Après avoir exhorté pendant deux ans leurs employés à adopter l’IA générative à chaque occasion, un nombre croissant de grandes entreprises se retirent désormais. La raison, selon une enquête du Financial Times publiée le 19 juin 2026, est résumée sans détour dans une citation d'un initié d'une entreprise : « Nous avons créé un monstre ».
Le rapport du FT, qui est rapidement devenu l'un des articles économiques les plus discutés de la semaine, montre comment les dépenses incontrôlées en matière d'IA, dont une grande partie est mesurée en jetons facturés par les fournisseurs d'IA, mettent à rude épreuve les budgets des entreprises et obligent les dirigeants à imposer une discipline sur les outils qu'ils avaient récemment mandatés. Pour plus de contexte sur cette histoire, consultez notre tendances IA.
Du mandat à la retenue
Ce changement est frappant car il inverse le cours des politiques défendues par de nombreux grands employeurs. Comme l'a rapporté CBC le 17 juin, l'objectif déclaré de nombreuses entreprises était « d'utiliser autant d'IA que possible ». Aujourd’hui, certaines de ces mêmes organisations se retirent, plafonnent l’utilisation, restreignent l’accès aux modèles premium et vérifient quels flux de travail d’IA apportent réellement de la valeur.
Crypto Briefing, citant le rapport du FT, a cité des entreprises spécifiques qui limitent l'utilisation de l'IA par leurs employés alors que les coûts augmentent, notamment Amazon, Walmart et Uber. Le gros titre, selon lequel trois des employeurs technologiques les plus sophistiqués au monde resserrent le robinet des dépenses en IA, indique que le problème des coûts ne se limite pas aux startups à court de liquidités. Il atteint les plus grandes entreprises de la planète.
Le problème de la facture symbolique
Au cœur du recul se trouve le modèle de tarification qui sous-tend la plupart des IA génératives. Plutôt qu'un abonnement forfaitaire, de nombreux services d'IA facturent au jeton, les morceaux de texte qu'un modèle lit et produit. Lorsque des dizaines de milliers d’employés collent de longs documents dans des chatbots, exécutent des assistants de codage IA toute la journée ou créent des agents internes qui parcourent de nombreux appels de modèles, le compteur de jetons tourne rapidement.
Une analyse distincte de Let's Data Science, publiée le 17 juin, s'est concentrée sur le phénomène des entreprises qui limitent les dépenses en jetons d'IA spécifiquement destinées aux ingénieurs. Les outils de développement, qui peuvent émettre des dizaines de requêtes de modèles par tâche, comptent parmi les déploiements d'IA les plus coûteux au sein des grandes entreprises. À mesure que de plus en plus d’outils de génération de code et d’agents entrent en production, le coût de leur fonctionnement a fortement augmenté.
Le défi est aggravé par la difficulté de mesurer le retour sur investissement. Alors que les employés individuels signalent souvent des gains de productivité, attribuer ces gains à des dollars spécifiques de dépenses symboliques et prouver qu'ils dépassent la facture s'est avéré plus difficile que prévu par de nombreux dirigeants.
Même les constructeurs d'IA ressentent le pincement
La réduction des coûts ne se limite pas aux consommateurs d’IA. Cela touche les entreprises qui construisent la technologie. Le 12 juin, Stocktwits a rapporté que les coûts de l'IA de Meta avaient « explosé », ce qui a incité l'entreprise à annoncer son intention de limiter ses dépenses. Pour une entreprise qui a placé l’IA au cœur de son avenir, reconnaître la pression sur les coûts souligne à quel point la discipline s’est répandue.
Cette tendance laisse présager un marché en pleine maturité. En 2024 et 2025, l’instinct dominant des entreprises était d’expérimenter à grande échelle et de s’inquiéter du projet de loi plus tard, en partant du principe que l’adoption précoce de l’IA conférerait un avantage concurrentiel durable. En 2026, avec le resserrement des budgets et la disparition de la nouveauté, les directions financières exigent la même rigueur que celle appliquée à tout autre poste.
Un nouveau marché pour le contrôle des coûts
Le recul crée lui-même des opportunités commerciales. Le 4 juin, CNBC a rapporté que la start-up de gestion des dépenses Ramp avait atteint une valorisation de 44 milliards de dollars alors que les entreprises cherchaient à freiner leurs dépenses en IA. L'ascension de Ramp illustre la rapidité avec laquelle le problème s'est transformé en une catégorie de produits : les outils qui surveillent, allouent et plafonnent les dépenses d'IA sont désormais demandés aux côtés des outils d'IA eux-mêmes.
Cette dynamique, avec des fournisseurs se précipitant pour vendre l’IA et une industrie parallèle se précipitant pour aider les acheteurs à contrôler ce qu’ils y dépensent, illustre la phase intermédiaire délicate dans laquelle le marché de l’IA d’entreprise est entré. La technologie a franchi la barre de l’utilité pour de nombreuses tâches, mais pas encore celle du coût prévisible et contrôlable.
Ce que cela signifie pour l'industrie
Pour les fournisseurs d’IA, cette tendance constitue un avertissement. Si les gros clients passent d’une expérimentation illimitée à une utilisation rationnée et testée en termes de retour sur investissement, la croissance des revenus liée à la consommation brute de jetons pourrait ralentir. Cette perspective est particulièrement lourde de conséquences pour les entreprises dont les modèles financiers supposent des volumes d’inférence toujours croissants.
Pour les entreprises, la leçon est plus nuancée. Ce recul ne signifie pas nécessairement que l’IA échoue au sein des grandes entreprises. Plusieurs des organisations qui renforcent leur surveillance étendent simultanément leurs déploiements d’IA ciblés et à grande valeur ajoutée. Le passage s’effectue de l’ampleur à la sélectivité, de « utiliser l’IA partout » à « utiliser l’IA là où cela rapporte ».
La citation qui ancre le rapport du FT, « Nous avons créé un monstre », pourrait en fin de compte décrire un excès temporaire plutôt qu'un verdict permanent. Les entreprises se sont précipitées pour intégrer largement l’IA générative, ont généré des factures importantes dans le processus et sont maintenant en train de corriger leur cap. Que cette correction ralentisse le déploiement de l’IA ou la rende simplement plus durable est la question à laquelle l’industrie passera le reste de 2026 à répondre.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
