Les entreprises américaines s’enthousiasmaient pour l’intelligence artificielle (IA). Jusqu’à ce qu’elles reçoivent la facture.Les brusques revirements entourant les dépenses en « jetons » — les unités de puissance de calcul dans lesquelles les services d’IA sont facturés — secouent aussi bien les équipes d’ingénierie que les conseils d’administration. Il y a d’abord eu le tokenmaxxing, les dirigeants encourageant l’utilisation la plus intensive possible de l’IA. Puis est venu le tokenminning, lorsque les entreprises ont constaté qu’elles avaient rapidement englouti des millions de dollars.L’urgence et l’incertitude qui règnent simultanément soulèvent des questions complexes. À quoi l’IA est-elle vraiment utile ? Comment savoir ce que l’on achète et mesurer la valeur de ce que cet achat permet de réaliser ? Comment les services sont-ils tarifés et comment ces prix évolueront-ils ? Quelles autres dépenses doivent être sacrifiées pour les financer ?« C’est une monnaie dont on ne sait pas intuitivement quelle quantité on utilise, et il n’existe même pas encore de pratiques comptables pour en rendre compte », affirme Howard Rubin, un économiste qui conseille des entreprises en matière de dépenses technologiques. « Pour l’instant, les dépenses en IA sont traitées comme un investissement, mais comme un investissement risqué, puisqu’il pourrait ne rien rapporter. »L’importance des enjeux et le manque de connaissances ont fait naître un nouveau champ de l’économie consacré à la manière dont les entreprises achètent des services d’IA et à la valeur qu’elles en retirent. Appelons-le la « tokenomique » : l’étude de la façon dont cette ressource limitée est produite, échangée et transformée en biens ou en services recherchés.Les entreprises ne découvrent pas aujourd’hui l’adoption de nouvelles technologies. L’électricité a permis de produire de l’énergie loin des endroits où elle était consommée. Internet a radicalement transformé la prestation des services. L’infonuagique a fait du traitement des données — autrefois une tâche lourde effectuée sur place — un service pouvant être loué à distance.Les répercussions de l’IA pourraient être tout aussi profondes, mais ses coûts et ses avantages sont plus difficiles à soupeser.L’intelligence, une matière premièreLes produits pétroliers offrent peut-être la meilleure analogie pour comprendre l’IA comme dépense d’entreprise. Une matière première commune, le pétrole brut, est raffinée pour produire des biens comme l’essence, le diesel et le propane. Ces carburants répondent à des usages différents, mais leur contenu énergétique peut être ramené à une unité de mesure standard — le British thermal unit, ou BTU — et ils sont généralement vendus en gros sur des marchés où les prix fluctuent en fonction de l’offre et de la demande.La matière première des jetons est constituée d’électricité et de semi-conducteurs. La capacité de calcul qui en résulte est injectée dans des modèles, puis facturée sous forme de jetons, lesquels correspondent généralement à quelques caractères de texte en anglais.Mais la comparaison avec la pétrochimie s’arrête là. Il existe désormais des milliers de modèles d’IA, et très peu de transparence quant à ce que chacun paie et obtient. Aucun consensus ne se dégage sur la quantité d’énergie nécessaire pour produire un jeton, sur le meilleur modèle à employer pour accomplir une tâche donnée ni sur le nombre de jetons qu’elle devrait exiger.« L’intelligence envisagée comme un service d’utilité publique peut être déployée d’une multitude de façons. Il est donc devenu beaucoup plus difficile d’en déterminer la valeur », explique Ram Bala, professeur d’intelligence artificielle et d’analytique à l’Université de Santa Clara. Certains modèles, par exemple, continueront de tenter d’atteindre un objectif même lorsque la mission est vouée à l’échec.« D’un côté, on veut résoudre un problème difficile. C’est l’aspect positif, ajoute M. Bala. De l’autre, le modèle peut tourner en rond indéfiniment sans jamais aboutir à une solution raisonnable. »La Linux Foundation, un organisme sans but lucratif qui héberge des projets technologiques à code source ouvert, a déjà élaboré des normes sur l’infonuagique afin de faciliter la comparaison des services offerts par différents fournisseurs. En juin, elle a créé la Tokenomics Foundation avec des objectifs similaires : établir des paramètres communs que les fournisseurs de services d’IA accepteraient de rendre publics.« Toutes les organisations du monde prennent actuellement une série de décisions. Nous voulons normaliser les cadres de réflexion sur lesquels elles s’appuient, afin de leur donner de meilleurs points de départ », explique J.R. Storment, directeur général de la fondation.Les entreprises font appel à une nouvelle génération d’outils et de fournisseurs de services pour profiter des avantages de l’IA sans anéantir leurs marges bénéficiaires. Revenium, par exemple, les aide à déterminer si les dépenses en jetons améliorent suffisamment la productivité pour que leur coût soit justifié.Jason Cumberland, cofondateur et chef de l’exploitation de Revenium, recommande à ses clients de limiter l’utilisation que les ingénieurs peuvent faire des modèles les plus coûteux. Une fois leur allocation de jetons épuisée, ceux-ci doivent se tourner vers des modèles ouverts moins chers, ce qui les oblige à réfléchir sérieusement à leurs besoins réels. Revenium aide également ses clients à rattacher leurs dépenses en jetons à des résultats précis, comme le nombre de nouvelles fonctionnalités logicielles mises en service.« Les gens qui viennent nous voir font face à une explosion des dépenses, dit M. Cumberland. Ils veulent savoir si cela en vaut la peine, mais aussi comment freiner ces coûts sans simplement interrompre le travail. C’est là toute la difficulté. »Comment financer ?Une grande question se pose à tous : d’où viendra l’argent nécessaire pour financer ces dépenses supplémentaires en jetons ? Au départ, raconte M. Cumberland, les entreprises fouillaient métaphoriquement sous les coussins du canapé pour payer leurs abonnements à Claude ou à ChatGPT. À mesure qu’elles sont devenues dépendantes de ces services, elles ont commencé à réduire leurs licences de logiciels et leurs dépenses en services externes, notamment en développement Web et en rédaction publicitaire.Les entreprises se demandent maintenant si les dépenses en jetons devraient être intégrées à leur budget de main-d’œuvre. C’est aussi la principale question qui occupe les économistes : l’IA remplacera-t-elle le travail humain ou permettra-t-elle plutôt de l’accroître ? Dans un exercice prospectif, des analystes du cabinet-conseil Bain & Company ont récemment envisagé un scénario à moyen terme dans lequel les jetons représenteraient environ le quart des dépenses d’exploitation des entreprises.Elisity, une entreprise de cybersécurité, affirme en être encore très loin, mais elle prépare déjà le terrain à l’aide d’un indicateur qu’elle appelle son « effectif bionique ».Cette mesure additionne les dépenses consacrées à l’IA, puis divise le total par le coût moyen du salaire et des avantages sociaux d’un employé. Les revenus annuels sont ensuite divisés par le nombre ainsi obtenu d’« employés » humains et virtuels, ce qui permet de mesurer leur production collective.Pour rendre le tout un peu plus concret, les membres du personnel rédigent même des descriptions de poste pour chaque agent d’IA afin de justifier son « embauche ». Chaque fois qu’un ingénieur utilise un modèle pour une nouvelle tâche, celui-ci doit faire l’objet d’une évaluation.« Essentiellement, on ajoute des effectifs virtuels. Cela entraîne-t-il une hausse des revenus — ce qui, au bout du compte, est la seule chose qui compte — ou ne fait-on qu’entamer ses marges ? demande Charlie Treadwell, chef du marketing d’Elisity. Dans une entreprise en phase de croissance, cela change notre façon de déterminer où investir le capital pour accélérer notre développement. »L’équation pourrait toutefois évoluer rapidement si le prix des jetons augmentait fortement. Elisity profite actuellement d’un abonnement d’équipe à tarif fixe couvrant 150 utilisateurs. Si l’entreprise devait payer à l’usage — la norme pour les organisations comptant plus de quelques centaines d’utilisateurs —, ses dépenses quadrupleraient, selon M. Treadwell, et elle devrait revoir son recours à l’IA. Elisity ne prévoit toutefois pas de réduire ses effectifs et continue d’embaucher.Pour compliquer encore les choses, les jetons peuvent être tarifés différemment selon les fournisseurs de services infonuagiques, et les facteurs qui font monter ou baisser leurs prix demeurent mal compris. Les laboratoires d’IA se livrant une course effrénée pour conquérir des parts de marché avant leur entrée en Bourse, leurs tarifs ne correspondent peut-être pas entièrement au coût réel de production des jetons.Réduire les dépensesL’IA peut par ailleurs contribuer à réduire ses propres coûts. Cela tient notamment à l’utilisation croissante de « jetons en cache », moins chers, que le modèle a déjà traités une première fois et qu’il peut réutiliser pour une fraction du prix. De plus en plus d’entreprises utilisant l’IA au moyen de logiciels capables d’exécuter des tâches de façon autonome — les agents —, ces derniers peuvent confier une part croissante du travail à des jetons en cache.Dans un document de travail publié ce mois-ci, une équipe d’économistes a constaté que cette dynamique avait maintenu les dépenses à un niveau inférieur à celui qu’elles auraient autrement atteint, même si la consommation de jetons et les tarifs affichés des modèles d’IA les plus avancés ont augmenté.La capacité des jetons à demeurer concurrentiels par rapport aux salaires humains pèsera lourd dans le choix du type d’intelligence sur lequel les entreprises s’appuieront à l’avenir. Il manque toutefois encore de personnes capables de déployer l’IA de manière productive, ce qui ne laisse guère de répit à des consultantes comme Jue Wang.« Je crois réellement que c’est la contrainte dont on ne parle pas assez dans l’industrie, affirme Mme Wang, associée chez Bain. On se dit souvent : “Ils n’ont pas la capacité nécessaire.” Mais ils n’ont pas non plus suffisamment de personnes capables de concrétiser cette valeur. »L’une des difficultés fondamentales auxquelles se heurtent les chercheurs qui étudient les dépenses en IA au sein des organisations tient à l’absence de données exhaustives permettant de les suivre. Il n’existe ni marché centralisé, ni marché à terme, ni enquête gouvernementale rendant compte des prix et des dépenses.C’est pourquoi Aleh Tsyvinski, professeur d’économie à Yale et coauteur de la récente étude sur l’utilisation des jetons, s’est réjoui de pouvoir analyser un ensemble de données provenant de la plateforme OpenRouter, même si celui-ci ne représentait que 2 % des dépenses mondiales en IA. Ces données lui ont permis d’étudier la réaction des marchés financiers à ces dépenses, mais de nombreuses questions restent sans réponse.« C’est l’un des plus grands défis de notre génération, souligne M. Tsyvinski. Il est utile de comprendre comment l’IA va probablement tout changer. Ou peut-être ne rien changer du tout. Mais il est bon de disposer de mesures. »