Du Tokenmaxxing au Token FinOps : l’IA agentique présente l’addition

Un budget annuel consommé en six mois

Depuis quelques mois, un nombre inhabituel d’entreprises partagent le même constat : à mi-année, leur budget prévisionnel annuel de tokens était déjà entièrement dépensé, parfois largement dépassé. Parmi les sociétés qui ont communiqué dessus, Uber a déclaré avoir consommé en quatre mois l’intégralité de son budget 2026 d’outils de développement assistés par IA, et son COO reconnaît publiquement que le lien entre cette dépense et les fonctionnalités livrées aux clients « n’est pas encore là ».

Le paradoxe du token bon marché

Le prix du token chute. Selon une étude Epoch AI de 2025, le prix nécessaire pour atteindre un niveau de performance donné est divisé par 9 à 900 chaque année selon les tâches. Un modèle léger récent égale souvent le modèle phare d’il y a un ou deux ans, pour un coût bien moindre.

Mais la facture totale augmente. Les équipes adoptent rapidement les modèles les plus récents, dont le prix baisse beaucoup moins. Chaque tâche consomme aussi davantage, car les modèles de raisonnement produisent des milliers de tokens de « réflexion » invisibles, les agents enchaînent des dizaines d’appels pour une seule demande et les contextes s’allongent. Enfin, un cas d’usage qui fonctionne est étendu à d’autres équipes, ce qui multiplie sa consommation.

On retrouve ici le paradoxe de Jevons, selon lequel une ressource moins chère et plus utile voit sa consommation totale augmenter. Cette hausse traduit en général le succès des cas d’usage, mais elle doit être maîtrisée.

Tokenmaxxing, Tokenomics et Token FinOps

Le Tokenmaxxing désigne la course à la consommation de tokens, encouragée par des classements internes qui mesurent l’adoption de l’IA au volume consommé par collaborateur ou par équipe. Chez Meta, un tel classement a comptabilisé plus de 60 000 milliards de tokens en trente jours, avant d’être fermé suite à sa médiatisation. Uber avait de son côté classé ses équipes par usage, ce qui a accéléré la consommation. Des collaborateurs consomment alors des tokens sans objectif métier, simplement pour monter dans ces palmarès.

On parle de Tokenomics pour l’économie du token, c’est-à-dire la façon dont une dépense se convertit en tokens, puis en valeur.

Le Token FinOps en est la déclinaison opérationnelle : l’ensemble des pratiques pour mesurer cette dépense et agir dessus. Selon la FinOps Foundation, 98 % des équipes FinOps gèrent désormais des dépenses d’IA, contre 31 % deux ans plus tôt.

Voir et agir, deux difficultés sous-estimées

Le premier obstacle est la visibilité. Les tokens sont consommés chez plusieurs fournisseurs de modèles et par de multiples canaux : appels directs aux API, plateformes des hyperscalers, assistants de développement, IA embarquée dans les logiciels SaaS, sans compter le shadow AI. Chaque canal a sa propre unité de facturation (tokens, licences, crédits, engagements de volume). Reconstituer qui consomme quoi, pour quel cas d’usage et avec quel modèle est en soi un projet. La plupart des entreprises qui nous ont sollicités connaissaient leur facture totale, rarement sa décomposition.

Le second est la capacité d’action. Plafonner les usages ou interdire certains modèles suppose d’abord d’en avoir les moyens techniques. Sans point de passage unique pour les appels aux modèles, avec des clés d’API dispersées et des abonnements souscrits directement par les équipes, il est impossible de faire appliquer ces règles. Le choix est aussi délicat sur le plan stratégique, car on cherche au même moment à faire fonctionner des dizaines de cas d’usage. Brider trop tôt la consommation freinerait les plus prometteurs, alors que l’absence de règle mène aux dépassements que nous avons constatés cette année.

Du modèle le plus puissant au modèle adapté

Les entreprises optimisent encore peu le choix du modèle. La plupart des équipes utilisent par défaut le modèle le plus puissant disponible. Ce choix se défend en phase de pilote, où l’on cherche d’abord la rapidité et la fiabilité. Il se justifie moins à grande échelle, car une grande partie des requêtes (reformuler, classer, extraire, résumer) n’a pas besoin du meilleur modèle du marché.

Le routage intelligent (smart routing) est l’une des pistes pour répondre à ce problème. Au lieu d’adresser toutes les requêtes au même modèle, un routeur évalue chacune d’elles avant de l’envoyer. Des heuristiques simples suffisent en pratique à la classer en trois niveaux : standard, complexe, ou nécessitant un raisonnement approfondi. Elles s’appuient sur la longueur de la demande et du contexte, le type de tâche, la présence de code ou de calculs, le nombre d’étapes attendues ou la criticité du cas d’usage. Chaque requête part vers le modèle correspondant à son niveau, avec une remontée automatique au niveau supérieur si la réponse échoue aux contrôles de qualité. Contrairement à une passerelle (gateway), qui centralise les appels et applique des plafonds, le routeur choisit le modèle requête par requête. OpenAI applique déjà ce principe à GPT-5, qui intègre un routeur choisissant en temps réel entre réponse rapide et mode raisonnement. Dans les travaux de recherche de LMSYS, des routeurs réduisaient les coûts de 35 % à plus de 85 % selon les tests, en conservant 95 % de la qualité du modèle haut de gamme.

Pour qu’une équipe accepte un modèle moins cher, il faut lui prouver qu’il « suffit ». L’A/B test permet d’apporter cette preuve, en orientant une partie du trafic d’un cas d’usage vers le modèle moins cher, puis en comparant la qualité (évaluation automatique, retours utilisateurs, taux de reprise humaine) et le coût par tâche réussie. Cet indicateur est plus juste que le coût par token, car un modèle cher qui réussit du premier coup peut coûter moins qu’un modèle léger qui nécessite trois essais et une reprise humaine. Comme l’offre évolue en permanence, le test doit être rejoué, et le routage ajusté, à chaque nouvelle génération de modèles.

‍

Cinq chantiers pour un Token FinOps

Plusieurs catégories de solutions se développent, comme les passerelles et routeurs IA, les plateformes d’observabilité spécialisées, les logiciels FinOps étendus à l’IA ou les acteurs du monitoring applicatif qui suivent désormais la consommation au token. Le marché reste fragmenté, et aucun outil ne remplace un modèle de pilotage. Nous structurons la démarche autour de cinq chantiers.

1. Le monitoring transverse des usages IA. Consolider toutes les dépenses, tous fournisseurs et canaux confondus, dans une nomenclature commune : cas d’usage, entité, équipe, modèle. Les autres chantiers en dépendent.
2. Les modèles de pilotage et d’allocation. Attribuer chaque euro à un responsable, refacturer les coûts aux entités ou au moins les leur rendre visibles, remplacer le budget annuel figé par des enveloppes par cas d’usage révisées au rythme de l’adoption, et adapter en conséquence les contrats avec les fournisseurs.
3. L’observabilité des agents. Le monitoring dit combien ; l’observabilité dit pourquoi. En traçant chaque exécution d’agent, on repère les boucles, les appels relancés et les contextes surchargés, et l’on connaît le coût d’une exécution type.
4. Les mécanismes de contrôle et les guardrails. Budgets par agent ou par équipe, alertes, limites souples avant limites dures, coupe-circuits pour les agents qui s’emballent, règles d’accès aux modèles par type d’usage plutôt qu’interdictions générales. Ces règles gagnent à varier selon la maturité du cas d’usage : une enveloppe plus large en exploration, un cadre plus strict une fois le cas d’usage industrialisé.
5. L’optimisation des architectures et des modèles. Un routeur plutôt qu’une simple passerelle, des A/B tests rejoués à chaque nouvelle génération de modèles, la mise en cache, les traitements différés et l’hygiène du contexte.

Piloter par la valeur

Comme le dit le COO d’Uber, si l’on ne peut pas relier la dépense aux fonctionnalités livrées aux utilisateurs, l’arbitrage devient difficile à justifier. Le Token FinOps sert à savoir ce que rapporte chaque token, ce qui peut conduire à consommer davantage là où la valeur est démontrée et à rationaliser ailleurs.

Quelques questions aident un comité exécutif à faire le point :

— Connaissons-nous le coût et la valeur de nos dix premiers cas d’usage IA ?

— Nos appels aux modèles passent-ils par un point unique, capable de les contrôler et de les router ?

— Qui a le mandat d’arbitrer entre un modèle plus cher et un meilleur résultat ?

Même dans les entreprises les plus avancées, le Tokenmaxxing du premier semestre a laissé place au Token  FinOps : à terme, il sera nécessaire pour les organisations de relier les dépenses d’IA à la valeur créée.

Sources et lectures recommandées

1. Fortune, « Uber burned through its entire 2026 AI budget in four months. Now its COO is questioning whether it’s worth it », 26 mai 2026.
2. Epoch AI, « LLM inference prices have fallen rapidly but unequally across tasks », 12 mars 2025.
3. The Pragmatic Engineer, « The Pulse: "Tokenmaxxing" as a weird new trend », 2026.
4. FinOps Foundation, State of FinOps 2026, 19 février 2026 (1 192 répondants).
5. OpenAI, « Introducing GPT-5 », août 2025.
6. LMSYS, « RouteLLM: An Open-Source Framework for Cost-Effective LLM Routing », 1er juillet 2024. Résultats obtenus sur des benchmarks publics avec des modèles de 2024 : un ordre de grandeur, pas une promesse de gains en entreprise.

‍