Les agents IA sont coûteux à exploiter — et cela change la narrative sur le remplacement

Le remplacement de l'humain par l'IA en tant que main-d'œuvre est un sujet brûlant, et audacieux, deux personnes spécifiques concernées affirmant que cela devient peut-être aussi trop médiatisé. Au cours des derniers mois, deux investisseurs technologiques de premier plan, qui engagent réellement des fonds derrière leurs décisions, se demandent maintenant ce qui se passe si une IA engendre plus de dépenses que la personne qu'elle était censée remplacer initialement ?

Ce n'est pas seulement une question ; c'est ce qui se passe en ce moment même.

La réalité à 300 $ par jour

Lors d'un récent enregistrement du podcast All-In, Jason Calacanis — investisseur en capital-risque et co-animateur du podcast — a déclaré qu'il payait 300 $ par jour pour faire fonctionner un agent d'IA Claude d'Anthropic afin de gérer ses entreprises. Cela représente environ 9 000 $ par mois, mais voici le hic : les performances de l'agent ne se situent qu'entre 10 % et 20 % de sa capacité maximale, selon Calacanis.

Ainsi, lorsque l'on calcule le coût par tâche utile à 300 $ par jour pour un rendement partiel, cela commence à ressembler moins à une technologie de rupture qu'à une expérience coûteuse.

Calacanis a également décrit le problème simplement : "Quand les tokens deviennent-ils plus chers que de payer un employé ?" Les tokens sont les unités d'utilisation facturées par tous les modèles d'IA, et à mesure qu'un agent d'IA continue d'exécuter des tâches pendant la journée, les tokens s'accumulent rapidement. Plus l'agent effectue de tâches, plus votre facture sera élevée. Contrairement à un employé salarié, il n'y a pas de limite au nombre de tokens facturés tant que l'agent utilise activement des tokens sans que vous ne fixiez de limites d'utilisation.

La règle des "deux fois" de Chamath

Chamath Palihapitiya, PDG de Social Capital et co-animateur du podcast All-In, a partagé qu'il était confronté à un problème similaire chez Social Capital, qu'il a résumé ainsi : "Les agents d'IA ne peuvent justifier leurs coûts à mes yeux que s'ils me fournissent un rendement minimum de 2x celui d'un employé humain pour le même poste."

Utiliser ce coefficient de deux comme base nous permet d'analyser l'efficacité de l'IA par rapport à un employé humain, car plusieurs facteurs contribuent à leur coût d'exploitation total. Certains de ces facteurs incluent :

- Coût de fonctionnement (environ 70 000 $ - 150 000 $/an selon qu'il s'agisse de cloud ou d'on-premise)

- Coût de gestion et de prompting (environ 20 000 $ - 50 000 $/an selon la fréquence d'utilisation)

- Temps passé à corriger les erreurs dues à des fautes ou à des données de mauvaise qualité

- Perte de productivité pendant les périodes où l'IA est sous-performante

Lorsque vous additionnez les coûts d'exploitation totaux pour une entreprise humaine par rapport aux IA, si une entreprise peut embaucher un humain pour un poste à 70 000 $ ou plus de 150 000 $, elle constatera, qu'il s'agisse d'IA ou d'humain, un coût similaire. Il devient évident que l'entreprise préférera embaucher la personne, car elle peut facilement recruter quelqu'un qui travaille avec elle depuis des années, formé et instruit sur ses activités pour accomplir un travail similaire à celui d'une nouvelle IA.

Il a conseillé que certaines entreprises mettront probablement en œuvre une forme de plafond budgétaire strict pour limiter la quantité d'IA utilisée (ce qui est surprenant de la part de quelqu'un qui a passé des années à parier sur la capacité de transformation de la technologie), indiquant que même les outils dédiés à l'IA finiront par être traités comme n'importe quel autre poste dans le budget d'une entreprise et devront donc justifier la dépense.

Par l'auteur

Le problème des tokens dont personne ne vous a averti

Calacanis souligne qu'il existe un problème plus critique dans les articles sur l'IA qui se concentrent principalement sur les mesures de performance et les vidéos de démonstration plutôt que sur le coût des tokens. La majeure partie de l'IA utilisée par les entreprises implique de nombreux inputs, outputs et transactions impliquant un agent interagissant avec un système. Dans certains cas, ceux-ci s'additionneront à un niveau raisonnable pour de petites tâches, mais lorsque vous commencez à ajouter un agent effectuant son travail 8 heures par jour dans tous les départements d'une entreprise, le nombre de tokens utilisés atteindra des montants significatifs en un rien de temps.

Le modèle économique d'un agent d'IA fonctionnant sur un modèle basé sur les tokens est radicalement différent de l'embauche d'une ressource humaine pour effectuer un travail. Un employé travaillant pour une entreprise avec un salaire annuel aura un coût fixe, quelle que soit sa productivité un jour donné. Une IA travaillant selon un modèle basé sur les tokens aura un coût qui augmente à mesure qu'elle est productive — ou, en d'autres termes, à mesure qu'elle crée de la valeur pour l'entreprise.

Le seuil de productivité requis pour qu'un agent d'IA génère un ROI positif pour l'entreprise qui l'a acheté change continuellement, car les fournisseurs de modèles d'IA seront contraints de se concurrencer par des baisses de prix au fil du temps. Cependant, au début de 2026, il existe une différence suffisante, en termes de coût monétaire, entre ce que coûtent les agents et ce que les entreprises qui les possèdent peuvent attendre d'eux pour générer une conversation entre deux individus qui ont tous deux investi des sommes importantes et qui partagent désormais publiquement leur expérience.

Cela ne signifie pas que les agents d'IA sont une impasse

Soyons très clairs, ni Calacanis ni Palihapitiya n'ont rejeté les agents d'IA ; ils sont tous deux très engagés dans ce domaine du point de vue des investissements (tant financiers qu'intellectuels). Ils adoptent une approche plus ciblée et donc pragmatique dans leur argumentaire contre l'hypothèse des agents d'IA comme substituts. Citons par exemple le fait que, sur un plan macroéconomique, l'économie doit fonctionner pour qu'une substitution ait lieu ; cependant, actuellement, la macroéconomie des agents d'IA est assez chaotique.

À l'avenir, à mesure que les modèles deviendront plus efficaces et que les fournisseurs continueront de se disputer les parts de marché, le coût des agents d'IA diminuera. Les efforts d'OpenAI, d'Anthropic, de Google et des diverses alternatives Open Source poussent tous vers des modèles plus performants. Une fois que les coûts par token diminueront et que la fiabilité augmentera, l'économie commencerait à favoriser le passage aux agents d'IA. Cependant, utiliser "l'avenir" pour soutenir l'hypothèse actuelle selon laquelle les agents d'IA sont des substituts est très trompeur, et les utilisateurs qui utilisent activement ces outils quotidiennement peuvent fournir des données réelles sur la situation actuelle.

Par l'auteur

Ce qu'il faut surveiller ensuite

L'aspect principal est le prix. Si OpenAI et Anthropic, ainsi que leurs concurrents, continuent de réduire le coût par token (et les tendances montrent que c'est le cas), alors le point mort décrit précédemment sera modifié. Les entreprises qui développent des processus concernant les agents maintenant (malgré des marges négatives) pourraient se préparer à une structure de coûts différente dans les 12 à 24 prochains mois.

Cependant, toute personne utilisant l'IA pour définir les arrangements de la main-d'œuvre à l'heure actuelle, en croyant que l'IA est moins coûteuse que les travailleurs humains, devra reconsidérer sa position en se basant sur les expériences historiques des investisseurs impliqués dans les réseaux d'opérateurs.