Deux jours à Amsterdam, un constat massif
Le Tokenomicon et le FinOps X se sont tenus à Amsterdam les 22 et 23 septembre, réunissant plus de 500 praticiens. Au-delà de la diversité des sessions, Jérôme Raguillet note dans son post original un constat partagé : 2026 serait l'année où les budgets IA ont commencé à brûler, plus vite que prévu.
L'idée mérite d'être prise au sérieux, même si elle reste une impression de terrain attribuée au post. Quand plusieurs centaines de praticiens, issus d'organisations différentes, convergent vers le même diagnostic, c'est généralement le signal d'un décalage entre la trajectoire budgétaire planifiée et la trajectoire réellement observée. Ce décalage, s'il n'est pas traité tôt, se paie ensuite en arbitrages brutaux en cours d'exercice.
C'est précisément le travail du FinOps : détecter ces écarts le plus tôt possible, avant qu'ils ne deviennent des crises budgétaires. Encore faut-il mesurer la bonne chose, et c'est là que le sujet devient complexe.
Des chiffres de croissance qui imposent de repenser l'allocation
Deux données structurent le propos du post. La première : la dépense par développeur en tokens aurait été multipliée par 18,6 en 9 mois, selon des données Jellyfish citées dans le post. La seconde : Goldman Sachs projette une croissance de 24 fois d'ici 2030, pour atteindre 120 quadrillions de tokens par mois. Ces figures sont présentées par l'auteur et ne sont pas vérifiées ici ; mais leur ordre de grandeur suffit à poser le problème.
Un taux de croissance de cet ordre rend obsolètes les mécanismes d'allocation budgétaire conçus pour des dépenses à croissance linéaire. Répartir une facture IA proportionnellement aux effectifs ou au chiffre d'affaires, puis appliquer une inflation annuelle, ne peut pas fonctionner quand le coût unitaire par collaborateur évolue d'un facteur supérieur à dix en moins d'un an.
Suggestion à discuter avec vos équipes : plutôt que d'allouer la facture passée, projeter la consommation future par cas d'usage, et négocier les budgets sur cette base. C'est une inversion de perspective classique en FinOps, mais elle devient urgente quand la courbe est aussi pentue.
La facture visible ne raconte qu'une partie de l'histoire
Le point sans doute le plus structurant du post : la notion de neuf couches de coût de l'IA, présentées dans le post à partir d'une analyse KostKompass. Ces couches couvrent les tokens, le retrieval, l'orchestration, l'infrastructure GPU, le cache, l'évaluation, la gouvernance, la main-d'œuvre et le gaspillage.
Dans un cas réel analysé et rapporté dans le post, les couches visibles ne représentaient que 62 % du coût total. Ce cas illustre un risque d'angles morts dans le suivi des coûts IA, sans établir que cette proportion s'applique à toutes les organisations.
Cette donnée de 62 % mérite réflexion sur le plan méthodologique. Elle invite à une démarche simple et prudente : cartographier, pour chaque cas d'usage IA, les neuf couches, et documenter pour chacune si elle est mesurée, estimée ou simplement ignorée. L'exercice révèle souvent des angles morts non pas par négligence, mais parce que les outils actuels ont été conçus pour la facturation cloud classique, où ces couches n'existaient pas ou étaient intégrées.
Les premiers livrables de la Tokenomics Foundation
Signal institutionnel important rapporté dans le post : la Tokenomics Foundation a été lancée en août sous l'égide de la Linux Foundation, avec 30 membres dont SAP, JPMorgan et Microsoft. Elle livre déjà deux contributions concrètes.
La première est la Big-T Notation : une façon de mesurer comment le coût d'une tâche IA croît avec sa complexité, en écho à la notation Big-O familière des ingénieurs. L'intérêt est de déplacer la conversation du micro vers le macro : au lieu d'optimiser le prix d'un token, analyser la classe de complexité de l'usage. À titre d'hypothèse de conception, deux implémentations fonctionnellement équivalentes peuvent présenter des trajectoires de coût différentes : cette différence doit être mesurée sur le cas d'usage concerné.
La deuxième est la version 1.5 du standard FOCUS, qui permet de distinguer les tokens input, output et cache dans les factures, et de rattacher chaque usage à une équipe ou à un agent. Ajouté à un standard commun pour comparer OpenAI, Anthropic, Google et les modèles self-hosted, cela dote enfin les équipes d'un socle d'allocation transversal aux fournisseurs.
FinOps et Tokenomics : deux questions complémentaires
Le post condense le sujet dans une phrase qui mérite d'être méditée : « FinOps demande si la facture IA correspond au plan. Tokenomics demande si le plan peut coûter moins cher sans perdre en qualité. » L'auteur précise que ces deux questions sont complémentaires, et que la plupart des équipes n'en staffent qu'une.
C'est une grille de lecture utile pour évaluer votre propre maturité. La première question relève du contrôle : suivi budgétaire, allocation, prévisions. La deuxième relève de la conception : architecture, choix de modèles, granularité des tâches confiées aux modèles. Les deux exigent des compétences et des mandats différents, et une équipe qui ne couvre qu'un seul des deux axes laissera systématiquement un angle mort.
Suggestion pragmatique : cartographier qui, dans votre organisation, porte chaque question. Si personne ne porte la deuxième, le travail de conception des usages IA est probablement effectué sans contrainte de coût, ce qui explique en partie les niveaux de gaspillage observés.
L’angle mort de l'agentic coding et une checklist pour agir
Dernier point saillant du post : l'agentic coding resterait l'angle mort du secteur, décrit comme le poste de coût le plus rapide et le moins outillé. C'est là, conclut l'auteur, que le travail se situe. Cette qualification est présentée comme un constat d'événement, à vérifier dans votre propre contexte.
Pour transformer ces enseignements en action, voici une checklist suggérée, à adapter à votre organisation :
1. Vérifier que votre facture IA est allouée par cas d'usage plutôt que par ligne globale ; si ce n'est pas le cas, c'est le chantier prioritaire.
2. Cartographier vos neuf couches de coût IA et documenter le degré de visibilité de chacune.
3. Tester la lecture par Big-T Notation sur un cas d'usage représentatif pour mesurer la croissance du coût avec la complexité.
4. Évaluer la couverture FOCUS 1.5 de vos outils de facturation, notamment la distinction input/output/cache et le rattachement par équipe ou agent.
5. Identifier explicitement qui staffe la question Tokenomics, distincte de la question FinOps.
6. Examiner spécifiquement vos usages d'agentic coding, en tant que poste le plus dynamique.
7. Réviser vos projections budgétaires 2026-2030 à la lumière des ordres de grandeur cités dans le post.
La question posée en clôture du post reste la meilleure introduction à une discussion interne : votre facture IA est-elle allouée par cas d'usage ou par ligne globale ?
Le post à l’origine de cette analyse
Article développé à partir du post LinkedIn. Les liens ci-dessous sont ceux du post d’origine ; leur présence ne constitue pas une vérification indépendante.
LinkedIn ↗