La facture réelle de l'IA : combien ton entreprise paie sans le voir ?

Pourquoi le prix affiché n'est-il jamais le prix payé ?

Le prix affiché n'inclut ni les tokens (les unités de texte sur lesquelles un modèle d'IA est facturé) sans plafond, ni les données à préparer, ni la reprise du travail livré, ni les outils utilisés sans validation IT, ni la conformité, ni le renouvellement du matériel. Ces six postes ne figurent sur aucune facture d'abonnement.

"En avril et en mai, j'ai commencé à entendre des entreprises dire : oh mon dieu, on est à trois fois notre budget de tokens 2026 tout entier, alors qu'on n'est qu'en avril." C'est J.R. Storment, directeur exécutif de la FinOps Foundation (une organisation rattachée à la Linux Foundation et consacrée à la maîtrise des dépenses cloud), qui rapporte ces propos, relayés par TechCrunch le 5 juin 2026. Le constat vaut à l'échelle du secteur entier : Gartner prévoit 2 700 milliards de dollars de dépenses mondiales en IA pour 2026, en hausse de 49,5 % sur un an, dont 1 480 milliards rien que pour l'infrastructure. John-David Lovelock, analyste chez Gartner, résume la dynamique sans détour : "Les risques liés à la dépendance au fournisseur, à la souveraineté des données et aux dérapages de coûts ne dissuadent pas les acheteurs d'adopter ces capacités propriétaires."

La Banque de France mesure que 67 % des entreprises d'au moins 20 salariés déclarent un usage de l'IA générative, dont 64 % chez les structures de 20 à 49 salariés. Le titre même de son étude résume le décalage : une diffusion rapide, mais des gains de productivité encore limités. L'Insee, qui mesure l'usage de toute technologie d'IA dans les entreprises de 10 salariés ou plus, relève de son côté que 73 % des entreprises utilisatrices déclarent s'en servir pour optimiser leurs coûts. C'est précisément dans cet écart entre la promesse d'économies et le résultat économique que se cache la facture réelle.

Où part vraiment l'argent que l'IA ne facture pas ?

L'argent se répartit entre ces postes, chacun avec sa propre mécanique de coût : les tokens non pilotés, les données à préparer, la reprise du travail livré, les outils utilisés sans validation, la conformité réglementaire et le renouvellement du matériel.

Les tokens non pilotés

Epoch AI ne mesure pas le prix d'un token isolé, mais le prix pour obtenir un même niveau de performance : ce prix chute de 9 à 900 fois par an selon le seuil retenu. Le prix pour égaler les performances de GPT-4 sur des questions scientifiques de niveau doctorat a même été divisé par 40 chaque année. Les auteurs de l'étude nuancent eux-mêmes ce rythme : rien ne garantit que ces baisses récentes vont persister dans la durée. L'Agence internationale de l'énergie confirme la tendance côté efficacité : "L'efficacité énergétique de l'IA, mesurée tâche par tâche, progresse à un rythme sans précédent dans l'histoire de l'énergie."

Ce qui est mesuré, ce sont des volumes en forte hausse. Jellyfish, éditeur de suivi de la performance des équipes techniques, relève une consommation de tokens par développeur multipliée par environ 18,6 en neuf mois. IDC mesure, sur un échantillon de grandes entreprises, que 67 % d'entre elles ont dépassé leur budget d'agents IA de plus de 10 % sur les douze derniers mois, dont 24 % de façon significative ou extrême. Le cabinet précise que 61,8 % des organisations jugent pourtant leur gouvernance des coûts "définie" ou "optimisée", contre 45,4 % seulement disposant d'un tableau de bord en temps réel par flux de travail. Nous en déduisons que le volume augmente plus vite que le prix ne baisse, un lien qu'aucune source ne mesure directement. Le mouvement touche aussi les agents autonomes. Le secteur bascule vers la facturation à l'usage : GitHub a basculé Copilot vers des crédits au tarif API depuis juin 2026.

Côté fournisseurs, un autre mécanisme explique pourquoi le prix des services reste élevé malgré la baisse du coût par performance. Les puces sont amorties sur cinq à six ans en comptabilité, contre trois ans d'usage réel selon une analyse relayée par Fortune. Meta a porté la durée de vie comptable de ses serveurs de 4 à 5,5 ans en 2025, réduisant sa charge d'amortissement de 2,9 milliards de dollars selon un cas de la Harvard Business School. L'AIE chiffre les dépenses d'investissement (le capex, surtout des centres de données et des puces) des plus grandes entreprises tech à plus de 400 milliards de dollars en 2025, avec une hausse de 75 % attendue en 2026.

Les données à préparer

Un outil d'IA ne fonctionne pas sur des données brutes : il faut les nettoyer, les structurer et parfois les anonymiser avant de les brancher à un modèle. Transcend, éditeur de gouvernance des données, a interrogé plus de 220 responsables informatiques de grandes entreprises de plus de 5 000 salariés : parmi les 70 % qui disposent d'un budget IA dédié, 30 % n'ont aucune ligne pour la préparation des données. Aucune PME ne figure dans cet échantillon. 81 % ont vu une initiative IA buter sur des questions d'autorisations et de gouvernance. Gartner formule le mécanisme par la voix d'Arun Chandrasekaran : "Les organisations sous-estiment souvent les dépenses opérationnelles de l'IA générative faute de visibilité sur la façon dont les coûts évoluent." Le même cabinet évalue qu'au moins la moitié des projets d'IA générative ont été abandonnés après la preuve de concept fin 2025.

Cette préparation touche aussi les données personnelles ou comptables, déjà traitées dans notre décryptage sur l'IA et les données comptables.

La reprise du travail livré

Ce que l'IA fait gagner en temps, une partie repart directement en correction. Chez Workday, éditeur de logiciels RH et finance, environ 37 % du temps gagné grâce à l'IA repart silencieusement en reprise, soit près d'une semaine et demie perdue par salarié fortement utilisateur chaque année. Ce chiffre porte sur 3 200 salariés d'organisations réalisant plus de 100 millions de dollars de chiffre d'affaires en Amérique du Nord, en Asie-Pacifique et dans la zone Europe, Moyen-Orient et Afrique. Aucune PME ne figure dans cet échantillon.

Zapier, éditeur d'automatisation, mesure de son côté 4,5 heures par semaine passées à réviser, corriger ou refaire une production d'IA, sur plus de 1 100 utilisateurs professionnels aux États-Unis. L'écart avec Workday est net, un facteur proche de 4 : les deux enquêtes divergent, sur des populations et des méthodes différentes. Zapier nomme ce phénomène le workslop, une production d'IA qui semble aboutie au premier regard mais qui manque de la substance nécessaire pour accomplir réellement la tâche. 74 % des utilisateurs concernés en subissent au moins une conséquence négative : travail rejeté, incident de sécurité ou plainte client. Ce phénomène recoupe en partie ce que nous décrivons dans notre décryptage sur les hallucinations de l'IA générative, sans s'y limiter.

Workday mesure sa donnée comme une part du temps gagné grâce à l'IA : ce temps de reprise est donc pris sur les gains déjà obtenus, pas une perte nette qui viendrait s'ajouter au reste du budget.

Le shadow IA

Un salarié qui utilise un outil d'IA sans validation IT ne coûte rien sur le papier, jusqu'à ce qu'un incident survienne. Reco, éditeur de sécurité SaaS, a mesuré en 2025 que les entreprises de 11 à 50 salariés affichent le risque le plus élevé, avec en moyenne 269 outils d'IA non validés pour 1 000 salariés. Dans les entreprises de 500 à 1 000 salariés, la densité retombe à environ 200 outils pour 1 000 salariés. Reco ne publie aucune donnée pour la tranche intermédiaire, de 50 à 500 salariés. Un rapport plus récent du même éditeur, publié en août 2026, relève environ 414 outils non validés pour 1 000 salariés sur un périmètre différent, non comparable : ce chiffre ne mesure pas une progression : il confirme seulement que, un an plus tard, le phénomène reste massif.

En France, le Baromètre Ifop pour Talan donne une mesure directe de la dissimulation : parmi les utilisateurs professionnels d'IA qui ont un supérieur hiérarchique, 49 % ne l'avaient pas informé en mars 2025, contre 68 % en mai 2023. La base est étroite (moins de 200 répondants) : l'Ifop invite lui-même à la prudence sur ses ventilations. C'est une tendance sur trois vagues, pas une mesure fine. Ce chiffre de 68 %, vieux de plus de trois ans, circule pourtant encore comme s'il décrivait la situation actuelle : c'est un constat de la rédaction, pas une mesure. IBM, éditeur de sécurité, chiffre le risque sans en faire une dépense certaine : dans son rapport 2025, mené sur environ 600 organisations majoritairement grandes, un niveau élevé de shadow IA ajoute en moyenne 670 000 dollars au coût d'une violation constatée, un surcoût qui ne se matérialise qu'en cas d'incident.

Ce que ces outils font des données que tu leur donnes est un sujet distinct, déjà traité dans notre décryptage sur ce que ton entreprise peut exiger des fournisseurs d'IA.

La conformité

Le règlement européen sur l'IA impose déjà une obligation à toute entreprise qui déploie un système d'IA, pas seulement à celles qui les fabriquent. Le règlement Omnibus numérique, en vigueur depuis le 27 juillet 2026, a réécrit l'article 4. Les fournisseurs et les déployeurs devaient prendre des mesures pour « garantir, dans toute la mesure du possible, un niveau suffisant de maîtrise de l'IA » ; ils doivent désormais prendre des mesures pour « favoriser le développement de la maîtrise de l'IA » par leur personnel, le texte précisant que cette obligation ne les contraint pas « à garantir un niveau spécifique de maîtrise de l'IA par un individu ». Une obligation de moyens plutôt que de résultat, mais due par les déployeurs, donc par une PME utilisatrice. Le même règlement reporte du 2 août 2026 au 2 décembre 2027 l'échéance de mise en conformité des systèmes à haut risque de l'annexe III (recrutement, notation de crédit). Ce recalibrage prolonge le mouvement déjà détaillé dans notre comparatif Europe vs États-Unis sur la régulation de l'IA.

Sur le coût réel de la conformité, deux bornes s'affrontent sans qu'aucune ne mesure ce que paiera réellement une PME. La borne basse vient de la Commission européenne, réponse écrite du 27 avril 2026 consultée le 24 septembre 2026 : 23 850 à 40 400 euros de surcoût attribuable à l'AI Act, une hausse de 15 à 20 % selon des estimations préliminaires d'organismes d'évaluation, appliquée à une mise à niveau du système de management de la qualité estimée entre 159 000 et 202 000 euros, pour un système à haut risque déjà intégré à un produit de l'annexe I. Ce n'est pas un chiffrage général de la conformité à l'AI Act. La borne haute, le montant de 600 000 euros qui circule, additionne un cas exceptionnel, un fournisseur sans système de management de la qualité chiffré à 319 000 euros, plus une étude tierce que la Commission qualifie elle-même d'"enquête qualitative sur des perceptions" menée auprès de 23 organisations par Kilian, Jäck et Ebel en février 2025. Aucune des deux bornes ne mesure ce que paiera une PME hors annexe I : ce flou est lui-même une part du coût. Pour les PME, l'article 99 retient de toute façon le montant le plus bas des deux plafonds prévus en cas de sanction.

Le matériel

Deux échéances distinctes retombent en même temps sur le parc informatique d'une PME, sans lien de cause entre elles. La première n'a rien à voir avec l'IA : le support de Windows 10 s'est arrêté le 14 octobre 2025. Microsoft propose des mises à jour de sécurité étendues à 61 dollars par appareil la première année, un tarif qui double chaque année suivante pendant trois ans maximum, soit environ 53, 106 puis 211 euros au taux de change BCE du 16 septembre 2026, pour un total de 370 euros par poste sur trois ans. Microsoft annonce ce tarif en dollars : le montant en euros dépend du revendeur.

La seconde échéance vient, elle, directement de la demande en IA. Micron a annoncé le 3 décembre 2025 sa sortie du marché grand public de la mémoire. Sumit Sadana, vice-président exécutif du fabricant, l'explique ainsi : "La croissance portée par l'IA dans les centres de données a provoqué une envolée de la demande de mémoire et de stockage." Le fabricant redirige ses capacités vers ses clients stratégiques. Aucun relevé fiable à la source primaire ne permet de chiffrer une hausse du prix de la mémoire vive pour l'acheteur final.

Ces coûts amont, l'électricité, l'eau et le renouvellement accéléré du matériel des fournisseurs, sont réels mais ne figurent pas dans le budget de la PME, qui les subit indirectement par le prix des services. Ils restent hors périmètre de ce décryptage.

Ce que ça change pour toi

Une PME type de 100 salariés avec 30 utilisateurs réguliers d'IA paie environ 9 530 euros la première année en abonnements et mises à jour Windows 10, une charge interne de 68 500 à 263 400 euros en reprise du travail et une exposition distincte liée aux outils non recensés et à la conformité.

Ces hypothèses (30 utilisateurs, abonnement à 25 euros par mois, 10 postes sous Windows 10, coût horaire de 43,9 euros selon l'Insee) ne remplacent pas ton propre calcul : elles servent de repère commun.

Bloc 1, "Ce que tu paies" : les sorties de trésorerie réelles. Les abonnements représentent 30 utilisateurs multipliés par 25 euros et par 12 mois, soit 9 000 euros par an. Les mises à jour de sécurité étendues de Windows 10 ajoutent 530 euros la première année pour les 10 postes concernés. Le total visible de la première année atteint 9 530 euros.

Bloc 2, "Ce que ça coûte en plus sans facture" : une charge interne qui ne sort jamais de la trésorerie mais qui occupe du temps de travail. À 52 heures par an et par salarié fortement utilisateur (Workday), la reprise du travail coûte environ 68 500 euros par an pour les 30 utilisateurs. À l'hypothèse haute de 4,5 heures par semaine (Zapier), la même charge grimpe à environ 263 400 euros. La fourchette est large parce que les deux enquêtes ne mesurent pas la même population. Ni l'une ni l'autre ne dit la vérité de ta PME : elles donnent un ordre de grandeur.

Bloc 3, "Ce qui peut te tomber dessus" : une exposition, pas une dépense certaine. Le calcul applique ici la densité mesurée par Reco chez les entreprises de 11 à 50 salariés, une hypothèse haute pour une PME de 100 salariés : elle donne environ 27 outils d'IA non recensés par le service IT. En cas de violation de données impliquant un usage élevé d'IA non validée, IBM mesure un surcoût moyen de 670 000 dollars : un risque, pas une facture acquise. Côté conformité, si aucun système à haut risque de l'annexe I n'est concerné, l'obligation qui s'applique est celle de l'article 4 réécrit, une obligation de moyens sur la maîtrise de l'IA par le personnel, dont le coût dépend entièrement de ce que l'entreprise met en place.

Nous n'additionnons jamais ces trois blocs : un total unique reproduirait exactement le procédé que ce décryptage critique, présenter un chiffre choc sans dire ce qu'il recouvre. Un calculateur interactif accompagne cet article pour rejouer le calcul avec tes propres chiffres.

Ce qui se pilote, à l'inverse de ce qui se découvre après coup : un plafond d'usage, un inventaire des outils d'IA réellement utilisés, une ligne budgétaire pour la préparation des données, du temps de relecture assumé comme une tâche à part entière et un minimum de formation, ce dernier point rejoignant l'obligation de moyens de l'article 4.

L'oeil de Shift IA : le vrai coût de l'IA, c'est l'absence de pilotage, pas le prix du token

Nous ne partageons pas le constat catastrophiste qui circule autour du coût de l'IA. Epoch AI mesure que le prix pour un même niveau de performance chute de 9 à 900 fois par an. L'AIE qualifie de sans précédent la progression de l'efficacité énergétique mesurée tâche par tâche. MIT Technology Review a relevé que le chiffre choc des 95 % des organisations sans retour mesurable, popularisé par le rapport MIT NANDA, a provoqué une brève panique boursière : le journaliste James O'Donnell n'a trouvé aucune entreprise disposée à dire qu'elle réduisait ses paris sur l'IA. Le rapport MIT NANDA prévient lui-même que ses chiffres sont "justes dans leur orientation", fondés sur des entretiens plutôt que sur des rapports officiels d'entreprise. Selon nous, la même prudence vaut pour toutes les enquêtes déclaratives citées dans ce décryptage.

Nous en déduisons que l'absence de pilotage de l'usage pèse plus lourd que le prix de la technologie elle-même. Les postes détaillés plus haut partagent un point commun : aucun n'est fixé à l'avance. Chacun dépend de décisions prises ou non en interne, un plafond d'usage réglé ou pas, un outil validé par l'IT ou installé en douce, une clause de conformité anticipée ou découverte lors d'un contrôle. Même le débat sur le coût de la conformité illustre ce flou : la borne haute additionne un cas extrême et une enquête de perceptions, la borne basse repose sur des estimations préliminaires et ne vaut que pour les systèmes de l'annexe I. Faute de chiffre qui vaille pour une PME, l'incertitude elle-même devient un coût pour l'entreprise qui doit budgéter sans repère fiable.

Notre avis est tranché sur un point précis. Une PME qui pose un plafond d'usage, tient un inventaire de ses outils d'IA et budgète une ligne dédiée à la préparation des données change concrètement son exposition, sans attendre une clarification réglementaire ni une baisse de prix supplémentaire. Ces leviers ne dépendent que d'elle.