Partout dans l’industrie technologique, les entreprises commencent à se heurter aux coûts exponentiels liés à l’utilisation de l’intelligence artificielle. Uber a par exemple épuisé son budget d’ici avril 2024 consacré à l’IA pour la programmation, prévu jusqu’en 2026. Microsoft a dû révoquer les licences de ses développeurs pour Claude Code quelques mois après l’avoir activée. Par ailleurs, une employée de Priceline a confié à TechCrunch que le renouvellement d’un contrat routine avec Cursor avait été multiplié par cinq ou six, atteignant parfois des coûts catastrophiques. Si les prix par jeton ont certes diminué, la quête pour une adoption accrue de l’IA et l’autonomisation croissante des agents IA ont entraîné une consommation de jetons beaucoup plus importante, obligeant les entreprises à repenser leur gestion budgétaire.
Les entreprises, qui s’étaient gavées en early 2025 avec des abonnements à volonté, cherchent aujourd’hui à comprendre où leur argent s’évapore, à réduire leurs dépenses et à évaluer si elles peuvent encore dégager un retour sur investissement de leurs investissements. En réponse à cette crise, un marché naissant commence à émerger. Startups, grands fournisseurs et nouvelles instances de standardisation se concurrencent pour fournir des outils permettant de mesurer et de contrôler ces dépenses. Alexander Embiricos, responsable des solutions d’entreprise chez OpenAI, a indiqué à TechCrunch que les conversations avec les clients ont radicalement évolué, passant du « que peut faire l’IA ? » à « comment contrôlez-vous vos coûts et votre consommation de jetons ? ».
Une nouvelle ère de responsabilisation financière liée à l’IA est en train de s’ouvrir, à l’image de ce que la FinOps a fait pour le cloud.
C’est dans ce contexte que la Fondation Linux a annoncé la création de la Tokenomics Foundation, un nouvel organisme visant à instaurer des standards pour la gestion des coûts liés aux jetons d’IA, à l’image de ce que FinOps a accompli pour la dépense cloud. Selon J.R. Storment, directeur exécutif de la FinOps Foundation, les entreprises ont rapidement dépassé leurs budgets de jetons pour 2026 dès le premier trimestre 2024, provoquant des crises existentielles. La demande de gardes-fous et de contrôles s’est intensifiée, suite à la propagation de modèles comme Claude Opus 4.5, GPT-5.1 ou Gemini 3 Pro, qui ont considérablement augmenté la consommation de ressources, parfois au prix d’erreurs coûteuses, comme un exemple rapporté où une entreprise a dépensé 500 millions de dollars en jetons à cause d’un oubli de limite d’usage.
Selon Chris Reed, directeur senior de la finance informatique chez Priceline, la mise en place de limites de jetons est devenue essentielle pour contrôler ces dérives. Des exemples d’utilisateurs dépensant des dizaines de milliers de dollars par mois illustrent la difficulté pour les dirigeants de mesurer la productivité réelle en lien avec ces investissements massifs. Des études montrent que si certains employés utilisent beaucoup plus de jetons, leur productivité peut aussi être doublée, mais à un coût dix fois supérieur, rendant l’évaluation du retour sur investissement plus complexe. La difficulté est accrue par l’échelle phénoménale de l’usage, avec un volume de coûts et de données à suivre qui dépasse largement ceux du cloud traditionnel.
Alors que se développe une offre pour répondre à ces enjeux — avec des entreprises comme Pay-i, Jellyfish ou Faros AI qui proposent des outils de suivi, d’optimisation et de mesure de la performance des investissements en IA — un manque d’unification persiste. Ces outils manquent de langage commun pour définir le coût d’un jeton, sa production ou encore la comparaison des dépenses entre fournisseurs. La Tokenomics Foundation ambitionne justement d’établir des standards ouverts, des métriques et des frameworks pour mieux gérer cette économie nouvellement créée. La première livraison de ses travaux est attendue pour juillet, mais la multiplication des prix et des usages pourrait rendre l’intégration de ces standards difficile à court terme.
Dans cette course effrénée à l’IA, la maîtrise de ses coûts devient aussi cruciale que son développement.
Selon Goldman Sachs, le volume mondial de jetons devrait être multiplié par 24 d’ici 2030, ce qui souligne l’urgence pour les entreprises déjà en dépassement de budget de trouver des solutions efficaces. La gestion de ces dépenses exige des outils robustes, capables d’interpréter des trilliards de lignes de données mensuelles, bien au-delà des simples feuilles Excel. La mise en place de ces standards pourrait transformer la manière dont les entreprises contrôlent et optimisent leurs investissements en IA, en leur permettant d’obtenir un meilleur retour sur investissement et de limiter les risques financiers à l’avenir.
En somme, la maîtrise des coûts liés à l’intelligence artificielle est désormais au cœur des préoccupations stratégiques. Alors que de nombreux acteurs cherchent à équilibrer vitesse d’innovation et gestion financière, l’émergence de standards partagés, comme ceux que promet la Tokenomics Foundation, pourrait devenir la clé pour rendre cette nouvelle économie plus transparente et durable. À mesure que l’industrie avance, il apparaît clair que la question n’est plus seulement de savoir ce que l’IA peut faire, mais à quel prix elle pourra continuer à être intégrée dans les modèles d’affaires sans entraîner de catastrophe financière.
