilisateurs devraient confier très facilement des tâches de plus en plus longues et complexes à l'IA. Ils pourront donc atteindre leurs quotas ou consommer leurs crédits beaucoup plus rapidement qu'avec un usage conversationnel classique.

Attention cependant au mauvais réflexe

Le risque serait de transformer la maîtrise des coûts en limitation systématique de l'utilisation. Un collaborateur ne doit pas renoncer à une analyse capable de créer 500 € de valeur simplement parce qu'elle consomme quelques euros de crédits.

Le sujet n'est donc pas « Comment consommer le moins d'IA possible ? » mais plutôt :

Où est-il rationnel d'en consommer beaucoup ?

Cela va changer la manière de mesurer l'IA

Aujourd'hui, nous regardons encore beaucoup le prix d'un abonnement, le prix du million de tokens, le nombre de licences, les crédits disponibles. Ces indicateurs vont rapidement devenir insuffisants. Le véritable indicateur sera probablement le coût par résultat métier obtenu :

Un agent commercial : coût par opportunité générée
Un service client assisté par IA : coût par demande correctement résolue
Une recherche approfondie : coût par dossier exploitable produit
Une analyse documentaire : coût par décision préparée
Une présentation : coût par livrable réellement utilisable

Cela permet de remettre la dépense à sa bonne place face à la valeur créée.

Vers l'ère du FinOps de l'IA

Le cloud a progressivement donné naissance au FinOps : comprendre, piloter et optimiser les dépenses informatiques. L'IA pourrait suivre exactement le même chemin :

Choix du modèle
Taille du contexte
Nombre d'appels
Durée des tâches
Boucles des agents
Vérifications
Caching
Consommation par utilisateur
Crédits consommés

Et surtout : la valeur produite en face. Les entreprises ne chercheront probablement pas à réduire mécaniquement leur consommation d'IA. Elles chercheront à mieux la comprendre et à mieux l'allouer.

Cela change aussi ma lecture de la diffusion des agents

Je pensais initialement que la question du coût se poserait principalement lorsque les entreprises commenceraient à déployer beaucoup d'agents. Je nuancerais désormais cette analyse. Le phénomène arrivera probablement plus tôt, parce que Work, Cowork, Copilot et les fonctions similaires démocratisent déjà une forme de travail agentique.

Nous pourrions donc voir apparaître simultanément deux mouvements : une forte augmentation des usages, et une prise de conscience beaucoup plus rapide de leur coût.

Les collaborateurs vont probablement utiliser davantage l'IA. Et ils apprendront progressivement à différencier une question simple, une recherche approfondie, une analyse de documents, une tâche réalisée avec Work ou Cowork, une action prise en charge par l'assistant conversationnel, un agent spécialisé, un agent autonome. Ces usages n'ont ni la même valeur, ni la même consommation.

C'est probablement la véritable évolution à venir

Nous sommes passés de « Regardez ce que l'IA peut faire » à « Donnons accès à l'IA aux collaborateurs ». Nous entrons maintenant dans une troisième étape :

Quel niveau d'intelligence artificielle faut-il mobiliser pour cette tâche, à quel coût et pour quelle valeur ?

Je ne crois donc pas à une raréfaction générale de l'usage. Je crois davantage à une raréfaction de l'usage non justifié. Et paradoxalement, cela pourrait être une excellente nouvelle pour l'adoption de l'IA en entreprise.

Parce qu'une adoption durable ne se construira ni sur la fascination technologique, ni sur la peur de la facture. Elle se construira sur une démarche beaucoup plus pragmatique : expérimenter, mesurer, puis décider.

Sources

Stanford Institute for Human-Centered AI, AI Index Report 2025 et 2026
McKinsey, Is that AI agent worth it? Agentic economics and the modern operating model, 2026
McKinsey, The cost of intelligence: How CIOs can manage AI demand at scale, 2026
McKinsey, The State of AI 2026
Menlo Ventures, The State of Generative AI in the Enterprise 2025
Anthropic, Economic Index, 2025-2026
Nicolas Kennel
Nicolas Kennel
Conseiller IA des dirigeants et de leurs équipes, fondateur de BNEXT.
Qui est Nicolas Kennel ? →

À lire aussi

Vision
L'IA n'a pas provoqué le crash de l'emploi annoncé. Maintenant, on peut passer aux choses sérieuses ?
17 novembre 2026 · 1 min de lecture

Pas de licenciements en masse, mais un gel : moins d'entrées chez les jeunes de 21 à 29 ans. La vraie question : qui formera les cadres de demain si la première marche de l'échelle disparaît ?

Lire →
Vision
Excel poussé vers la sortie par Claude ?
12 novembre 2026 · 1 min de lecture

Les systèmes d'IA absorbent des fonctions qui faisaient la force des logiciels. Quand l'IA fait ce que faisait le logiciel, la valeur change de place.

Lire →
Toutes les ressources →

Parlons de votre entreprise et de vos équipes.

Un premier échange pour clarifier votre situation et identifier la bonne première marche.

Prendre rendez-vous Diagnostic IA gratuit
BNEXT Révélons l'IA vraiment utile à votre entreprise.
Grand Est Développement, offreur de solutions Data/IA Activateur France Num
Charte pour une IA éthique Mentions légales
© 2024-2026 BNEXT SAS. Tous droits réservés.