Le prix des tokens, ces unités de calcul qui servent à mesurer l’usage des modèles d’intelligence artificielle, alimente de nombreuses inquiétudes dans les directions financières. Un article de L’Express remet ce sujet en perspective: la facture existe, mais elle dépend surtout des usages, des choix techniques et de la capacité des entreprises à éviter les requêtes inutiles.
OpenAI, Google et Anthropic facturent au million de tokens
Le token n’est ni un mot complet, ni une phrase. Il s’agit d’un fragment de texte traité par un modèle d’IA, parfois quelques lettres, parfois un mot court. Cette unité sert à compter ce que l’utilisateur envoie au système et ce que le système produit en réponse. Une question longue, accompagnée de documents, consomme donc davantage qu’une consigne brève.
Les fournisseurs comme OpenAI, Google ou Anthropic affichent généralement leurs tarifs au million de tokens. Cette présentation peut impressionner, mais elle correspond à des volumes élevés. Une entreprise qui automatise des réponses internes, résume des comptes rendus ou classe des courriels ne déclenche pas toujours des coûts massifs. La différence vient du modèle choisi, de la longueur des documents et du niveau de précision demandé.
La dépense augmente surtout lorsque les équipes utilisent de grands modèles pour des tâches simples. Demander à un système très puissant de reformuler dix lignes ou de trier des demandes basiques revient à utiliser un outil surdimensionné. Les plateformes proposent désormais des modèles plus légers, moins coûteux, capables de traiter une partie importante des besoins courants. Cette segmentation réduit le risque d’explosion budgétaire.
Le marché joue aussi un rôle modérateur. La concurrence entre fournisseurs pousse les prix vers le bas, tandis que les entreprises apprennent à négocier des contrats adaptés à leurs volumes. Les grands comptes demandent des plafonds, des alertes et des tableaux de bord. Le prix facial d’un token ne suffit donc pas à évaluer le coût réel d’un projet d’IA générative.
Les entreprises réduisent la facture par le cadrage des usages
Le premier levier reste l’organisation. Une entreprise qui laisse chaque service expérimenter sans règle commune risque de multiplier les abonnements, les doublons et les requêtes inutiles. À l’inverse, un cadrage précis permet d’identifier les usages rentables: service client, recherche documentaire, assistance juridique interne, aide à la rédaction commerciale ou analyse de tickets techniques.
Les équipes informatiques mettent en place des méthodes pour limiter la consommation. Le RAG, qui consiste à interroger une base documentaire avant de générer une réponse, évite d’envoyer trop de contexte au modèle. Le cache permet aussi de réutiliser une réponse déjà calculée lorsqu’une demande se répète. Dans un centre d’appels ou un service RH, cet effet peut réduire fortement le volume facturé.
Le choix entre grands modèles généralistes et modèles spécialisés devient central. Pour extraire une date, classer un contrat ou détecter une intention dans un message, un modèle compact suffit souvent. Les modèles les plus avancés gardent leur intérêt pour les tâches complexes, comme la synthèse de dossiers longs, la génération de code critique ou l’analyse de scénarios mêlant plusieurs sources.
La question financière doit donc être rapprochée du gain opérationnel. Si un assistant réduit de plusieurs minutes le traitement d’une demande répétitive, son coût en tokens peut devenir marginal face au temps économisé. Les directions métiers cherchent désormais à mesurer ce rapport entre dépense et productivité, avec des indicateurs simples: coût par dossier, temps gagné, qualité de réponse, taux de reprise humaine.
Cette discipline transforme le budget IA en dépense pilotable plutôt qu’en risque incontrôlé. Les entreprises les plus avancées fixent des seuils par service, forment les salariés à rédiger des consignes courtes et contrôlent les usages sensibles. Le débat sur le prix des tokens devient alors moins anxiogène: il s’inscrit dans une gestion classique des ressources numériques, au même titre que le cloud ou les licences logicielles.
