La directrice financière d'OpenAI, Sarah Friar, exhorte les entreprises à abandonner les mesures qu'elles utilisent depuis des décennies pour évaluer les logiciels et à adopter un nouveau critère d'intelligence artificielle, construit autour du travail effectué plutôt que du nombre de personnes utilisant un outil.

Dans un article de blog publié le vendredi 17 juillet 2026 et développé dans un article LinkedIn rapporté par Axios, Fortune et CFO Dive, Friar a présenté ce qu'elle appelle une approche « intelligence utile par dollar ». L’argument principal : les mesures qui ont défini l’ère SaaS – sièges, utilisateurs actifs, renouvellements – ne parviennent pas à capturer la valeur créée par l’IA. Pour une analyse continue de la manière dont les entreprises luttent contre l’économie de l’IA, suivez notre Couverture du secteur de l’IA.

Les quatre questions

Friar propose que les organisations jugent la valeur de l'IA en répondant à quatre questions :

1. L'IA accomplit-elle un travail important ?
2. Combien coûte chaque tâche réussie ?
3. Les gens peuvent-ils compter sur le résultat ?
4. Chaque dollar d'IA produit-il plus de valeur à mesure que l'utilisation augmente ?

"Pendant des années, les logiciels étaient mesurés en fonction de leur adoption : licences, utilisateurs actifs, renouvellements", a écrit Friar sur LinkedIn. "L'IA est différente : elle doit être mesurée par le travail accompli."

Le cadre refond la consommation de jetons – la quantité de traitement d’IA qu’une entreprise paie – non pas comme un coût à minimiser, mais comme une matière première qui ne devient précieuse que lorsqu’elle est convertie en production utilisable. "Les jetons créent de la valeur lorsqu'ils se transforment en travail que les gens peuvent utiliser", a-t-elle écrit, affirmant qu'à mesure que les modèles deviennent plus compétents, ils peuvent entreprendre des tâches plus longues et en plusieurs étapes qui maintiennent le contexte, raisonnent à travers les outils et s'adaptent au fur et à mesure.

Pourquoi OpenAI pousse cela maintenant

Le pitch arrive à un moment inconfortable pour l’industrie de l’IA. Les dépenses mondiales en IA devraient atteindre 2,59 billions de dollars en 2026, soit une augmentation de 47 % d'une année sur l'autre, selon les chiffres de Gartner cités par CFO Dive. Pourtant, les preuves que ces dépenses portent leurs fruits restent minces. Une étude de PwC publiée en janvier a révélé que seuls 12 % des PDG ont déclaré que l'IA avait généré des avantages à la fois en termes de coûts et de revenus. 33 % supplémentaires ont signalé des gains en termes de coûts ou de revenus, tandis que 56 % ont déclaré n'avoir constaté aucun avantage financier significatif jusqu'à présent.

Cet écart génère une frustration visible au sommet de l’échelle des entreprises. Le PDG de Palantir, Alex Karp, a récemment déclaré à CNBC que de nombreux chefs d'entreprise étaient « fatigués » de l'économie des grands modèles linguistiques, se demandant si la hausse des coûts des jetons se traduisait en rendements – commentaires faits par Karp lors de la promotion de la propre technologie de Palantir et reconnus comme étant commercialement motivés.

Pour OpenAI, qui vend les jetons en question, recadrer la conversation autour des résultats plutôt que de la consommation est stratégiquement vital. Si les clients mesurent le succès en fonction du travail accompli, payer plus pour un modèle pionnier qui accomplit une tâche complexe de manière fiable ressemble à de l'efficacité et non du gaspillage.

Un changement de mentalité axé sur les sièges et les renouvellements

L’idée de « l’intelligence utile par dollar » s’inscrit dans le cadre d’une refonte plus large de la manière dont l’IA devrait être tarifée et mesurée. Les logiciels d'entreprise traditionnels étaient vendus par poste ; La tarification de l'IA basée sur l'utilisation rompt ce modèle, car un seul siège peut désormais consommer des quantités de calcul très différentes en fonction de la tâche. Les quatre questions de Friar demandent effectivement aux acheteurs d'établir une comptabilité interne autour des tâches terminées et du coût par tâche réussie – un chiffre beaucoup plus difficile à suivre que l'effectif, mais qui reflète ce que fait réellement la technologie.

Tout le monde n’est pas convaincu que ce nouveau critère favorise les acheteurs. Les critiques notent que le « travail accompli » est difficile à définir et à auditer, et que les fournisseurs ont tout intérêt à classer les résultats de l’IA comme réussis. La fiabilité – troisième question de Friar – est particulièrement difficile à mesurer lorsque les modèles produisent des réponses sûres mais incorrectes, phénomène connu sous le nom d'hallucination. Sans vérification indépendante, la mesure risque de devenir un outil de marketing plutôt qu’un mécanisme de responsabilisation.

Pourtant, la proposition reflète un véritable changement dans la conversation. Après deux années de mesures d’adoption époustouflantes, les dirigeants exigent des preuves que les dépenses en IA portent leurs fruits. Les entreprises qui pourront répondre aux quatre questions de Friar avec des données – qu'elles utilisent les modèles d'OpenAI ou ceux d'un concurrent – ​​seront celles dont les budgets survivront à l'inévitable examen minutieux.

##Sources

  • CFO Dive, "OpenAI pousse de nouveaux critères pour mesurer les investissements en IA", 17 juillet 2026
  • Axios, « Exclusif : le directeur financier d'OpenAI propose une nouvelle façon de mesurer la valeur de l'IA », 17 juillet 2026
  • Fortune, « CFO d'OpenAI : 4 questions qui révèlent si vos dépenses en IA portent leurs fruits », 17 juillet 2026

Gardez une longueur d'avance en matière d'IA d'entreprise

L’économie de l’IA est en train d’être réécrite en temps réel. Ajoutez notre page d'accueil à vos favoris pour [la dernière couverture commerciale de l'IA] (https://aibuzzwire.news).

Lire plus d'actualités sur l'IA →