Pendant les deux premières décennies de l’informatique de gestion, la puissance de calcul se vendait à la seconde de processeur et à l’heure de connexion. Les centres de traitement relevaient leurs compteurs comme un distributeur d’eau relève les siens, et chaque mois les directions financières découvraient le prix de la curiosité de leurs équipes. Le micro-ordinateur a clos ce régime : la machine payée, l’usage ne coûtait plus rien.
Le compteur est revenu. Chaque appel à un grand modèle de langage se règle au token, cette unité de découpage du texte qui sert d’étalon de facturation, et la dépense redevient proportionnelle à l’appétit des utilisateurs. Le principe n’a rien d’inédit, l’échelle si : un logiciel classique n’interrogeait pas quarante fois un service distant pour corriger une fonction, quand un agent autonome le fait sans qu’on le lui demande.
Le 22 juin 2026, un entretien accordé au Wall Street Journal par Satya Nadella met en cause l’organisation du secteur de l’intelligence artificielle, où quelques laboratoires concentrent l’essentiel des usages professionnels. Le PDG de Microsoft y vise deux partenaires de son entreprise, OpenAI et Anthropic, auxquels sont attribués 27 % et 40 % du marché, tient la facturation à l’usage pour insoutenable au-delà d’un certain volume et redoute un appauvrissement des savoir-faire chez ses clients. Cette charge, l’origine réelle de ses chiffres, le mécanisme du token, les deux factures qui lui servent de preuve et l’architecture proposée en réponse s’examinent dans cet ordre.
Un reproche adressé à ses propres alliés
La critique porte moins sur les produits que sur la forme du marché. « La dernière chose que l’un d’entre nous souhaite est un monde où chaque entreprise, dans chaque secteur, cède de la valeur à quelques modèles qui dévorent tout ce qu’ils voient », explique Satya Nadella. L’argument se veut politique autant qu’économique : si toute la valeur revient à quelques modèles, avance-t-il, l’économie politique ne le tolérera pas.
Le narratif des cols blancs et le précédent de la mondialisation
Le dirigeant s’en prend aussi au registre catastrophiste de ses pairs, à commencer par le patron d’Anthropic, qui annonçait en 2025 l’effacement de la moitié des emplois de cols blancs. Il y voit un récit intenable : nul ne peut décréter la fin du travail de bureau et réclamer dans le même souffle la puissance nécessaire à la construction de centres de données. La prédiction visée gagne à retrouver sa forme d’origine, le 28 mai 2025, Dario Amodei déclarant à Axios que la moitié des postes de cols blancs débutants pourraient disparaître en un à cinq ans, avec un chômage américain porté à 10 ou 20 %.
Confier le travail intellectuel à quelques modèles géants reviendrait, selon lui, à rejouer la séquence de la mondialisation des années quatre-vingt-dix et à laisser les compétences internes se déliter. L’image est celle d’une industrie qui délocalise une fabrication, puis constate quelques années plus tard qu’elle ne sait plus la reprendre : ce que les équipes conservent de leur métier devient alors un actif aussi stratégique que le produit lui-même.
Des parts de marché attribuées au mauvais auteur
Les 40 % d’Anthropic et les 27 % d’OpenAI sont présentés comme une mesure de la Brookings Institution. Ils proviennent de Menlo Ventures, qui les publie le 9 décembre 2025 : le tiers manquant s’appelle Google, à 21 %, et les trois fournisseurs pèsent ensemble 88 % de l’usage professionnel des interfaces de programmation, sur un marché de 37 milliards de dollars dont 12,5 pour ces seules interfaces.
Brookings relaie bien ces chiffres, mais dans un article de Mark MacCarthy du 12 mars 2026 consacré à tout autre chose : le conflit d’intérêts né de fournisseurs qui concurrencent leurs propres clients. Le texte documente trois coupures d’accès décidées par Anthropic, en avril puis en août 2025 et en janvier 2026, au nom d’une clause interdisant de bâtir un produit concurrent.
Le piège du token est un problème de volume
L’argument quitte ensuite le terrain des principes pour celui des comptes. Régler au token chaque appel d’interface de programmation deviendrait insoutenable dès que les volumes grossissent, et la généralisation des agents, qui transforment une consigne unique en dizaines d’échanges successifs avec le modèle, accélère la rotation des compteurs. Microsoft avance à l’appui un ordre de grandeur spectaculaire : selon une étude d’avril 2026, une tâche de codage confiée à un agent engloutit jusqu’à mille fois plus de tokens qu’un échange conversationnel ordinaire.
Ce que l’étude des mille fois dit en plus de son chiffre
Le document n’est pas un rapport interne de Microsoft mais un article déposé sur arXiv le 24 avril 2026, cosigné notamment par Erik Brynjolfsson, de Stanford, et Alex Pentland, du MIT. Les tokens d’entrée portent l’essentiel du coût, deux exécutions de la même tâche peuvent différer d’un facteur trente, et une consommation plus élevée n’améliore pas la précision. Ce qui casse un cycle budgétaire n’est donc pas le prix du million de tokens mais sa variance : une direction informatique sait provisionner une dépense élevée, pas une dépense stochastique par ticket.
Un tarif qui s’effondre pendant que la facture monte
Le prix unitaire de l’intelligence baisse pourtant à une vitesse rare : Epoch AI mesure que le tarif pour un niveau de performance donné recule de 9 à 900 fois par an selon le test retenu, et Claude Opus 4.5 est facturé trois fois moins cher qu’Opus 4.1. Le 27 janvier 2025, réagissant à l’irruption de DeepSeek, Satya Nadella saluait publiquement le paradoxe de Jevons, promettant qu’une IA plus efficace verrait son usage exploser. Dix-sept mois plus tard, il dénonce l’effet rebond qu’il annonçait comme une bonne nouvelle.
Deux factures devenues des cas d’école
Les licences internes de la division Expériences et Appareils
Microsoft a annulé la plupart des licences internes Claude Code de sa division Expériences et Appareils, qui couvre Windows, Microsoft 365, Outlook, Teams et Surface. La décision, révélée le 14 mai 2026 par Tom Warren dans sa lettre d’information Notepad, frappe un outil déployé en décembre 2025 y compris auprès de profils non techniques, et la bascule vers GitHub Copilot CLI doit être effective le 30 juin, dernier jour de l’exercice fiscal. Claude reste pourtant accessible par ce canal : le changement porte sur les conditions d’achat, non sur la technique.
Uber, cinq mille développeurs et quatre mois de budget
En déployant le même outil auprès de 5 000 développeurs, Uber a épuisé tout son budget d’intelligence artificielle pour 2026 en quatre mois seulement. Deux précisions s’imposent : les 3,4 milliards de dollars cités comme ce budget sont le total de sa recherche et développement en 2025, et c’est chez Uber, non chez Microsoft, que le coût d’interface s’échelonne de 150 à 250 dollars par ingénieur et par mois, les utilisateurs intensifs atteignant 500 à 2 000 dollars.
La courbe d’adoption explique le dérapage mieux que le tarif. En février 2026, 32 % des ingénieurs utilisaient l’outil ; en mars, 84 % étaient classés utilisateurs agentiques, et près de 11 % des mises à jour du backend sont écrites par des agents sans intervention humaine. Le président et directeur des opérations Andrew Macdonald juge pourtant que le lien entre cet usage et les fonctionnalités effectivement livrées aux utilisateurs n’est pas encore établi.
Le procureur est partie au dossier
La bascule de GitHub vers la facturation à l’usage
Trois semaines avant l’entretien, GitHub, filiale de Microsoft, a basculé toute son offre Copilot vers la facturation à l’usage. Annoncé le 27 avril 2026 et entré en vigueur le 1er juin, le changement remplace les requêtes premium par des crédits consommés selon le volume de tokens ; les prix affichés ne bougent pas, mais chaque plan n’inclut qu’un montant de crédits égal à son prix et les expériences de repli disparaissent une fois le solde consommé. La justification est celle du réquisitoire : Copilot est devenu une plateforme agentique.
Actionnaire, hébergeur et revendeur
Microsoft n’est pas seulement un client mécontent d’Anthropic. Depuis le 18 novembre 2025, l’entreprise a engagé jusqu’à 5 milliards de dollars au capital du laboratoire, aux côtés de NVIDIA jusqu’à 10 milliards, Anthropic s’engageant en retour à acheter 30 milliards de capacité Azure ; Claude figure au catalogue Foundry comme dans GitHub Copilot. Chaque token facturé remonte donc partiellement chez celui qui dénonce le modèle.
Ce que recouvre la capture de l’expertise
Le raisonnement tient ensuite en une proposition : l’entreprise paierait d’autant plus cher que ses équipes gagnent en efficacité, et l’expertise ainsi produite lui échapperait pour aller enrichir le fournisseur du modèle. La première moitié de l’énoncé tient la productivité pour acquise. L’essai contrôlé randomisé publié par METR le 10 juillet 2025 mesure l’inverse : seize développeurs open source chevronnés, sur 246 tâches réelles, mettent 19 % de temps en plus avec les outils d’IA, alors qu’ils croyaient après coup en avoir gagné 20.
La seconde moitié désigne un mécanisme inattendu. Les conditions commerciales d’Anthropic excluent les entrées et sorties clients de l’entraînement, le changement du 28 août 2025 ne visant que le grand public ; le transfert réel porte sur la trajectoire des agents et les évaluations internes, qui restent chez le fournisseur. La crainte d’un désapprentissage dispose en revanche d’un article fondateur, « Ironies of Automation » de Lisanne Bainbridge en 1983, et d’une mesure contemporaine : Lee et ses coauteurs, chez Microsoft Research et à Carnegie Mellon, établissent en 2025 sur 319 travailleurs du savoir que la pensée critique recule quand la confiance dans l’outil augmente.
La parade architecturale et son catalogue
Microsoft propose en réponse de rendre aux organisations la maîtrise de leurs données et les moyens d’entraîner elles-mêmes leurs modèles. Trois processus internes composent l’architecture recommandée : des boucles d’apprentissage privées qui réinjectent le savoir-faire métier et les processus de travail dans des systèmes que l’entreprise contrôle, des environnements d’apprentissage par renforcement maintenus dans son périmètre, des infrastructures assurant l’interchangeabilité des modèles contre le verrouillage chez un fournisseur unique. Ces environnements ont pourtant un marché depuis septembre 2025 : internaliser déplace la dépense du token vers le post-entraînement sans la supprimer.
Un routeur de modèles vendu par le même fournisseur
La troisième recommandation décrit un produit déjà au catalogue. Le model router de Microsoft Foundry, dont la documentation a été mise à jour le 31 mai 2026, oriente chaque requête vers l’un d’une trentaine de modèles OpenAI, Anthropic, DeepSeek, Meta et xAI derrière un déploiement unique, avec un mode coût qui consent 5 à 6 % de perte de qualité pour retenir le moins cher. Le levier le mieux documenté manque au discours : NVIDIA chiffre depuis juin 2025 de 10 à 30 fois l’économie d’un modèle de 7 milliards de paramètres face à ceux de 70 à 175 milliards appelés par défaut.
Le réquisitoire dit quelque chose de juste sur un marché où trois fournisseurs concentrent 88 % de l’usage professionnel, et d’inexact sur les causes de la facture. Le sujet a quitté le débat d’idées pour la comptabilité analytique : la sixième édition du State of FinOps, publiée le 19 février 2026, établit que 98 % de ses 1 192 répondants gèrent une dépense d’IA contre 31 % deux ans plus tôt, et qu’aucun ne sait dire si elle produit de la valeur.
Rien n’est joué au 22 juin. Les fournisseurs peuvent répondre par des forfaits plafonnés ou une tarification indexée sur le résultat, ou durcir au contraire la mesure à l’usage ; les directions informatiques peuvent recentrer leurs agents sur des modèles petits et routés, ou remettre deux laboratoires en concurrence ; la Commission européenne peut retenir ou écarter la qualification que l’Autorité de la concurrence l’invitait à examiner dès le 28 juin 2024, en traitant les fournisseurs de modèles en tant que service comme des contrôleurs d’accès.
Derrière la querelle sur le mode de facturation demeure une question plus embarrassante. Si 95 % des pilotes d’IA générative ne produisent aucun effet mesurable, comme le concluait le projet NANDA du MIT Media Lab dès juillet 2025, et si 60 % des grandes organisations interrogées par le Cigref jugent les gains de productivité encore théoriques, la discussion porte sur le prix d’une valeur non établie. Le compteur au token a au moins ce mérite : en rendant la dépense visible ligne à ligne, il oblige à poser la question du rendement que trente ans d’informatique au forfait avaient repoussée.
Aller plus loin
La statistique qui ouvre le dossier vient d’un fonds d’investissement et non d’un institut : l’enquête 2025: The State of Generative AI in the Enterprise publiée par Menlo Ventures donne les 40 % et les 27 %, ajoute les 21 % de Google qui complètent le tableau et ventile 37 milliards de dollars de dépense.
Le think tank auquel ces parts sont prêtées traite en réalité d’un sujet plus dérangeant, puisque Mark MacCarthy consacre What happens when AI companies compete with their customers? au droit contractuel de couper l’accès à un client devenu concurrent, déplaçant le risque du terrain économique vers le terrain juridique.
Le chiffre des mille fois mérite d’être lu à sa source, car How Do AI Agents Spend Your Money? contient surtout ce que la reprise abandonne : trente fois d’écart entre deux exécutions de la même tâche, une précision qui plafonne avant le coût maximal, des modèles incapables d’anticiper leur consommation.
La contradiction la plus nette tient dans l’annonce GitHub Copilot is moving to usage-based billing, parue fin avril et appliquée trois semaines avant l’entretien, qui installe dans l’offre de Microsoft la facturation dénoncée, avec la disparition du repli une fois le solde consommé.
Lire la critique au premier degré devient difficile après le communiqué Microsoft, NVIDIA and Anthropic announce strategic partnerships, qui établit la triple position de l’entreprise vis-à-vis du laboratoire visé : investisseur, fournisseur de sa capacité de calcul, revendeur de ses modèles.
La prémisse du raisonnement, la productivité, est la seule chose mesurée sous protocole : l’expérience Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity conduite par METR observe 19 % de temps en plus et 20 % de gain ressenti, écart qui explique l’adoption virale autant que la facture.
L’érosion des compétences a été documentée dans le laboratoire même de celui qui l’annonce, l’étude The Impact of Generative AI on Critical Thinking suivant 319 travailleurs du savoir pour décrire un métier qui glisse de la résolution de problèmes vers l’intégration de réponses.
On ne comprend pas la hausse des factures sans la baisse des tarifs, et le relevé LLM inference prices have fallen rapidly but unequally across tasks tenu par Epoch AI la donne tâche par tâche, avec une médiane de cinquante divisions par an qui déplace le problème du prix vers le volume.
La réponse technique absente du discours rapporté tient dans la prise de position Small Language Models are the Future of Agentic AI, où des chercheurs de NVIDIA chiffrent de dix à trente fois l’écart de coût entre sept milliards de paramètres et les grands modèles généralistes, avant de publier une méthode de conversion des agents existants.
Vu du continent, le procès change d’accusé avec l’étude De la dépendance technologique à la captation économique menée par Asterès pour le Cigref, qui chiffre à 140 milliards d’euros par an d’ici 2030 le surcoût du cloud-logiciel européen et relève des fonctionnalités d’IA imposées dans 40 % des hausses.
Lus ensemble, ces documents racontent une histoire moins morale que celle du réquisitoire. Le prix unitaire s’effondre, le volume explose, la variance rend la dépense imprévisible, la productivité censée la justifier n’est pas établie et la valeur produite reste à démontrer. Le mode de facturation n’est pas la cause de l’embarras budgétaire mais son révélateur, apparu quand les entreprises ont confié à des agents des tâches au rendement jamais mesuré. Que celui qui alerte occupe toutes les positions du marché qu’il décrit n’invalide pas le diagnostic, mais interdit de le lire comme un constat désintéressé.