IA en entreprise : seules 11 % des sociétés prévoient bien leurs coûts

Les entreprises ont de plus en plus de mal à anticiper ce que leur coûte l'intelligence artificielle. Dans un article publié le lundi 5 octobre, le Wall Street Journal (WSJ) s'appuie sur une étude portant sur près de 400 sociétés : seules 11 % d'entre elles parviennent à projeter leurs dépenses d'IA avec précision, rapporte PYMNTS.

Un logiciel qui se comporte comme un employé

Le WSJ souligne que l'IA diffère d'un logiciel classique : elle « se comporte davantage comme un salarié », prend des décisions, commet des erreurs, et tout cela se facture. Le coût d'une tâche varie fortement selon les modèles, et même d'une exécution à l'autre pour un même modèle.

Les modèles les plus avancés coûtent plus cher par token, mais ils peuvent finir une tâche plus efficacement. À l'inverse, confier à un modèle bon marché un travail pour lequel il n'est pas conçu peut faire exploser la consommation de tokens.

Quand le moins cher coûte plus

Des chercheurs de Stanford, Carnegie Mellon, Berkeley et Microsoft Research ont testé cette idée sur plus de 6 800 tâches (maths, programmation, sciences). Dans 32 % des scénarios, les modèles les moins chers revenaient finalement plus cher que les plus chers. « Le prix seul ne doit pas servir à déduire quel modèle est réellement le moins cher », conclut le chercheur Lingjiao Chen (traduction, PYMNTS).

Le cœur de l'article du WSJ, d'après le résumé de Paul Kedrosky, compare deux modèles de Google sur une même tâche. Gemini 3.1 Pro la réussit en 85 étapes pour environ 1 dollar. Gemini 3 Flash, moins cher, en a enchaîné 952, a échoué et a coûté 14 dollars de tokens.

Un exemple jugé peu représentatif

Paul Kedrosky juge le constat « globalement indiscutable », mais estime l'article moins frappant qu'il ne le croit. Selon lui, il accorde trop de poids à des cas inhabituels. « Ce n'est pas le schéma normal à mesure que les modèles s'améliorent », écrit-il : hors modèles faibles ou mal adaptés, les modèles bon marché le restent pour les tâches auxquelles ils conviennent (traduction, Paul Kedrosky). Il ajoute que le papier sert, volontairement ou non, les éditeurs de modèles de pointe, dont les commerciaux relaieraient l'article auprès de leurs clients. Il admet que les systèmes agentiques, qui réessaient, errent et consomment un contexte imprévisible, rendent les budgets plus difficiles à établir.

Des budgets déjà élevés

Une étude de PYMNTS Intelligence de septembre, menée auprès de 60 entreprises américaines, montre des déploiements dans 7 fonctions sur 8 en moyenne. Pourtant, seuls 20 % des 437 déploiements examinés sont intégrés au travail courant. Par ailleurs, 62 % des sociétés interrogées ont dépensé plus de 10 millions de dollars en nouveaux outils d'IA sur un an, et celles qui déploient le plus profondément rencontrent davantage d'obstacles, comme des lacunes de compétences ou un flou sur les responsabilités.

Les sources ne précisent pas la méthode de l'enquête sur les 11 %, hormis le critère de précision de 10 % cité par Kedrosky.