Spotlab · Analyse économique et méthode de pilotage · Sources consultées au 2 novembre 2026
En bref. Une facture de tokens décrit une consommation technique, pas le coût du travail professionnel. Pour décider si l’IA est compétitive, une entreprise doit mesurer le coût complet d’un livrable accepté, en tenant compte des essais, outils, contrôles, corrections et dépenses partagées. Ce coût ne doit ensuite pas être confondu avec le retour sur investissement métier.
LE REGARD SPOTLAB
Ce qu’il faut retenir
Le coût complet de l’IA inclut les itérations, la vérification et les reprises. Le bon indicateur est le coût d’un résultat utile et accepté, pas seulement le prix par token.
Trois décisions que le prix par token ne permet pas de prendre
- Quel dispositif produit le meilleur travail au moindre coût complet ? Un modèle peu cher par appel peut demander davantage de reprises ou de contrôle humain.
- À quel volume un investissement devient-il rentable ? Les coûts fixes d’intégration, de gouvernance et de maintenance changent l’économie du déploiement.
- Quelle valeur est effectivement créée ? Un coût technique faible n’est pas une preuve d’économies comptables ou de chiffre d’affaires additionnel.
Le sujet n’est donc pas simplement de comparer ChatGPT, Claude, Gemini ou un modèle ouvert. C’est d’identifier le coût d’un processus professionnel terminé, vérifié et utilisable.
Des tokens moins chers, mais des parcours parfois plus coûteux
L’OCDE observe une baisse de près de 80 % des prix agrégés des modèles texte-à-texte, ajustés à la qualité, entre janvier 2024 et avril 2026. Elle souligne en parallèle que les agents peuvent consommer beaucoup plus de tokens par tâche et augmenter le coût effectif d’utilisation [1]. Ce chiffre est un indice construit par l’OCDE, pas une baisse uniforme des factures de toutes les entreprises.
Les barèmes publics montrent la complexité du calcul. La fiche officielle du modèle GPT-5.4, consultée pour cette publication, indique par million de tokens 2,50 $ en entrée, 0,25 $ en entrée mise en cache et 15 $ en sortie en tarification standard [2]. Des options ou paliers peuvent modifier la facture : contexte long, traitement régional, outils et modalités de traitement. Les tarifs Anthropic distinguent également entrée, sortie, écritures et lectures de cache [3] ; les barèmes Gemini comportent selon le modèle des frais de recherche, de mise en cache ou de stockage du contexte [4].
Un prix fournisseur est daté, contractuel et exprimé dans une unité précise. Il ne devient un coût en euros qu’après application des conditions pertinentes, du taux de change retenu, des éventuelles taxes et des surcoûts applicables. Il ne suffit pas de relever la colonne « input ».
Les six couches du coût d’un travail IA
| Couche | Ce qu’il faut comptabiliser | Preuve minimale |
|---|---|---|
| 1. Inférence | Tokens entrants, sortants, cache, raisonnement éventuel, variantes et appels rejetés | Usage par appel, modèle, version, grille datée |
| 2. Outils et données | Recherche web, extraction PDF, indexation, stockage, embeddings, connecteurs et licences | Factures, journaux d’outils, allocation par usage |
| 3. Orchestration | Planification, routage, vérification automatique, reprises et latence | Trace complète d’exécution |
| 4. Travail humain | Cadrage, revue, corrections et validation | Minutes observées et coût chargé déclaré |
| 5. Exploitation | Intégration, observabilité, sécurité, support, infrastructure et incidents | Comptabilité analytique et clé d’allocation |
| 6. Qualité du résultat | Livrables acceptés, rejets, erreurs critiques et éventuelles reprises après livraison | Barème d’acceptation, décision et motif |
La FinOps Foundation recommande explicitement de rapprocher les coûts techniques des unités de valeur — par exemple le coût par dossier résolu — et de répartir les dépenses des infrastructures environnantes [5, 6]. Ce cadre éclaire la méthode proposée ici ; il ne certifie pas les résultats d’une plateforme donnée.
Le véritable dénominateur : le livrable accepté
Un résultat « généré » peut être faux, incomplet ou inadapté. Il faut donc distinguer demande initiale, appel au modèle, tentative, travail livré, travail accepté et résultat métier. Les ratios n’ont pas le même dénominateur.
Pour un périmètre homogène de tâches et une période donnée :
Coût complet par livrable accepté = (inférence + outils + travail humain + exploitation attribuée) / nombre de livrables acceptés.
Tous les appels et travaux liés aux dossiers finalement refusés restent dans le numérateur. On conserve simultanément le taux d’acceptation, les incidents critiques et le temps de cycle pour éviter qu’une diminution artificielle du coût soit obtenue en dégradant la qualité.
Le coût est une donnée économique ; l’acceptation est une décision métier fondée sur une grille préalable. Un document accepté avec réserve ne doit pas être automatiquement assimilé à un résultat conforme.
Exemple chiffré : le modèle moins cher à l’appel perd la comparaison
Simulation fictive, sans données Spotwork.AI ni benchmark fournisseur. Deux dispositifs réalisent chacun 100 demandes comparables. Les coûts unitaires d’appel sont entièrement hypothétiques ; les minutes de revue et les taux d’acceptation le sont aussi.
| Hypothèse sur 100 demandes | Dispositif A | Dispositif B |
|---|---|---|
| Appels LLM, échecs inclus | 280 | 150 |
| Coût moyen hypothétique par appel | 0,12 € | 0,36 € |
| Coût des outils sur le lot | 20 € | 35 € |
| Relecture humaine par demande | 18 min | 9 min |
| Coût humain chargé | 65 €/h | 65 €/h |
| Exploitation attribuée au lot | 120 € | 180 € |
| Livrables acceptés | 78 | 92 |
| Coût complet par livrable accepté | 27,23 € | 13,52 € |
Le calcul est entièrement traçable : pour A, (280 × 0,12 + 20 + 100 × 18/60 × 65 + 120) / 78 = 27,23 €. Pour B, le même calcul avec ses paramètres donne 13,52 €. Le tarif d’appel de B est trois fois plus élevé, mais son coût complet par livrable accepté est ici plus faible. Cette simulation n’affirme aucune performance observée des modèles du marché.
Le résultat dépend fortement de l’intensité de la revue humaine et du taux d’acceptation. Il doit être soumis à des scénarios alternatifs, à une analyse des erreurs et à une vérification des temps réels.
Ne pas confondre coût marginal, coût complet et ROI
Trois chiffres doivent coexister dans le tableau de bord :
- Coût marginal technique : dépense supplémentaire pour traiter un appel ou une demande supplémentaire à infrastructure inchangée.
- Coût complet alloué : ressources techniques, humaines et part des coûts fixes attribués selon une clé justifiée.
- Valeur économique réalisée : dépenses effectivement évitées ou marge additionnelle observée, après coût des investissements et en évitant tout double comptage.
Un collaborateur qui termine plus vite un rapport ne réduit pas automatiquement la masse salariale. L’heure libérée peut être réinvestie, mais sa valeur dépend de son usage réel. Une valeur stratégique potentielle, comme la réutilisation future de connaissances qualifiées, ne doit pas être inscrite comme une économie déjà réalisée. Cette distinction complète notre analyse P18 sur le passage de la productivité à la croissance.
Un protocole d’évaluation en quatre passages
1. Définir l’unité économique. Choisir une famille de tâches comparable : note de conseil acceptée, fiche de contrôle validée, réponse à une exigence, dossier client résolu. Définir les exclusions, la population et le barème de qualité avant le test.
2. Instrumenter l’intégralité du parcours. Relier chaque appel, outil, reprise, correction et validation à l’identifiant du dossier. Conserver version du modèle, prix appliqué, taux de change, source des frais, dates et droits d’accès. Les dépenses communes doivent posséder une clé d’allocation vérifiable.
3. Comparer à qualité équivalente. Constituer des cas représentatifs. Isoler complexité, sensibilité et conditions d’exécution ; répéter les cas variables et tester les erreurs critiques. Un changement de périmètre ou de barème invalide une comparaison directe.
4. Décider à plusieurs horizons. À court terme, écarter les configurations trop coûteuses ou instables. À moyen terme, évaluer cache, routage, réutilisation de contexte et automatisation du contrôle, sans présumer leur rentabilité. À long terme, réviser les hypothèses de volume et les frais fixes, puis comparer le coût complet à l’alternative crédible.
L’optimisation multi-modèle peut réduire la consommation sur certains parcours et l’augmenter sur d’autres : le routage, les vérifications et la maintenance ont eux-mêmes un coût. La comparaison doit porter sur le système complet, et non sur l’étiquette d’un fournisseur.
Les cinq pièges à éviter dans un comité d’investissement
- Annoncer une économie à partir d’un tarif en dollars par million de tokens, sans constater l’usage réel.
- Omettre les tentatives infructueuses et le temps humain de reprise.
- Comparer un livrable non contrôlé avec un livrable vérifié comme si leur qualité était équivalente.
- Déduire le ROI métier de la baisse d’une facture d’API.
- Présenter des prix, taux de change ou performances sans date, version et conditions d’application.
La décision à retenir
Le meilleur dispositif IA n’est pas nécessairement le moins cher par token : c’est celui qui satisfait les critères de qualité, de risque et de délai au coût complet le plus pertinent pour une tâche définie. Pour investir, il faut ensuite prouver la conversion de ce coût en résultat économique réel.
La direction financière, les équipes métier, la DSI et les responsables du contrôle doivent donc partager un même tableau de bord : coût par livrable accepté, taux d’acceptation, incidents critiques, coût humain, coûts fixes et valeur effectivement réalisée.
Sources, limites et méthode
- OCDE, Artificial Intelligence Markets (2026) — indice de prix ajusté à la qualité et limites des comparaisons au token.
- OpenAI, documentation officielle GPT-5.4 — tarifs — grille modèle consultée le 2 novembre 2026.
- Anthropic, Claude Platform Pricing — grilles d’inférence et modalités de cache, susceptibles d’évoluer.
- Google AI for Developers, tarifs Gemini API — tarification par modèle, outils et fonctionnalités.
- FinOps Foundation, FinOps for AI Overview — unit economics et rapprochement coûts/résultats.
- FinOps Foundation, Managing AI Token Costs from Direct Model Provider APIs — allocation, cache, outils et contexte métier.
- FinOps Foundation, Unit Economics — métriques unitaires et coûts complets.
- Stanford HAI, AI Index 2026 — Economy — contexte macroéconomique ; non utilisé comme tarif contractuel.
Méthode : synthèse documentaire et grille de pilotage proposées par Spotwork.AI. L’exemple chiffré est intégralement fictif. Aucun test comparatif réel, résultat financier de Spotwork.AI ou économie client n’est revendiqué.
Pour aller plus loin
P04 — Comparer les performances des modèles. P18 — Transformer les gains en valeur économique. P23 — Examiner les impacts environnementaux par travail accepté.