Depuis deux ans, l'intelligence artificielle est présentée comme une technologie capable de réduire les coûts, d'accélérer le travail et d'optimiser les ressources des entreprises. Or, la réalité se complexifie. Une entreprise aurait ainsi reçu une facture d'environ 500 millions de dollars pour un seul mois d'utilisation de Claude AI d'Anthropic. Bien que ces informations n'aient pas été officiellement confirmées, l'histoire s'est rapidement répandue dans le secteur technologique. La raison est simple : de plus en plus d'entreprises constatent que le déploiement de l'IA à grande échelle peut s'avérer beaucoup plus coûteux que prévu. D'après les informations publiées par Axios, un consultant anonyme en implémentation d'IA a rapporté le cas d'un client ayant fourni à ses employés les outils Claude sans limitation d'utilisation. Le résultat fut catastrophique : les employés bénéficiaient d'un accès quasi illimité au modèle de langage avancé, et le système de facturation par jetons a engendré des coûts sans précédent. La facture mensuelle s'élevait ainsi à environ 500 millions de dollars. On ignore si la facture a finalement été payée, renégociée ou annulée. Quoi qu'il en soit, cette nouvelle a suffi à relancer le débat sur l'économie de l'intelligence artificielle générative. Jusqu'à récemment, de nombreuses entreprises pensaient que l'IA permettrait de réduire leurs dépenses. Or, on s'interroge de plus en plus sur la possibilité que les entreprises aient créé une nouvelle catégorie de coûts dont la croissance dépasse celle des bénéfices escomptés.

Le problème ne se limite pas aux coûts d'infrastructure. Les entreprises constatent que leurs employés utilisent les outils d'IA à des fins autres que celles initialement prévues par la direction. Au lieu de se concentrer sur les tâches à forte valeur ajoutée, certains utilisateurs automatisent celles qu'ils n'apprécient guère. Bien souvent, l'IA sert à des requêtes simples, à la recherche d'informations ou à l'organisation du travail quotidien. Des rapports font même état de l'utilisation de modèles de langage coûteux pour consulter des prévisions météorologiques ou rédiger des messages simples qui pourraient être créés en quelques secondes sans l'aide de l'IA. Cela se traduit par une utilisation accrue des infrastructures pour les fournisseurs de services et des factures toujours plus élevées pour les entreprises clientes. Les experts soulignent de plus en plus que l'application la plus rentable de l'IA générative reste la programmation. Des outils comme Claude Code, GitHub Copilot et Gemini Code Assist peuvent accélérer considérablement le développement logiciel, analyser le code et faciliter le débogage. C'est là que les entreprises constatent le plus facilement un véritable retour sur investissement. En dehors du domaine de la programmation, la situation est moins tranchée. De nombreuses entreprises continuent d'expérimenter l'IA dans le marketing, le service client, les RH et l'administration, mais les résultats ne sont pas toujours à la hauteur des coûts.

L'augmentation des dépenses en intelligence artificielle commence à impacter même les géants de la tech. D'après de précédents rapports, Microsoft a invité des milliers de développeurs à utiliser Claude Code d'Anthropic. Cependant, l'utilisation intensive de cet outil aurait épuisé son budget IA. En conséquence, l'entreprise a progressivement supprimé certaines licences et a orienté les développeurs vers ses propres solutions développées via GitHub. Une situation similaire se serait produite chez Uber. L'entreprise aurait épuisé l'intégralité de son budget d'intelligence artificielle prévu pour 2026 au cours des quatre premiers mois de l'année. De tels cas démontrent que même les entreprises disposant de budgets de plusieurs milliards de dollars doivent examiner de plus près leur utilisation des modèles d'IA. Le paradoxe de la situation actuelle est que de nombreuses entreprises mettent en œuvre l'IA précisément pour réduire leurs dépenses opérationnelles. Dans le même temps, les coûts d'accès aux modèles, d'infrastructure, de formation des employés et d'intégration aux systèmes existants augmentent. À cela s'ajoutent les dépenses liées à la sécurité des données et au contrôle de l'utilisation des outils par les employés. Certaines organisations sont même tentées de financer leurs investissements en IA en réduisant leurs effectifs. De plus en plus d'analystes soulignent que les pressions sur les coûts peuvent provenir non seulement de l'automatisation des tâches, mais aussi de la nécessité de couvrir les coûts considérables liés à la maintenance des nouveaux systèmes.